※ 引述《a020977 (That's Life)》之銘言：
: 我想要就過來人的經驗提供一點不同的看法, 文筆不是很好但是還是很想提共一些想法
: 首先Business Intelligence/Business Analytics/Data Science
: 這些其實差不多都是一樣的東西,很多學校或是job title用不一樣的稱呼但是其實
: 學的/需要的都是差不多的東西
: Data Mining大概又分一些不同的approach, 就像上一篇作者提到的傳統統計和CS
: 派, 不管哪派在這個領域裡面你都會聽到很多linear regression/clustering
: /classification這類的名詞,有興趣的人可以google一下,看看predictive analysis
: 到底在幹嘛
: 最後我想說的是, 大學生在快畢業的時候對想像中的研究所應該學到什麼會有一種想
: 法, 但是研究所畢業之後工作再回來看又會覺得有些地方應該要修正, 我在念研究所的時
: 候也以為畢業之後可以做一些predictive analysis的工作,真正開始工作之後才發現一般
: B-school教的predictive analysis還是太淺,只能算是皮毛而已,工作上這些真的在做
: modeling的同事大多都是統計或是數學背景的,我自己在這個Team上面做的事情
: 比較是用SQL幫Finance或其他單位的人拉一些特殊的report,還有Data Visualization,
: 但是在這個BI 3.0的時代個人認為predictive analysis才能真的算是data science的精隨
: , 建議一些還在research學校的同學們可以跨一步先去看一下一些求職網站,關鍵字用
: data analyst/BI Analyst/Data Scientist/Data Engineer 之類的,看看這些工作的需求
: 是什麼,再倒回來想想你需要的是什麼
從工作需求去選學程很有道理, 敝人依照這個想法提供一些資訊
工作的職位需求
http://www.kdnuggets.com/jobs/index.html
美洲學程
http://www.kdnuggets.com/education/usa-canada.html
歐洲學程
http://www.kdnuggets.com/education/europe.html
連結裡面也有其他洲的的資訊
自己的印象, 軟體來分的話
Apache系列技能的需求還是最多, 然後Microsoft、SAP...等等
廣義來看就
統計、機器學習、Hadoop、R、還有domain knowledge
domain knowledge也還蠻重要, 有個可能也不算很有代表性的例子
前陣子某公司開職缺是世界盃足球的資料分析
其中一個職缺要求是