推 qwe70302: Data Science連資工本科都找不太到工作了,最後通通變 08/17 02:43
→ qwe70302: 成後端仔。你的經歷可能比較適合傳產數位化,想進純軟 08/17 02:43
→ qwe70302: 應該很難跟年輕人競爭。 08/17 02:43
→ OxfordGOD: 是的, 我目前就想鎖定傳產, 物流, 零售相關, 但金融的 08/17 02:46
→ OxfordGOD: 話應該很難 08/17 02:46
→ qwe70302: 有一種機會就是想做物流數據分析的新創可能會需要你的 08/17 02:46
→ qwe70302: domain knowledge,但不一定會是請你當RD,可能是PM, 08/17 02:46
→ qwe70302: 寫規格書之類的 08/17 02:46
推 jass87987: 就連新鮮人非本科都搶破頭,你覺得為什麼公司不用便宜 08/17 07:37
→ jass87987: 的菜要用你 08/17 07:37
→ jass87987: 不過有些傳統公司轉型應該很缺 08/17 07:39
推 say29217074: 一堆國立文組碩python都不差 幹嘛用一個難管難用的資 08/17 08:02
→ say29217074: 深人員 08/17 08:02
→ kissmickey: 看你期望多少年薪的 08/17 08:35
→ Bujo: 去傳產搞BI吧 08/17 08:42
推 kiyosumi: 在零售業搞BI應該有可能,可以試試看 08/17 08:58
→ loadingN: 倉庫工作是啥? data warehouse? 08/17 09:08
→ OxfordGOD: 倉管而已 08/17 09:12
→ flyfoxy: 統計數學模型沒問題 但無法自學Python 那R呢 08/17 09:32
→ OxfordGOD: R沒碰過, Rython 不排斥, 但正在學, 要等上完課, 自學 08/17 09:46
→ OxfordGOD: 的部份應該會等之後有遇到什麼問題後再去看文件學習 08/17 09:46
→ OxfordGOD: BI沒碰過耶, 倒是有在50人的傳產小公司導入過ERP, 也 08/17 09:57
→ OxfordGOD: 有成功, 但只有會計財務和人事系統沒導入外, 其餘都導 08/17 09:57
→ OxfordGOD: 成功, 但導完後我也離職了 08/17 09:57
→ DrTech: 大數據是什麼呢? 有些公司吧統計一百人的年齡分佈就叫大 08/17 10:15
→ DrTech: 數據了。有些公司,叫我做100筆的資料機器學習,就叫大數 08/17 10:15
→ DrTech: 據了。 08/17 10:15
→ DrTech: 完全看不出這篇文章想找的工作,跟大數據有什麼關聯。 08/17 10:16
→ DrTech: 原文與推文看起來比較想做BI, 或是data scientist 吧。 08/17 10:17
→ DrTech: 至於分析工作,也很籠統。台灣大部分的缺,就是做統計報表 08/17 10:19
→ DrTech: 而已,其實沒什麼需要分析的。 08/17 10:19
推 CRPKT: 你目標是 data analyst 還是 data scientist 先想清楚? 08/17 10:20
→ DrTech: 而且都只是找會寫程式的人就好,誰管你有沒有專門的分析洞 08/17 10:20
→ DrTech: 察能力。 08/17 10:20
推 chses910372: 你這樣找到後還是會繼續跳,不如考國營@@ 08/17 10:22
→ chses910372: 著墨多年也還是要有東西給人家看吧 08/17 10:23
→ DrTech: 最後,原文的4個提問,我都覺得非常弱勢。連剛畢業的大學 08/17 10:24
→ DrTech: 生可能都比你優秀了。 08/17 10:24
→ OxfordGOD: 是data scientist 抱歉, 沒說明清楚 08/17 10:33
→ flyfoxy: 我覺得最大的問題是3 很多統計背景的覺得R比Python親切 08/17 11:13
