找工作找的要吐了， 有工作在IT的同学能给点意见吗？

[chris_cc]

多大的deep learning很牛啊，想深造的话可以考虑。话说spark的作者就是加拿大小伙，滑铁卢出去的，前途无量。

你要在cousera上学machine learning的话，推荐台大的那个。别上名字的当，比Ng那个深得多。

另外cousera没有spark的课吧，edx的倒是刚刚结束。

 

[daoge]

这就是传说中的高不成，低不就么。

Machine learning 这种要很好的数学底子，如果只是做工程，我估计跟你辞掉那个工作差不多。

找工作找了两周，基本上要吐了。压力很大，晚上睡不好觉。 恳请同学给一些意见。

目前有两个面试，一个是data analyst，好处是离家近，contract，工资低，50-55K, 纯粹为生计，真的不想做。

一个是data engineer，等面试结果，希望也不大。这份工作的好处是可以学习使用最新的cloud computing，big data 技术，公司虽然是业界的leading one 但是一向以苛刻出名，不会有好的薪水待遇。压力大。但如果有offer 我还是会去的，毕竟是自己喜欢的领域，机会最重要。

介绍一个我的背景，本科研究生都是国内cs专业，研究生时做过一点J2EE的大项目（当时绝对领先），但是毕业后在大学工作（java）快9年，没有什么业界经验也没有多少项目经验，移民后转了law clerk专业，工作几个月后实在太boring就转回it，在downtown非常大的law firm做了类似于data analyst的工作，也用一点点mssql，java，python。一年后又受不了工作技术的落后和简单，经常有on call support，实在太累，更主要是心累，觉得自己做的东西大专生足以胜任，没有挑战。所以毅然辞去。现在在coursera学一些hadoop，hive， spark，machine learning方面的知识。

总结起来，我年龄大，没经验，又想要挑战，对云计算和大数据非常非常感兴趣。优点是基础好，学习能力尚可，有热情。 怎么办呢？？

 

[ouinei]

不好找，做项目没经验做研究，知识又不够。很难

 

[轻舟已过万重山。]

找工作找了两周，基本上要吐了。压力很大，晚上睡不好觉。 恳请同学给一些意见。

目前有两个面试，一个是data analyst，好处是离家近，contract，工资低，50-55K, 纯粹为生计，真的不想做。

一个是data engineer，等面试结果，希望也不大。这份工作的好处是可以学习使用最新的cloud computing，big data 技术，公司虽然是业界的leading one 但是一向以苛刻出名，不会有好的薪水待遇。压力大。但如果有offer 我还是会去的，毕竟是自己喜欢的领域，机会最重要。

介绍一个我的背景，本科研究生都是国内cs专业，研究生时做过一点J2EE的大项目（当时绝对领先），但是毕业后在大学工作（java）快9年，没有什么业界经验也没有多少项目经验，移民后转了law clerk专业，工作几个月后实在太boring就转回it，在downtown非常大的law firm做了类似于data analyst的工作，也用一点点mssql，java，python。一年后又受不了工作技术的落后和简单，经常有on call support，实在太累，更主要是心累，觉得自己做的东西大专生足以胜任，没有挑战。所以毅然辞去。现在在coursera学一些hadoop，hive， spark，machine learning方面的知识。

总结起来，我年龄大，没经验，又想要挑战，对云计算和大数据非常非常感兴趣。优点是基础好，学习能力尚可，有热情。 怎么办呢？？

才2周，你已经很厉害了，做的很好了。

 

[chris_cc]

Data scientist 侧重模型，算法；data engineer 侧重平台，数据预处理以及工程化。但二者实际上有不小的交集。数学，统计，编程，数据平台，哪一个都不是好啃的骨头。最麻烦的是往往具有坚实理论基础的却缺少实际处理日常messy数据的经验和技能，反之亦然。所以ds常常需要搭配de才能更好发挥彼此的长处。

楼主的情况却是有些尴尬，。做de缺少经验，做ds理论可能不够坚实，做da积累几年经验然后再往de方向发展是比较可行的路子

Machine learning 这种要很好的数学底子，如果只是做工程，我估计跟你辞掉那个工作差不多。

 

[o2o2o2o2]

今早上班路上听CBC的special edition of current，采访了卡尔加里的劳工现状，啥也别说了，全是眼泪啊。

 

[HeidiZhang]

Data scientist 侧重模型，算法；data engineer 侧重平台，数据预处理以及工程化。但二者实际上有不小的交集。数学，统计，编程，数据平台，哪一个都不是好啃的骨头。最麻烦的是往往具有坚实理论基础的却缺少实际处理日常messy数据的经验和技能，反之亦然。所以ds常常需要搭配de才能更好发挥彼此的长处。

楼主的情况却是有些尴尬，。做de缺少经验，做ds理论可能不够坚实，做da积累几年经验然后再往de方向发展是比较可行的路子

说的很对， 所以我才选择data engineer。cs的数学基础比不上math专业的。 但是编程和数据平台，简单的regression和machine learning， 还是可以得。

 

[chris_cc]

说的很对， 所以我才选择data engineer。cs的数学基础比不上math专业的。 但是编程和数据平台，简单的regression和machine learning， 还是可以得。

做这个就没有简单的。de最多的工作就是data processing，如果没有对各种模型特性的深入了解这活根本没法干。举个例子，线性模型如linear regression，svm，glm，绝大情况下要做normalization，而boosting模型如rf，gbm等就不需要normalization而需要n way interaction，不清楚原理很难理解为什么要这样做。类似这样的东西这些是课堂上学不到而只有在实际工作中慢慢摸索总结的，也正是de的价值所在。

