「數據達人養成計劃」Live知識要點
01-30
感謝各位知友的參與,Live2順利結束(此處有撒花)
回答了全部的提問,如果有沒照顧到的,可以私信給我。
這裡補充下整理好的知識要點(●-●)
第一章、人生第一步我為什麼投身數據產業? (5min)
- 讀萬卷書不如行萬里路。
- 行萬里路不如閱人無數。
- 閱人無數不如名師指路。
第二章、我最喜歡 DA&DM 工作的哪一點?最不喜歡哪一點? (10min)
- 音樂家譜寫一首新樂曲、科學家創造一個新發明、物理學家發現一個新規律。
- 《1984》:誰控制了現在,誰就控制了歷史;誰控制了歷史,誰就控制了未來。
- 面向過去的描述性分析(Deive Analysis),發現潛藏的歷史規律。
- 面向未來預測性分析(Predictive Analysis),對未來趨勢進行預測。
- 數據科學的痛點故事:「豬欄的小豬」、「黑天鵝事件」。
第三章、什麼樣的數據科學家可以做到年薪百萬? (15min)
- Cloudera Certified Developer for Apache Hadoop
- Cloudera Certified Specialist in Apache HBase
- Cloudera Certified Administrator for Apache Hadoop
- Mongo DB Certified DBA
- Mongo DB Certified Developer
- Oracle Administrator Certified Master—DBA (OCM)
- IBM Certified Advanced Database Administrator
- HP Vertica Big Data Solutions Administrator
- SAS Certified Predictive Modeler – SAS Enterprise Miner
- Certified Analytics Professional) — CAP
- Certification of Professional Achievement in Data Sciences — Columbia University in the City of New York
- Mining Massive Data Sets Graduate Certificate) — Stanford University
第四章、成為這樣的大牛需要什麼樣的學歷和能力?(15min)
- 關於數據科學的職業規劃和路線
- 初級數據新人——用數據解答業務產品問題(正確性、合理性、全面性)
- 中級數據高手——獨立完成高質量的數據分析報告(構思、規劃、完善、評價)
- 高級數據達人——帶領團隊,負責幾個子產品項目or模塊(研究最新的領域內進展)
- 終極數據大神——成為公司的領路人(首席數據官Chief Data Officer、首席執行官Chief Executive Officer)
- 數據科學(BAT筆試題)
第五章、 剛入職的新人對這份工作通常有哪些誤解? (15min)
- 新人常見的誤解主要有以下幾種:
- 「數據科學家」和「商業分析師」本質上是相同的。
- 數據科學應用的領域很小,只有互聯網公司用的上。
- 數據科學繁榮是一場泡沫,未來將會被AI技術取代。
- 非計算機專業的人,不具備成為數據科學家的潛力。
- 演算法和模型是萬能的,活用數據能夠解決一切問題。
- 數據分析只能被業務牽著鼻子走,不然就無事可做。
- 數據人的自我修養
第六章、我從這個行業中所獲得的核心技能是什麼?(15min)
- 1. 決策力——有勇有謀,百戰不殆,運籌帷幄,決勝千里。
- 2. 執行力——其疾如風,果斷堅決,兵貴神速,侵掠如火。
1)執行力體現在工作中——堅持三省吾身、日格一物的工作態度。
2)執行力體現在學習中——堅持思考與行動相結合,即思行合一。3)為什麼「站在巨人肩膀上」常常會讓你掉進坑裡?4)如何正確的培養自己的執行力?(學而不思則罔,思而不學則殆;數據知其然,更要知其所以然。)- 3. 耐久力——天道酬勤,人無我有,人有我精,人精我勤。
1)耐久力體現在工作中——數據處理過程中(數據獲取、數據清洗、數據建模、數據展現)與人高效可持續溝通(業務人員、程序員、管理層)
2)耐久力體現在學習中——終生學習,AI技術的發展迫使底層的數據從業者不斷提升自我。3)為什麼要強調耐久力?(未來不是一個「死記硬背」的時代,而是好奇心+實踐的時代。比你聰明的人不可怕,比你聰明而且比你更努力的人才可怕。)4)耐久力在數據工作中如何體現?(人們真正注意到你的時候,不是第一眼看到你站在那裡,而是發現過了這麼久,你居然還在那裡。)其他:
- 分析解決領域問題的能力
- 數據獲取清洗展示的能力
- 數據建模和最優化的能力
- 編程和資料庫優化的能力
- 設計和做數據報表的能力
第七章、何時應該跳槽?如何計劃跳槽?跳槽的技術要點是什麼?(10min)
- 發生在我身邊一個真實故事。
- 跳槽,要有目的性,明確你的目標期望值。
- 跳槽,要時刻準備,切勿臨時起興抱佛腳。
- 跳槽,要有預見性,選擇比努力更加重要。
- 自我感悟:思深方益遠,謀定而後動,知止而有得。
以上就是我在本次Live分享的全部內容,感謝各位知友的參與,鄙人才疏學淺,時間倉促,考慮不周之處,望海涵理解。如果滿意的話請給個笑臉(●-●),謝謝。
有時間的朋友歡迎花60秒完成一份6個問題的小問卷,提出您關於本次Live的寶貴意見和建議:「數據達人養成計劃」Live反饋問卷,您的滿意是我分享的動力,再次向各位表示由衷的感謝。
FM wx: Dataology.
推薦閱讀:
※機器學習很枯燥,不想繼續學了怎麼辦?或許,這些建議值得一看
※91 job interview questions for data scientists
※初入數據科學職業時,要避免的9個錯誤
※簡明數據科學 Part1:原理與過程