推 william0916: 有時候title看看就好 還是要了解實際工作內容08/30 23:17
推 longlyeagle: 唬人的啦08/30 23:21
→ jigfopsda: 看JD08/30 23:21
→ longlyeagle: 好DA重點是Domain Knowledge 説DA下一步是DS是不尊重08/30 23:24
→ longlyeagle: 專業08/30 23:24
推 libitum: 你該看看你自己的resume寫什麼再分別去比較兩職缺的JD啊08/30 23:25
→ libitum: recruiter當然會幫你推 他認為你比較適合的 這跟你標題無08/30 23:25
→ libitum: 關08/30 23:25
→ libitum: 有公司DA做得像DS DS卻像DA title根本沒那麼重要 技能組08/30 23:26
→ libitum: 才是你該考量的08/30 23:27
→ libitum: 看到你要找DS 卻把DS描述成這樣... DS也有很實務端的啊 08/30 23:28
→ libitum: 想要做理論的DS輪不到你 除非你有PHD先 TW也沒那麼多缺08/30 23:29
推 hsuchengmath: 那machine learning engineer 跟data scientist 還08/30 23:39
→ hsuchengmath: 有 research engineer 還有 algorithm engineer差在 08/30 23:39
→ hsuchengmath: 哪啊08/30 23:39
推 libitum: 那就問你有沒experience of experimental design?08/30 23:48
→ libitum: 如果沒有 又沒domain know-how 他怎可能會幫你推DS08/30 23:48
→ libitum: 你應該要確認這個DS role 是不是experienced role08/30 23:50
→ Findagreen: 謝謝l大! 我再問看看08/30 23:54
→ Findagreen: 阿我誤會了 那的確DA才是對的 08/30 23:55
→ viper9709: 推一樓 08/31 00:06
→ NTUTM04: 不過在台灣DA跟DS的界線並沒有那麼清楚,很多公司都是混 08/31 00:08
→ NTUTM04: 合的,而DE通常會是後端在擔任這部分的職能 08/31 00:08
推 samhsu: 因為很多公司的主管自己也分不清楚DA, DS, DE, MLE 這些 08/31 00:31
→ samhsu: 職位的差異或怎麼互相合作或公司目前的階段需要哪個角色, 08/31 00:31
→ samhsu: 所以就看哪個名字潮就徵哪個,建議面試時問清楚資料團隊 08/31 00:31
→ samhsu: 的分工,主管講不清楚就別進去浪費生命了,8成是去當報表 08/31 00:31
→ samhsu: 工程師 08/31 00:31
推 kokolotl: 國外很多資料科學家做的事情跟數據分析沒兩樣 08/31 00:31
→ SYSQP: PHD嗎?不是PHD走這條路當砲灰居多 08/31 01:12
推 Bujo: 遇過自稱資料科學家的同事,整天演算法,不碰資料,遇到清資 08/31 08:44
→ Bujo: 料就推,模型不准怪後端08/31 08:44
推 CRPKT: 以正常職稱來考慮,你不會 ML 就和 DS 無關了08/31 09:55
推 AgileSeptor: 推一到十二樓,總之就是看 JD08/31 12:07
推 WWIII: Analyst 不需要會程式語言啊 08/31 17:27
推 longlyeagle: SQL被正式認定是一種程式語言了08/31 17:50
→ longlyeagle: ^^^^ 其實也沒多正式 就是幾個程式語言評比決議08/31 17:51
推 drajan: 8年前在Soft_Job上幾乎沒有人在討論DS 現在大家都知道了08/31 17:59
→ drajan: 頗有趣08/31 17:59
→ ap954212: Title看看就好08/31 21:08
推 chocopie: 在台灣甚麼都會變成全包 08/31 23:23
→ chocopie: 很多公司自己也搞不清楚 08/31 23:24
推 germun: 在台灣DS/DE八成沒差 因為你什麼都要會 08/31 23:25
→ germun: 不是搞不清楚 是老闆要你做什麼就做什麼 當然一人當多人用 08/31 23:26
推 a159753: 日本? 09/01 14:09
推 breccia: DS-統計/ML/DL訓練模型要強 理論強. DA-資料分析/視覺化 09/01 21:56
→ breccia: 講故事 幫助決策. DE-infra 大數據Data Lake, pipeline. 09/01 21:56
→ breccia: MLE-ML的infra, MLOps, 也要懂ML/DL, 將DS開發的模型部署 09/01 21:56
→ breccia: 上線 09/01 21:56
推 QUINY: 雖然我是DS 但在公司其實是一條龍全包 什麼都要會 台灣企業 09/02 01:49
→ QUINY: 九成九一人當萬人用 09/02 01:49
推 GoalBased: 朋友之前在這家好像180~250 一天工作4h 09/02 20:22
→ GoalBased: 推錯偏了= = 09/02 20:22
推 cmelo1515: 推breccia大 簡單好懂 09/04 07:51
→ alice78226: 看看版上backprog BI和大數據的文章吧,個人覺得比較 09/07 15:55
→ alice78226: 符合實際情況 09/07 15:55
推 allen63521: 看JD 台灣每家公司對DA的認定範圍很寬 有的只是excel 09/14 01:02
→ allen63521: 拉一拉數字 有的要建模或是要做DE的東西 09/14 01:02