 

[chris_cc]

认识一个朋友，年纪估计比楼主还略大些，清华土木的，uc berkerley博士，没有工业界经验。转读了cs的master和一堆关于data大mooc，现在拿到四大的offer去做ds。供楼主参考。

 

[HeidiZhang]

不想读书了。 也没条件读。 我是觉得一般的工作，只要认真做， 都做得下来。工业界的应用并不深奥。

 

[guys]

这帖子回复的很有营养。所以感觉在加拿大第一份入门的专业工作很重要，也相对难找些。有了第一份工作经验后面的就容易些了。

 

[chris_cc]

不想读书了。 也没条件读。 我是觉得一般的工作，只要认真做， 都做得下来。工业界的应用并不深奥。

嗯嗯，祝好运！

 

[HeidiZhang]

小吐一下， 我们总觉得自己的技术不够， 可是工作中却发现往往只有中国人是overqualified，白人和印度人论学历能力都不见得强。

 

[chengran]

俩年的也没你那么痛苦

 

[daoge]

专业，赞

做这个就没有简单的。de最多的工作就是data processing，如果没有对各种模型特性的深入了解这活根本没法干。举个例子，线性模型如linear regression，svm，glm，绝大情况下要做normalization，而boosting模型如rf，gbm等就不需要normalization而需要n way interaction，不清楚原理很难理解为什么要这样做。类似这样的东西这些是课堂上学不到而只有在实际工作中慢慢摸索总结的，也正是de的价值所在。

 

[crystallintw]

楼主有专业没热情，否则这两个都很好，怎么会还没开始已经嫌烂？

 

[mytoshiba`]

找工作找了两周，基本上要吐了。压力很大，晚上睡不好觉。 恳请同学给一些意见。

目前有两个面试，一个是data analyst，好处是离家近，contract，工资低，50-55K, 纯粹为生计，真的不想做。

一个是data engineer，等面试结果，希望也不大。这份工作的好处是可以学习使用最新的cloud computing，big data 技术，公司虽然是业界的leading one 但是一向以苛刻出名，不会有好的薪水待遇。压力大。但如果有offer 我还是会去的，毕竟是自己喜欢的领域，机会最重要。

介绍一个我的背景，本科研究生都是国内cs专业，研究生时做过一点J2EE的大项目（当时绝对领先），但是毕业后在大学工作（java）快9年，没有什么业界经验也没有多少项目经验，移民后转了law clerk专业，工作几个月后实在太boring就转回it，在downtown非常大的law firm做了类似于data analyst的工作，也用一点点mssql，java，python。一年后又受不了工作技术的落后和简单，经常有on call support，实在太累，更主要是心累，觉得自己做的东西大专生足以胜任，没有挑战。所以毅然辞去。现在在coursera学一些hadoop，hive， spark，machine learning方面的知识。

总结起来，我年龄大，没经验，又想要挑战，对云计算和大数据非常非常感兴趣。优点是基础好，学习能力尚可，有热情。 怎么办呢？？

找两个星期就要吐啊？说明以前吐的不多。

 

[may2may]

做这个就没有简单的。de最多的工作就是data processing，如果没有对各种模型特性的深入了解这活根本没法干。举个例子，线性模型如linear regression，svm，glm，绝大情况下要做normalization，而boosting模型如rf，gbm等就不需要normalization而需要n way interaction，不清楚原理很难理解为什么要这样做。类似这样的东西这些是课堂上学不到而只有在实际工作中慢慢摸索总结的，也正是de的价值所在。

很多技术人才啊

 

[may2may]

认识一个朋友，年纪估计比楼主还略大些，清华土木的，uc berkerley博士，没有工业界经验。转读了cs的master和一堆关于data大mooc，现在拿到四大的offer去做ds。供楼主参考。

励志

 

[wxirene]

找工作找了两周，基本上要吐了。压力很大，晚上睡不好觉。 恳请同学给一些意见。

目前有两个面试，一个是data analyst，好处是离家近，contract，工资低，50-55K, 纯粹为生计，真的不想做。

一个是data engineer，等面试结果，希望也不大。这份工作的好处是可以学习使用最新的cloud computing，big data 技术，公司虽然是业界的leading one 但是一向以苛刻出名，不会有好的薪水待遇。压力大。但如果有offer 我还是会去的，毕竟是自己喜欢的领域，机会最重要。

介绍一个我的背景，本科研究生都是国内cs专业，研究生时做过一点J2EE的大项目（当时绝对领先），但是毕业后在大学工作（java）快9年，没有什么业界经验也没有多少项目经验，移民后转了law clerk专业，工作几个月后实在太boring就转回it，在downtown非常大的law firm做了类似于data analyst的工作，也用一点点mssql，java，python。一年后又受不了工作技术的落后和简单，经常有on call support，实在太累，更主要是心累，觉得自己做的东西大专生足以胜任，没有挑战。所以毅然辞去。现在在coursera学一些hadoop，hive， spark，machine learning方面的知识。

总结起来，我年龄大，没经验，又想要挑战，对云计算和大数据非常非常感兴趣。优点是基础好，学习能力尚可，有热情。 怎么办呢？？

依我看，你就是一个心比天高的小毛毛虫！现在做java的多如牛毛，动不动都是十年的本地经验，你有吗？中途还有一段时间没做。就这经历，还指望两周就找到工作，两个月能找到就不错了。还嫌50-55K低，外面80-100K的多的是，你拿什么跟别人争。还是老老实实一步一步地来吧。