数据科学家正变得炙手可热?

当前,已经有多个行业开始为一个全新的数据技术相关职位寻求
合适人选,这就是数据科学家。在
Facebook、谷歌、StumbleUpon以及PayPal等大牌公司的参与下,数据科学家这一关键性岗位已经变得越来越炙手可热。这类人才能够巧妙地将业务、分析工作与计算机技能加以组合,为我们带来前所未
有的企业生产力提升及空白填补作用。

Facebook

“在这一岗位中,大家将以软件工程师及计量研究员的身份享受舒适的工作过程。理想的应聘者应该对在线社交网络方面的研究课题了如指掌,并在探索并查明问题方面拥有极大的热情。可以说这份工作是帮助我们建立良好产品的关键性保障。”Facebook公司在自己的数据科学家招聘信息中做出以上描述。

对于应聘人才的要求包括:拥有相关技术领域的硕士或博士学位,或者拥有四年以上相关实践经验;具备利用计量方式解决分析问题的丰富经验;熟悉工具操作及复杂状况分析、能够应对来自不同来源的高容量及大跨度数据;对于实践研究充满热情并懂得如何用数据回答难题;对于R、Matlab以及SAS等分析工具拥有坚实的基础知识及使用经验。

Google

“作为一位决策支持工程分析师,您的工作是帮助谷歌公司评估并改善广告业务。您将与企业中掌握其它学科知识的技术人员们通力协作,对一系列难题开展分析工作。这一职位需要您以严谨的分析态度与统计学方案来应对诸多挑战,包括衡量广告质量、如何优化广告内容及宣传收益、如何根据终端用户的使用习惯打造出最适合他们的宣传攻势。”谷歌公司在自己的数据科学家招聘信息中做出以上描述。

对于应聘人才的要求包括:拥有统计学或相关专业的硕士或博士学位;4年以上相关工作经验;具备丰富的实践经验,尤其应该在数据领域有所建树;能够根据数据归纳出结论并提出指导意见;乐于与他人分享自己的想法、能够耐心指导工作并学习新技能;领导能力卓著,善于自我引导。

StumbleUpon

“您将接触到超过150亿条评论及回顾记录,同时对超过5000万个网站及1500万用户中数据进行筛选及标注。您会参与到数据发掘算法的编写工作当中,并/或在数据发掘工具的帮助下探索值得关注的行为模式并跟踪数据的变化情况。最终您发现的成果将成为整个研究小组甚至整个公司的宝贵财富。”StumbleUpon公司在自己的数据科学家招聘信息中做出以上描述。

对于应聘人才的要求包括:在分析或技术领域(例如应用数学、统计学、物理学、计算机科学、运筹学或者其它相关学科)拥有高等学历(硕士或博士);拥有大型数据集方面的实践经验;熟悉数据发掘工具;具备优秀的数学及统计学工作经历;掌握Java/PHP或其它语言的编程技术。

Groupon

“您对大规模数据分析及建模充满热情吗?您希望有机会尝试应对互联网行业中最有趣且最具挑战性的难题吗?您能把自己的想法转化为切实可行的操作方案吗?最重要的一点,您是否乐于成为一个朝气蓬勃、快节奏又处于不断成长中的团队的一员吗?”Groupon公司在自己的数据科学家招聘信息中做出以上描述。

对于应聘人才的要求包括:拥有数据发掘、机器学习、统计分析、应用数学等专业的博士或同等学力;三年以上大规模数据分析实践经验;熟练掌握SAS、R等分析工具的使用。

PayPal

“这个职位是PayPal公司大数据平台团队中的一员,工作核心在于专注解决风险管理问题。这份工作代表的是一次独特的机遇,您能够通过它加入到我们的机器学习工程师及科学家核心团队中来;这同样是一个打造大数据管理及发掘解决方案的好机会。我们的企业在工作中一直非常重视来自统计人员及分析师们的指导意见,并通过提前分析技术来完成业务流程中的欺诈检测任务。”PayPal公司在自己的数据科学家招聘信息中做出以上描述。

对于应聘人才的要求包括:应当是一位在数据发掘方面拥有大量相关技术储备的成熟工程师或科学家;熟练掌握Hadoop、Map/Reduce以及PIG;在Java及/或脚本语言(例如Perl/Python/Shell脚本等等)方面具备良好的动手能力;拥有硕士学位或同等学力。