→ flyfoxy: 反而資工本科覺得Python親切多了 08/17 11:13
→ flyfoxy: 所以建議用R看看 R的市場比Python小眾一點但R有上手 08/17 11:14
→ flyfoxy: 再來看Python會比較有感覺 08/17 11:14
→ flyfoxy: 或者說 當初論文是類神經相關 那是用什麼語言實作的呢? 08/17 11:14
→ OxfordGOD: 我用matlab自己寫神經元...但畢業後就沒碰了 08/17 11:18
→ airtsubasa: 你44歲了 請不要再講什麼畢業 在學讀了什麼,你認為考 08/17 11:26
→ airtsubasa: 官會覺得你會微積分嗎 08/17 11:26
→ flyfoxy: 1.你拿matlab去找工作 2.會matlab 但不會Python? 08/17 11:28
→ odahawk: 已經44歲了,你該做的是直接弄出有點用的大數據作品 08/17 11:40
→ keel90135: 坦白說我覺得沒救 08/17 11:43
推 keel90135: 待過4間都有直接開104找人的權限,就算找新人極限大概 08/17 12:02
→ keel90135: 也就到35歲以內吧 幾乎完全沒經驗44歲...除非你有朋友 08/17 12:03
→ keel90135: 願意幫你 不然基本上你只能接案了 08/17 12:03
→ DrTech: 有個建議參考一下:1.先持續到巨匠學習Python與資料分析, 08/17 12:07
→ DrTech: 機器學習相關程式工具。2.將所學用於工作中,改善工作某個 08/17 12:07
→ DrTech: 流程。3.包裝一下履歷。 這樣可能是比較有可能的做法。如 08/17 12:07
→ DrTech: 果什麼都沒有,職級貿然辭職找相關工作,真的非常弱勢。 08/17 12:07
→ DrTech: 貿然辭職找相關工作,非常弱勢 08/17 12:08
→ yolasiku: IBM 造的孽 08/17 12:08
→ OxfordGOD: TO: DrTech 感謝建議, 我目前還沒有要離職, 邊工作的同 08/17 12:12
→ OxfordGOD: 時會將數據拿到做分析, 很多東西都可以做相關預測, 等 08/17 12:12
→ OxfordGOD: 做完後才會跟公司談看看是否讓我內轉到相關aI的研發數 08/17 12:12
→ OxfordGOD: 位工作 08/17 12:12
→ OxfordGOD: 如果公司不讓我內轉, 大概就是等做出成品後再去面試其 08/17 12:13
→ OxfordGOD: 它的傳產 08/17 12:13
推 zxc741qaz123: 只能自己創業了 08/17 13:09
推 CRPKT: 你說的分析是指什麼,是機器學習 train model 嗎 08/17 15:38
推 bear1414: 倉管工作就有很多數據分析題目可以做了 08/17 16:36
→ bear1414: 你可以先從你的專業下手 08/17 16:36
→ bear1414: 加上你正在學的數據分析 從工作中找提高倉管效率的點 08/17 16:37
→ bear1414: 用你學的PYTHON來分析 這樣就是很好的開始了 08/17 16:37
→ bear1414: 你所擁有的是現場經驗和現場數據 08/17 16:37
→ bear1414: 拿這些現場數據來做實際應用分析 是個好起點 08/17 16:38
→ bear1414: 不要覺得數據分析就是要做很炫的東西 08/17 16:38
→ bear1414: 你比倉管流程效率提高個1%就是成功的起點了 08/17 16:38
→ bear1414: 把 08/17 16:38
→ exodus29: 文組轉職過來人,一堆公司其實根本用不到python/r。 你 08/17 17:56
→ exodus29: 需要只是一個經驗,隨便用excel公式就能解決目前的需求 08/17 17:56
→ exodus29: 那種。有處理資料的經驗之後你就知道該怎麼補強了。 08/17 17:56
推 NCUking: 看過有人拿個 Power BI 證照就說會做大數據了 08/17 18:27
