今晚直播|你該如何成功轉行數據分析
文章推薦指數: 80 %
大家好,我是第7期「知識眾籌」分享者 易成凡,同時也是猴子社群會員。
對於大家之前的留言問題,我用了幾個晚上認真整理了一下。
目前有34個問題來提問。
我總結了一下,大致是以下幾個方面。
1 數據分析該如何學?
大家最關心的問題莫過於:
數據分析該需要學習什麼樣子的知識?
其次就是熟悉到什麼程度可以去求職?
面試要注意哪些方面?
易成凡:必須要學的知識包括:SQL(結構化查詢語言),與之對應的熟悉一個資料庫軟體(如mysql),另外加一門程式語言(R語言或者python的數據分析部分都可以),基本了解統計學原理,了解數據挖掘的幾個算法。
Excel也要熟悉一下。
熟練到你能達到面試崗位給出的要求的60%-70%,或者說,能在kaggle上模仿別人完成一個項目。
關於面試要注意的方面我會在今晚分享中講到。
易成凡:對於大數據的範圍太廣了,可能一時半會兒說不完。
我說說對於數據分析吧。
如果是理工科畢業,無計算機和數學基礎,達到能找到一份工作入門的水平需要花費的時間,不少於4-10個月左右。
易成凡:看你所處於的時期,轉行的時候技術更重要,因為沒有技術你什麼都做不了,更不要談處理數據了。
但是當你擁有了一定的技術的時候,還能有很好的思維水平,豈不是更好,所以兩者是相輔相成的,不要割裂看待。
2 轉行過程中,你遇到的最大阻力是什麼?
易成凡:我基本沒有去參加什麼很花錢的付費學習,經濟上還過得去。
而且我本身就是在職學習的,沒有去脫產學習。
如果要說積蓄的話,最好有所準備吧。
易成凡:我學習的時候,上班做上班的事情,下班了立刻吃飯,就回去看書,學習。
周末有空就學習。
關於實踐問題,首先推薦要多寫技術博客,寫文章,記錄自己學習的點點滴滴。
其次關於實踐案例問題, 推薦實驗樓等動手實踐的網站,學習到後期,想將數據分析部分融會貫通的時候,推薦kaggle。
易成凡:我自己最大的困難,我認為不是技術瓶頸,是心理上要認同自己和堅定的走下去。
如何解決我會在今晚直播分享中提到。
3 寶寶擔心數據分析會被機器取代呢?
易成凡:如果只是做一些簡單的按部就班一成不變的工作,什麼工作都容易被替代。
如果能根據行業的發展不斷去調整自己,終身學習,就會越來越好。
數據分析其中的一部分,比如SQL取數,前期的數據清洗,如果能被電腦自動化替代,那也是我們寫出的程序所做的。
假如機器連代碼都會寫了,那不只是數據分析人員失業了,全人類都的失業,所以別擔心,這種情況發生的機率極低。
數據分析還包括一些建模知識,與機器學習相關。
如果AI可以取代人去建立模型,甚至可以洞察業務背後的邏輯,我覺得失業的可能就不只是數據分析師了。
所以相當一段時間內不必擔心失業問題。
4 你所關心的轉行問題
易成凡:我從零開始學習數據分析,轉行用了近4個月。
我的學習方式是在職學習。
從學習到編程的習慣的形成,甚至一些算法知識,我認為自己一直在路上,包括現在仍然在提高。
數據分析仍然是一個年輕的職業,從業人數相對不多,但是很多公司意識到數據的重要性,相繼開始成立數據部門。
而入行的門檻並沒有你想像的高不可攀。
事實上,自己可以完成一些初級的項目的時候,我就會去面試。
我不會把這種求職稱之為競爭,因為社招的廣闊度大於校招。
易成凡:學歷這一塊嚴格來說還是很重要的,但是不是說沒有機會。
技術一定程度上可以彌補,請參考知乎的董明偉。
他本人大專畢業,學習的是烹飪技術,但是通過自己的努力,考了軟體工程師,而且後來加入了豆瓣,他的故事可以說激勵了很多年輕人。
易成凡:我今晚的直播課程範圍就是,對什麼都不懂的小白說清楚我的轉行的經歷,以及告訴大家應該如何準備。
因為我就是這麼過來的。
易成凡:對於普通人的我們,任何學習都是後天的努力很重要。
不要在不能改變的地方糾結(例如你說的天份),要去做能改變的事情。
易成凡:看你的興趣,以及你掌握的程度,還有你學習偏重的方向。
爬蟲工程師我不是很了解。
數據挖掘工程師對於數據挖掘的算法要有十分清晰的了解,對於技術的要求能力相對較高。
獻給程式設計師的最好的一份機器學習自學手冊
該文章來自Github上開源項目翻譯靈感來自 谷歌面試學習手冊原文地址:Machine Learning for Software Engineers