您所在的位置:首页 > 营销策划

热点推荐

最新推荐

2018年跳槽指南:如何找到一份人工智能相关的工作?

编辑:互联网时代网时间:2019-05-30 17:40:15阅读次数:

摘要:原标题:2018戒烟指南:如何找到一份工作涉及到人工智能? 本文从正面[AI]原创,原文链接:作者| TanmoyRay,翻译| 薛寿命灯泡,编辑| EmilyAI前导读:“2017年,大数据AI成技术炒作,数据科学和机器学习各行各业的中心舞台开始出现。机器学习开始被应用于解决数据分析问题。机器学习,人工智能和预测分析已成为2017年的热门话题。

原标题:2018戒烟指南:如何找到一份工作涉及到人工智能?

This article from the front [AI] original, the original link:

作者| Tanmoy雷,翻译| 薛寿命灯泡,编辑| 艾米莉

AI前导读:“2017年,大数据AI成技术炒作的中心舞台,数据科学和机器学习开始在各行各业崭露头角。机器学习开始被应用于解决数据分析问题。机器学习,人工智能和预测分析已成为2017年的热门话题。我们目睹了基于创新价值的数据,包括数据的科学平台,机器学习和几个主要供应商的云服务的深入研究,以及机器智能,规范分析,行为分析和物联网。

\

2018年,AI将加快发展的步伐,今年将是人工智能技术和科学数据来重新定义的一年重生。对于雄心勃勃的数据科学家,他们在相关的科学工作和数据市场如何脱颖而出?2018年将有足够的科学数据做相关的工作更多?或者有可能缩水?接下来,就让我们分析数据的科学的发展趋势,并探讨如何在大数据和机器学习/ AI领域的未来找到一个好工作。“

增强技术实力

编程语言和开发工具

365数据科学1001采集的数据,从LinkedIn的信息,科学家们发现,R语言编程语言的最大需求,Python和SQL。此外,它需要MATLAB,Java中,Scala和C / C ++方面的知识。为了脱颖而出,我们需要掌握这些工具的Weka和NumPy的。

概率统计,应用数学和机器学习算法

你需要概率统计扎实抓好,并学习和掌握一些算法,比如朴素贝叶斯,高斯混合模型,隐马尔可夫模型,混淆矩阵,ROC曲线,P值等。

这些算法不仅要了解,但也知道他们是如何工作。你需要的梯度下降,凸优化扎扎实实抓,拉每种方法郎,二次规划,偏微分方程,正交法和其他相关算法。

如果你正在寻找一个高薪的工作,还需要掌握的技术和机器学习算法,如K-NN,朴素贝叶斯,SVM和决策森林。

分布式计算和Unix工具

现在大多数机器学习需要大量的数据,所以你不能在一台机器学习机上。所以,你需要使用集群,你需要掌握一些Apache的Hadoop和云服务,例如Rackspace公司,亚马逊EC2,谷歌云平台OpenStack的和微软Azure等。

您还需要有各种各样的Unix工具,比如猫,grep的,发现时,awk,sed的,排序,剪切,TR等。。由于机器学习是在Unix系统上运行基本上,你需要掌握这些工具,了解它们的作用以及如何使用它们。

的NoSQL数据库和查询语言

传统的关系型数据库老去。除了Hadoop的,你还需要知道SQL,Hive和Pig和NoSQL数据库,如MongodB中,Casssandra,HBase的。

NoSQL的分布式数据库基于基础设施已经成为大型数据仓库的基础。以前需要20小时在中央关系数据库可以处理的任务可能只需要三分钟时间上的大Hadoop集群。当然,你也可以使用MapReduce的,Cloudera的,塔恩,PaaS的,厨师,水槽和ABAP工具。

数据可视化工具

在编程语言和算法,在同一时间的把握,千万不要忽略数据可视化中的作用。如果你不能让自己或他人理解数据,然后他们变得毫无意义。数据可视化是指如何在正确的时间出现的数据给正确的人,让他们获得价值。主数据的可视化工具,包括:画面,QlikView的,Someka热图,FusionCharts的,Sisense,Plotly,Highcharts,Datawrapper,D3。JS,ggplot等。

教育和专业背景的正确选择

要成为一名科学家的数据,你没有得到科学数据学位。事实上,你完全不必这样做,但这样做是不是一个好主意。如果你能得到一个计算机学位,工程学士学位,经济学学士学位,在数学,统计学学位学位,精算师的程度,或在自然科学金融学士学位(物理,化学或生物)学位是可能的。甚至是人文科学(包括社会科学)是可能的。

365数据科学的研究表明,数据科学家用计算机度为20%,19%具有统计学或数学背景,主要经济和社会科学的19%。只有13%拥有科学学位的数据存储崔。然而,很少有大学提供科学数据本科学历,他们大多提供硕士学位。由于工作是一个新的工作,所以毫无疑问,在本科阶段,很多人并没有接触到的科学数据接触。