→ OxfordGOD: 謝謝各位的建議 08/17 18:34
推 beholdli: 我以前工作的學校大數據研究中心,就只是把資料整 08/17 18:39
→ beholdli: 理,列出平均、 08/17 18:39
→ beholdli: 中位、每個月、每學期的資料,重新整理。 08/17 18:40
→ wateryc: 你這經歷我只想到我同學,倉管幹一陣子跑去學畫電路板結 08/17 18:48
→ wateryc: 果又跑回去開堆高機,現在他考進清潔隊,生活固定薪水餓 08/17 18:48
→ wateryc: 不死自己每天打魔物或艾爾登,很平穩 08/17 18:48
→ lazarus1121: 跟生管拿公司的訂單,回推原物料的安全庫存,應該就 08/18 00:03
→ lazarus1121: 很有得跑了吧 08/18 00:03
推 cmelo1515: 做數據分析的話 工具是其次 重點是knowhow 08/18 04:45
推 choral: 光是要靠巨匠學程式這一點就不適合了 08/18 08:01
→ ChungLi5566: 我想不到有什麼公司會錄取你這種職位 08/18 08:46
→ ChungLi5566: 應該說這種職缺會錄用你 08/18 08:47
→ MonyemLi: 有個很殘酷,年輕人不願意加班但可加班(但現況沒有不願 08/18 17:17
→ MonyemLi: 意)。4x體力,生活都不太允許。所以你到手的選項會很少 08/18 17:17
→ MonyemLi: ,特別是你又選個僧多粥少的工作。 08/18 17:17
→ louis925: Python 還是認真學起來吧,找幾個 project 做一下就會了 08/19 10:58
→ acgotaku: 很多人把 data etl 跟 ds 搞混, 前者門檻低有技術底就好 08/19 12:27
→ acgotaku: 做ds是妥妥的青春飯,而且連研所做相關研究的也難找到 08/19 12:28
→ acgotaku: 現在公司 一堆同事研所不是做AL就是CV到最後都變後端仔 08/19 12:29
推 OnlyRD: 國考5年,大概是公務員很熱門時去考的,想做大數據 08/21 04:32
→ OnlyRD: 跟AI,大概又 08/21 04:32
→ OnlyRD: 是跟風,又想去炒股金融業,你應該先把心定下來, 08/21 04:32
→ OnlyRD: 找一份容易進入 08/21 04:32
→ OnlyRD: 行業的語言學,大數據跟AI只是一股風潮跟包裝,職 08/21 04:32
→ OnlyRD: 缺少,競爭強, 08/21 04:32
→ OnlyRD: 反而很多大家瞧不起的老東西,現在非常缺人。 08/21 04:32
推 WaterLengend: 一堆人想做這種數據分析的工作,但是都沒想過透過 08/23 13:11
→ WaterLengend: 分析能解決、改善什麼問題,最後產出實際成果。學這 08/23 13:11
→ WaterLengend: 個東西結果沒實際成果,只能得到研究方法,那有什 08/23 13:11
→ WaterLengend: 麼意義?重點是連需求在哪都看不到,最後只是有行無 08/23 13:11
→ WaterLengend: 市。 08/23 13:11
→ b160160: 大數據在台灣真的搞不太起來 建議有年紀的不要再冒風險了 08/23 14:28
→ AvatarH: 曾把倉儲的下單和到貨時間資料拿來分析以預估備料時間 08/23 22:25
推 Bujo: 端看你對大數據的定義,基本上業界的大數據都是PB/TB ,更高 08/27 18:18
→ Bujo: 階點還要搞串流,spark Kafka hive 都可以學習看看,如果不 08/27 18:18
→ Bujo: 行就轉做爬蟲,爬蟲是一堆數據分析師 數據科學家的弱項,專 08/27 18:18
→ Bujo: 案項目報告可以糊弄過去,爬蟲就不行了 08/27 18:18
推 MENGCHI: 台灣又沒有取得真實RawData管道,大家都是訊息孤島,何 09/17 10:03