---

這領域主要分為二大類：


   有興趣的話可以參加台灣資料科學年會，會看到有趣的範例和應用。
   這塊領域比較偏向學術，需熟悉統計學和演算法，能知道每種演算法該如何應用。
   如果不是國立大學研究所畢業，或者沒有在這領域闖出名堂的人，很難進入。

(B)提供資料的人：建立穩定、可儲存大量資料的系統，使用ETL提供乾淨的資料給A
   做Machine learning。
   這部份又分為
   (a)使用昂貴、封閉的大型伺服器系統。ex：data warehouse
   (b)使用Open Soucre、用一般電腦做分散式運算的系統。ex：Hadoop、Spark




學了幾個月Hadoop、Spark的心得是：這東西其實是個坑，學這東西需要很好的
英文、Linux、Java、網路架構、資料庫知識。絕對不是無腦一直按下一步就可以
建立好的系統。而且它們還未達商品化的標準，系統不穩定又難維護。
系統出問題爬Linux、追SoucreCode是必經的過程。
想學好它們consultant是避免不了，上課也跑不掉，弄一弄又是幾十萬的開銷。
那公司為什麼要花一大筆錢讓你去上課去研究Hadoop、Spark?

Hadoop、Spark不是唯一解，把基本功練好(英文、Linux、程式語言)才是唯一方法。

傳統公司的思維是：我花了多少錢，可以拿到什麼產品賺多少錢。


在台灣玩Machine learning的人已經非常多，學術機構、銀行、電信都有。
玩資料就是踏入漫長的道路，沒人敢說自己很成功如果成功早就是Google第2了。

結論：
1)想學1、2門課就一步登天，年薪百萬是不可能的。想進入這領域靠得還是
  學歷、基本功、機緣。
2)會要求MS-SQL是希望面試的人能有一定的基本功，會自已做ETL，
  而且在做資料分析之餘還能幫忙分攤一些基本的工作。
3)投入這領域的人已經非常多，唸得出來的企業都有，只是大家都很低調。


--
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 118.163.12.157
※ 文章代碼(AID): #1OO9loMP (Soft_Job)
※ 文章網址: https://www.ptt.cc/bbs/Soft_Job/M.1482726386.A.599.html