ADP(自动数据处理)辅助企业 Autotegrity

“您正在寻找机会在发掘大规模数据集的工作中大放异彩吗?您是一位懂得如何让系统接纳并自动运行自己软件作品的高明黑客吗?在竞争中领先一步的念头是否令你感到兴奋并愿意为之拼尽全力?”Autotegrity公司在自己的数据科学家招聘信息中做出以上描述。

对于应聘人才的要求包括:拥有计算机科学、数学或其它技术专业的本科/学士学历;两年以上工作经验者优先考虑;在人工智能技术、语义学及统计分析领域的专长会为应聘者加分;熟悉数据发掘技术所需的各类知识,包括回归分析、聚类分析、决策流程、神经网络、SVM;最后强调,坚实的统计学基础最为关键。

Trulia

作为Trulia公司新数据科学实验室中的一员,“您将有机会与大量数据集打交道——其中包含数以万亿计的用户操作以及千家万户的日常需求。您将帮助建立并加入到新的技术团队当中,与伙伴们一同解决人工智能技术方面的问题,并在数据虚拟化领域展现出您的独特能力。您将根据建议选择自己感兴趣的项目,并全程见证它的诞生与兴盛。”Trulia公司在自己的数据科学家招聘信息中做出以上描述。

对于应聘人才的要求包括:具备Java及Hadoop使用经验,熟练掌握R、JavaScript则会使您更有竞争力;对于最新的人工智能技术、机器学习、数据发掘以及网络科学算法比较熟悉(或者非常感兴趣);善于提出或评估优秀设计及产品外观;您需要具备计算机科学、数据发掘、统计学或应用数学专业的学士、硕士或博士学位。

Fitbit

“我们正在倾力建设一支具备世界先进水平的科研队伍,这里聚集着来自各地的黑客、科学家,希望通过协作将伟大的构想转化为设计、原型并最终以产品的形式推向市场。一位成功的应聘者应当拥有丰富的机器学习及统计学实践经验,这样才能理解结构化及非结构化数据背后所隐含的意义。您的研究责任包括探索性数据分析、数据虚拟化以及开发原型机并参与产品及业务决策。”Fitbit公司在自己的数据科学家招聘信息中做出以上描述。

对于应聘人才的要求包括:三到五年工作经验或者拥有统计学、应用数学或者计算机科学专业的硕士/博士学位;精通机器学习及数据发掘工作:分类、聚类、时间序列分析、推荐系统;熟悉统计或数值分析工具(例如R与Matlab);具备Java、Stripes、Spring、mySQL、Solr以及分布式 ehcache的使用经验。

原文:Who's Hiring Data Scientists? Facebook, Google, Stumbleupon and More

【编辑推荐】

(责任编辑:刘芬)

时间: 2024-10-11 17:38:51

数据科学家正变得炙手可热?的相关文章

蹩脚数据科学家的10种现象

优秀的数学家可以成为顶尖的数据科学家,但光是会在笔记本上写公式可不行,他们还必须熟练地运用计算机来处理数据. 如果他们的所有经验都来自学术机构,当他们面对现实问题时,可能会束手无策.寻找有实践经验的人,不要在这方面妥协. 对数据科学的热情以及掌握一定的技能,这是成功的关键.如果你只是假装有兴趣,或者并不具备重要的技能,总有一天,你会原形毕露. 如今,数据科学家已是炙手可热,那些曾经对其毫无所知的企业,眼下也开始在全世界搜寻最好的数据科学家.问题在于,优秀数据科学家的标准是什么?和其他东西一样,数

想成为炙手可热的数据科学家,经验比学历重要!

数据科学家正快速崛起成为21世纪的科技界巨星,这多少要归功精准预测美国大选的统计学家席佛(Nate http://www.aliyun.com/zixun/aggregation/3440.html">Silver),以及以数据分析掀起棒球战术革命的德波戴斯塔(Paul DePodesta) ,他们让埋首数字的数学专家从书呆子进化成明星,但多年来,各界都在争论数据科学家的工作与统计员有何差异. 随着资料科学领域不断成长,许多公司企业更迫切希望延揽自己的数据科学家.但,许多人可能意料不到的是

数据科学家?2014年最性感IT职业是信息安全专家

医疗.金融和保险等行业是对信息安全人才需求量最大的行业,这些行业的信息安全岗位平均年薪高达9.4万美元. 行业市场供不应求 2013年,市场最热门的职业无疑是被<财富>杂志誉为"二十一世纪最性感职业"的数据科学家.但是2014年,随着斯诺登事件持续发酵,长期隐居后台的信息安全专家们成了IT职场的摇滚新星. 根据Burning Glass Technologies近日发布的报告,目前人才市场信息安全专家严重供不应求,导致安全专家成为IT职场最为炙手可热的职业之一. 2007年

