Re: [請益]巨量資料分析很屌嗎?
以前聽學校一位教授說,大數據、巨量資料不是新潮的新技術,
而是一個現象、一個問題。
“There were 5 exabytes of information created between the dawn of
civilization through 2003, but that much information is now c
reated every 2 days.” – Eric Schmidt (2010)
雖然這句話的數據可能不是完全準確,但概念很直白:
我們現在面臨的資料量比起以前已經不再是同一個層次。
更便宜的儲存、更快的處理器、更新穎的技術和解決方案
加上智慧型裝置的普及、各種應用程式的出現及用戶指數性的成長
配上不斷在進步的ML算法
(你同學說的尿布奶粉是學Apriori算法時,
常會聽到的一個「都市傳說」,別再傳啦!)
跟他說,都已經當分析師了,要講求資訊正確。 =P
但他若要說這是「數據」的年代,絕對不為過啦。
你同學學巨量資料分析,想必是進入了某個公司的Data Team。
要說分析師是軟體工程師嗎? kind of, 但技能樹又不全然像。
通常數據分析師要會一個高階語言,這語言還要有很強的統計package
所以大多時候會是Python或R。
然後還要會點SQL 及 BI視覺化套件 (你文中提的Tableau就是其一)
比較貼近軟體工程師的是數據工程師(Data Engineer)囉。
不過,如果文章開頭說的,現在已經和十幾年前大不同,
所以Data相關的職位也跟著日新月異,
除了Data Analyst及Data Engineer之外,
也開始有了DataOps, Analytics Engineer等。
以臺灣的公司來看,真的數據量級有到「大數據」的又有幾家呢?
而真的有完整導入Modern Data Stack的又有幾家呢?
希望你同學是在這些公司發光發熱 =D
※ 引述《kbt2720 (master)》之銘言:
: 標題: [請益]巨量資料分析很屌嗎?
: 時間: Mon Jan 9 21:28:35 2023
:
: 如題
:
: 最近遇到我高中同學
:
: 發現他態度整個180度大轉變
:
: 原本兩年前還是一個找不到工作的廢物
:
: 自從跟我說他要去學大數據之後,兩年之後突然變超自信
:
: :勁戰?廢物在騎的
: :工作沒五萬的都是垃圾
: :要成功一定要學程式語言
: :有聽過啤酒尿布理論嗎?跟你說你也聽不懂啦,回家自己查
: :以後都是大數據的時代了啦
:
:
: 什麼他布魯 ?
: :t-a-b-l-e-a-u啦,不要一直問
:
: 彷彿我們的友誼已經結束,完全是兩個不同世界的人…
:
: 請問大數據分析師是真的很屌嗎?是軟體工程師的一種?
:
: 已經不是學生了去學來的及嗎?
:
: --
: ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 123.193.214.32 (臺灣)
: ※ 文章網址: https://www.ptt.cc/Soft_Job/E.5HZVpir-3mZo
:
: ※ 編輯: kbt2720 (123.193.214.32 臺灣), 01/09/2023 21:29:48
: 噓 meokay: 討拍喔?ㄏㄏ 01/09 21:30: → knives: 如果只是用工具,真的沒啥 01/09 21:34: → kbt2720: 請問大數據分析的工作年薪大約能到多少? 01/09 21:35: → kbt2720: 我沒討拍啊,我也想了解 01/09 21:35: → MoonCode: 還好啦 學 java 的更是尊絕不凡 01/09 21:56: 噓 hobnob: 你不會喔? 01/09 21:59: 推 XJHYJia: 等等,啤酒尿布是假的耶 01/09 22:06
--
12
[請益] 美光mtb工作內容請益最近收到MTB Process Data Analyst Engineer的面試邀約 HR說職位就是製程工程師,也問不到更詳細的工作內容 而簡介上工作內容寫的是 Process Data Analyst Engineer Work with an international team of data scient ists, data engineers, software engineers, process and equipment engineers, p13
[心得] FinMind 大數據專案X架構解析大家好,我是 FinMind,開源金融數據的作者 ( ),今年花了 10 個月的時間,將 FinMind 所用到的技術、架構,整理成一本書,分享給 大家 (書中包含程式碼)。 由於大數據時代,多數人做的都是 ML、DL、資料分析,反而資料工程相關資源非常欠缺 ,但資料工程其實在整個大數據領域,是一個非常重要的位置。