斯坦福 IT

Mimi2007

程序员妹子
最大赞力
0.00
当前赞力
100.00%
如果你是读硕士博士方向,我建议你学Data science/Machine learning (data science is a broad term for multiple disciplines, machine learning fits within data science. ). 本科的话建议Java. 因为Data science/Machine learning 如果不是硕士以上学历,同时有统计学背景的话,是很难找到第一份工作的,入行会非常的难。
 
最大赞力
0.06
当前赞力
100.00%
如果是你
你会找哪个方向
1.DATA scientist
2.java developer
3.machine learning
个人见解:
初级工作好找的应该是Java developer,但职业前景和具体工作内容以及行业相关性很大,需要不断的学习

Data scientist 首次就业比较困难,当然像Waterloo这样名校应该没有问题……

machine learning高大上,适合心怀梦想的年轻人

我会选择 data scientist
 
最大赞力
0.00
当前赞力
100.00%
您好,我是
如果你是读硕士博士方向,我建议你学Data science/Machine learning (data science is a broad term for multiple disciplines, machine learning fits within data science. ). 本科的话建议Java. 因为Data science/Machine learning 如果不是硕士以上学历,同时有统计学背景的话,是很难找到第一份工作的,入行会非常的难。
您好,我是一名准大一的学生。目前拿到了SFU的Data Science还有York的Computer Science的offer,看到您说DS很难入行我有些犹豫,本来想去SFU读书因为该校计算机方面很不错,想咨询下您的建议,是否应该去York学CS呢。。。
 

gongbao

宇宙最最知名园友
最大赞力
0.00
当前赞力
100.00%
如果你是读硕士博士方向,我建议你学Data science/Machine learning (data science is a broad term for multiple disciplines, machine learning fits within data science. ). 本科的话建议Java. 因为Data science/Machine learning 如果不是硕士以上学历,同时有统计学背景的话,是很难找到第一份工作的,入行会非常的难。
正解。

报了一个ml的网络课程,发现不适合我这种已经讲统计忘记的人,果断放弃。

之前报了一个ml的硕士课程,未被录取,但被通信硕士专业录取,说明竞争激烈。
 
最大赞力
0.00
当前赞力
100.00%
正解。

报了一个ml的网络课程,发现不适合我这种已经讲统计忘记的人,果断放弃。

之前报了一个ml的硕士课程,未被录取,但被通信硕士专业录取,说明竞争激烈。
可以具体说说么?
GPA多少被拒?
哪个学校?
 

Mimi2007

程序员妹子
最大赞力
0.00
当前赞力
100.00%
您好,我是

您好,我是一名准大一的学生。目前拿到了SFU的Data Science还有York的Computer Science的offer,看到您说DS很难入行我有些犹豫,本来想去SFU读书因为该校计算机方面很不错,想咨询下您的建议,是否应该去York学CS呢。。。

建议去学校了解一下SFU Data Science 本科生毕业后就业率是多少,毕业生都去了哪些企业,有多少毕业生毕业后真正找到了DS 的工作,还是毕业后做了 IT其他方面的工作,比如 Data analysis etc.

在没有学校毕业生相关数据支持的情况下,以下是我的个人想法,但是最后决定还需要你自己考虑后自己决定, 我的建议仅供参考。 如果你毕业后想继续读硕士,不着急马上工作的话,可以考虑 SFU DS. 这样毕业后会有机会直接进大企业做DS, 起点会很高。如果你是国际学生,毕业后着急工作办移民的话,建议读CS 专业,因为CS 毕业找工作很容易,起点低, 基本毕业6个月之内都可以找到工作。甚至有好多还没毕业就已经拿到几个 offer可供选择的也不少。
 
最大赞力
0.00
当前赞力
100.00%
以前在国内的公司接触过一些,说一下场景:
1、觉得是以前数据挖掘的新叫法,基本上从事这个工作,能够被客户认可的,研究院同事的都是统计学博士毕业,咨询部门的同事至少统计学硕士毕业。一般会采用建模工具例如SPSS、SAS建模,如果验证成功用R等语言落到系统里面,或者直接用工具作为平台落地成大系统的一部分。核心技能数据分析(分析数据特点找到合适模型)与统计建模(建模与验证),其次是工具和编程语言。数据科学家的工作很好找,但是建模的验证和最终的业务效果,不一定完全有用,需要长期观察与调整。
2、CS方向不只是java,可以是纯编程语言与算法(图像视频处理、搜索引擎、专业软件公司等,C or C++等相对底层语言)编程语言与数据库(行业应用类,银行、保险几乎全行业需要记录与分析数据等,语言java等高级语言)。无论是就业还是未来继续攻读,可攻可守。
3、机器学习,是近些年才兴起的,用途就不说了。其实和数据科学有很多相同的建模方法,传统的建模工具里面有体现,但是作用不大,基本上是基于自己的业务场景从最底层模型开始,实现都得靠编程。业务效果更是一般,但是也有部分相对有一些可用,例如图像识别、语音识别等,一般需要大的公司开发成API,其他大部分都是使用而已,使用的我不认为是这个工作了。就业取决于你读的学历,感觉必须是顶级专业大学的博士,因为这个方向,最专业的就是那几个公司和大学,就是那一小部分人再研究。
 

Similar threads

家园推荐黄页

家园币系统数据

家园币池子报价
家园币最新成交价
家园币总发行量
加元现金总量
家园币总成交量
家园币总成交价值

池子家园币总量
池子加元现金总量
池子币总量
1池子币现价
池子家园币总手续费
池子加元总手续费
入池家园币年化收益率
入池加元年化收益率

微比特币最新报价
毫以太币最新报价
微比特币总量
毫以太币总量
家园币储备总净值
家园币比特币储备
家园币以太币储备
比特币的加元报价
以太币的加元报价
USDT的加元报价

交易币种/月度交易量
家园币
加元交易对(比特币等)
USDT交易对(比特币等)
顶部