图文教程,8步教你变身数据科学家

调查发现,数据挖掘和分析技能已经在"2016年最希望学会的职业技能"排名中位列第二,不难看出,数据科学正成为一种流行职业. 从行业内部的蓬勃发展,到招聘会上HR们的大声宣传,我们都可以看出,数据科学家已经成为当下最炙手可热的职业之一. 行业专业人士分析,未来几年数据科学岗位缺口将达到数百万.不仅仅是顶级科技公司需要数据科学家,未来各行各业都会需要设立数据科学相关岗位,来帮助他们发展. 工作岗位有了,但是可以做这些工作的人却很少.数据科学行业急需人才,但是现实情况却不容乐观,虽然大批大批

《数据科学家修炼之道》一1.3 数据科学的诞生

1.3 数据科学的诞生 数据科学领域起源于揭示大数据中潜在的价值,以及克服之前提及的4个V的挑战.这在过去是可以通过组合先进的现代计算设备达到的.特别地,并行计算.复杂数据分析流程(主要是通过机器学习)以及低成本的强劲计算能力使这种需求变成可能.此外,在不远的将来,不断加快的IT基础架构以及技术进步将使我们可以产生.收集以及处理更多的数据.通过这些,数据科学可以凭借智能化应用以及发展和使用这些技术的创新能力在技术层面上处理大数据难题.这也就是说,大数据在一定程度上是可以被管理并至少能够提供一些有

《数据科学家修炼之道》一1.4 要点

1.4 要点 大数据是一个最近发生的现象,具有大规模的数据.快速移动.各种各样的从结构化到非结构化的数据结构(以及在两者中间的其他结构),以及各不相同的可靠性的特点.这常常被引用为大数据的4个V的维度:体量.高速.多样以及精确性. 由于这4个V的维度,处理大数据是一个极具挑战性的难题.数据科学是我们对于大数据挑战的应对之法. 数据科学家是那些将数据整理出规则的人.通过利用最新的技术和原理,他们可以从中导出可操作的信息,通常是推出一个数据产品. 大数据在各行各业都会产生:利用它们可以在包括提速生产

KDnuggets:未来4至10年内对数据科学家的需求将开始减少

根据近1200份投票的统计结果显示,KDnuggets的读者认为对数据科学家/机器学习专家的需求将在未来4至10年内开始减少.最常见的一种回答是4-6年,中值是8-9年. KDnuggets问卷:对数据科学家/机器学习专家的需求何时会开始衰减? 这是一张很重要也很有意思的图表,看完之后我的想法如下-- 注意:需求下降的起始点紧随着需求高峰,所以我们需要交换着使用这两个术语. 在2012年被誉为"21世纪最性感的工作"之后,市场对于数据科学家的需求开始迅速增长.这一需求的填补体现在两个方

行业资深专家切身经验——给数据科学家新手的建议

更多深度文章,请关注云计算频道:https://yq.aliyun.com/cloud 本博主关于数据科学的文章有许多篇,系列总结在此博客中: <关于数据科学的那些事> 未来是大数据的时代,成为一名数据科学家是从事这方面研究者梦寐以求的职业,本文是一份给数据科学家新手的建议,关于作者学习数据科学的一些亲身体会. 动力 两年前,我在行业分享了个人从事数据科学的经历.本文原本是为了庆祝自己两年的推特纪念日而写的个人反思,但最终发表在Medium上,这是因为我相信它对许多有抱负的数据科学家是非常有用

伪数据科学家 VS 真数据科学家

如今数据科学书籍.认证和文凭,如雨后春笋般层出不穷.但许多仅仅是镜花水月:许多人钻了这一新名词的空子,将旧酒(比如统计学和R编程)放在了"数据科学"这个新瓶里. 本文选自<数据天才:数据科学家修炼之道>. R语言编程跟伪数据科学为何扯上了关系? R是一种有20多年历史的开源统计编程语言及编译环境,是商业化产品S+的后继者.R一直以来都局限于内存数据处理,在统计圈子里非常流行,并因其出色的可视化效果为人称道.一些新型的开发环境通过创建R程序包或者将其扩展到分布式架构里(比如将