@rchiaaaaaaaa 16 May 2021 more from that month

[資料科學家 Data Scientist - 工作篇] 因為不知道要什麼發文題材，就來分享一下我的日常生活好了！ 以下內容為我自己身為Junior工作一年的一點小心得不一定完全正確 相信大家都有耳聞過《哈佛商業評論》(Harvard Business Review)於2012年發表的文章，號稱資料科學家是「21世紀最性感的職業」，那究竟資料科學家的工作是什麼？ 是「對資料進行分析，洞見資料對產品或企業的影響，產生資訊應用至決策面上」的人 台灣的資料科學家工作內容涵蓋十分廣泛，可能每一間企業就有自己的一套體系 有追求模型預測(Machine Learning)的公司、也有專注在資料分析(Data Analysis)的公司 本質上就是就在進行商業智慧(Business Intelligence, BI)領域相關研究的一群人 決策高層下放的權力越大，對預測的需求就越多 資料科學家 = 資料分析師 + 資料工程師 + 機器學習工程師 資料分析師：有產業背景知識、統計知識，了解問題並把問題轉化成數學模型 資料工程師：進行資料的ETL (抽取、轉換、載入)，資料倉儲、雲端運算、還有環境部屬構建等等，基本上就是建所謂的Data Pipeline(對資料處理流程自動化)的後端工程師(? 機器學習工程師：看各種ML, DL的paper、挑模型、實作或遷移模型、調整參數、模型產品化，這基本上就是所謂的AI工程師 在台灣資料科學家上述的過程都要摸，就是一個工作綜合體，定義模糊，也可以說是雜工(?) 核心能力：統計 + 機器學習 + 資料探勘 + 資料倉儲 + 資料處理語言 + 資料視覺化 + 英文 統計最好要加強(太重要但是統計偏弱的我就是很痛苦) SQL要超熟，跟你去你家廁所一樣熟 資料處理語言要熟(python，也有看過julia, R, matlab的) 機器學習那幾種常用的模型要懂怎麼用(XGboost、決策樹、MLP、CNN、RNN等等) 套件要會接(Scikit-learn, PyTorch, Keras, Tensorflow等) 常用的工具之後再打 怎麼打個一篇文就這麼累QQ #PttDigiCurrency