如果他们能够继续学业,获得科学数据或机器学习/ AI相关的硕士或博士学位,自然会帮你找到,特别是如果你想找到在世界500强公司经营数据科学家。365数据科学的研究发现,与主人的1001名数据科学家和博士学位的比例分别为48%和27%,。

但是,要获得硕士学位是真的不那么好,但如果我们能得到的,它肯定更厉害的是。如果你想从事数据分析,但不一定与科学数据和机器学习联系人,然后硕士学位不需要。您可以在没有硕士学位工作获得的情况数据分析。不要混淆数据科学和数据分析起来。

获得实际经验

在实习结束时,18%的人有科学的数据字段直接访问。所以,如果你已经有了一个硕士学位,最好先找到一个实习岗位,而不是继续攻读博士。D。度直接。

在现实中,很少有公司直接招收应届官方数据科学家。他们大多是从分析(数据分析,BI分析),实习生,IT专家,软件工程师和顾问开始。只有2个在数据科学工作开始的人%。

有趣的是,科学家数据博士的27%,大学自然成为文化数据科学家的摇篮,也有大学一些学者直接聘请数据科学家。此外,人们在IT要比谁担任顾问,成为数据科学家更容易,这绝对是一个扎实的编程技能是一个优势。

它是在一定程度上,大学排名的重要

一组调查数据显示,排名靠前的大学将培养出更多的数据科学家。

从世界排名前50的大学高收入的大学数据科学家的28%,但目前还没有25%来自排名列表。

因此,学校排名,并有一定的关系,但不是全部。知识,技术实力和实践经验比大学毕业更重要。实践经验和良好的编程技能是必需的,而好学校是锦上添花,但不是决定因素。

参与在线教育课程

我参加在线课程很长一段时间。为了得到一份工作作为数据科学家或数据科学家为了获得硕士学位,自学需要努力。

数据科学家的40%,参加网络教育课程。此外,每个接收到的3平均。33证书。因此,要想成为一个好的科学家的数据,你需要通过自学在线课程,观看视频并获得证书MOOC。

加强你的软技能

数据科学是所有关于数学,编程和技术。但在今天的数据驱动的工作场所,软技巧也很重要,如沟通能力,求知欲,创造力,文化,智力,情商和商业头脑。

好奇心

最终的目标是要探索科学数据,以创新的方式探索新思路。良好的数据科学家的好奇心驱使,各种创新的方式来探索数据。良好的公司不只是需要人谁可以回答问题,还需要人谁在问问题都好。

热情和激情

有些人能够做的一些工作进行学习和反映他们的激情的东西,这些人更受招聘企业的青睐,所以,请主动添加一些数据科学项目它,解决一些实际业务问题或做一些研究。创新的思维,找到解决老问题的新解决方案的能力,主要是基于良好的数据和普通数据科学家科学家之间的差异。

交流和分析能力,以及团队合作

良好的数据科学家的技术团队和业务团队之间的粘合剂。作为一个数据的科学家,你需要良好的沟通协调。

\

有时候,你必须在某种程度上理解,每个人都可以成为事实的陈述。如果数据分析的结果意味着公司的战略需要改变,需要与公司良好的人际关系在正确的方向。

商业敏锐度

作为一个数据科学家,你需要有行业的一个非常深刻的理解 - 行业发展趋势,客户的痛点,竞争者。你必须知道你要解决的业务问题是什么样的公司。数据科学家需要知道如何解决任何问题,并找到正确的解决方案。关键洞察业务,并能与客户的喜好,产品生命周期和盈利目标一起,就是找到创造性的解决方案。

\

准备面试

不要忘记花时间来接受我们的采访做准备。无论多么强大的技术,总有办法面试官一些你不知道的问题,你出了门。在采访中,面试官可能会问各种各样的问题,要求考生具有很强的技术能力,较强的应变能力和创造性思维和良好的沟通技巧。你的面试官会检查你的知识,通过各种方式编程技能和数据建模技能,所以提前准备是成功的关键人选。

结论

2018年,该行业需要大约一万条数据科学家。人工智能,大数据和网络技术来挖掘新的业务洞察,据福布斯估计,“到2020年,他们将还在熟睡的同伴偷1年。二万亿美元。“。然而,进入这个领域,首先要确保你有足够的统计数据激情,编程和数据建模,不要盲目随大流或一味追求高薪。

但是,也许你会在其他方面得到更好的发展,如经济学,应用数学或工程。首先确定科学数据这条路不适合自己。2018不会让那些有兴趣在数据科学失望的一展身手的领域。但话又说回来,用脑分析能力,娴熟的编程技巧,真挚的热情和不断的自我完善毅力将决定你的数据科学家将走多远的路。

原文链接:

相关阅读

友情链接:

观音心经 大悲咒经文 佛经

|营销策划|销售技巧|市场公关|品牌营销|网络推广|

苏ICP备18043316号    互联网时代网版权所有    网站地图