看板 Soft_Job作者 qazsd (Happiness)標題 [請益] 研究Big Data所需能力及環境時間 Mon May 11 21:58:32 2015
各位大大好，小弟對於資料分析頗有興趣，
想請問若擬以Big Data為主軸，結合物聯網及產業應用面為輔進行研究，
這在資工所會較易進行嗎，因為好像有需要用到機器學習等技術或硬體？
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 223.136.77.76
※ 文章代碼(AID): #1LKBMBYx (Soft_Job)
※ 文章網址: https://www.ptt.cc/bbs/Soft_Job/M.1431352715.A.8BB.html
→ KUASkako: 硬體不難，問題是你這方向資料哪來1F 05/11 22:02
推 Eric0605: 技術不是問題 重點你想分析什麼2F 05/11 22:03
→ qazsd: 分析日常生活潛在的資訊
或是潛在的消費者及成本控制3F 05/11 22:04
→ qazsd: 資料少說要1TB以上嗎，或是1PB?6F 05/11 22:10
推 A4P8T6X9: 我覺的大小不是重點，重點是有用7F 05/11 22:11
推 rupcj8: 你要分析的是實際的商業資料 那就要在實際公司內
你如果原本就是cs或數學出身可能可以直接
考慮找工作 拜現在剛好炒這個議題所賜
其實有不少公司都有在找相關人員來跟風
這也是一個提早卡位的機會啦 但賭錯風險也有就是
然後ee可能是相對適合的選項
但是就如上面推文 實際資料你拿不到 那是公司資產8F 05/11 22:15
推 fortinet: 新兩大神棍: UX and data scientist, 目前UX有點走下坡15F 05/11 22:26
→ qazsd: Ee是相對適合的選項，何解？16F 05/11 22:27
→ fortinet: , 反而data scientist需求越來越高.17F 05/11 22:29
推 drajan: Data analyst living in California
國內ds缺少的可憐 花兩三百去美國洗學歷拿opt比較快18F 05/11 22:35
推 GoalBased: ux走下坡嗎? 公司很想找一個好ux欸20F 05/12 00:14
→ MOONY135: 你拿不到公司資料的 另外還有 目前物聯網還沒有進步到那種階段
目前可以獲利的模式可能跟你想的差很多喔21F 05/12 00:30
→ manaup: 是對資料分析有興趣 還是對資料分析的錢景有興趣?25F 05/12 01:05
推 doranako: 研究所的話，先找好這類研究的教授26F 05/12 09:20
推 psinqoo: 一個人做不了什麼事的~沒你想的容易27F 05/12 09:54
→ ykjiang: 也不是那麼缺吧，每三個大學教授就有一個研究跟這相關的28F 05/12 11:00
推 DrTech: 分散式系統一直換名詞，機器學習一直換名詞，就可以吸引好多人。
先說說你所謂的理想工作內容是什麼吧？看到big data就能猜到你想要什麼工作，根本是不可能。
物聯網也是，產業鏈大，我看到這字，根本不知道你要什麼工作。說一下理想工作情境吧29F 05/12 11:21
推 pttworld: 雲端這名詞不也是老酒新開呢。36F 05/12 12:34
推 gmoz: garbage in garbage out37F 05/12 12:57
推 iceonly: 要玩大資料就找大公司吧，像之前的104+就說是用大象生的38F 05/12 13:03
推 calxvx: 想走這方面除了資料還是資料，有海量資料的研究才有價值在學界頂多把自己ML方面的基礎打好，大資料真的還是到業界39F 05/12 13:04
推 iceonly: 只想玩技術那在家玩就行了，hadoop有單點模式41F 05/12 13:05
→ calxvx: 才比較有可能拿得到來分析42F 05/12 13:05
→ iceonly: stackoverflow好像也有提供資料讓你玩43F 05/12 13:07
推 yfr: 我覺得資料量不夠大的BIG DATA還是只能稱作DATA MINING
所以若是統計跟資料探勘的背景很薄弱的話，先打好這兩項
也是很重要的，否則BIG DATA所能給你的新觀念跟技術
有它的侷限性在44F 05/12 13:10
→ leafwind: 把big data這名詞丟掉 修DM ML然後找相關工作48F 05/12 13:24
推 edward13: 原po是研究所找題目..不是找工作吧..?49F 05/12 13:35
推 chen1025: Big Data只是說明資料量很大，很難一台電腦處理。所以必須採分散式處理，而核心分析方法大多都會回歸到原本少量資料處理的方式。
因為這個名詞，而讓很多公司越來越重視自己擁有的數據，而很多資料的數據量一台電腦就可以處裡。這是我當初選擇資料探勘當主修所沒預料到的！當時以為走錯還以為走錯組。
Big data只說明資料型態，而背後分析方式可能用上影像辨識、自然語言處理、資料探勘、機器學習...基礎分析方法，當然也可能單純的統計而已。50F 05/12 13:36
推 gmoz: 看是研究硬體&架構 還是資料儲存 或是演算法&分析方法
要入門還是把JAVA或PYTHON學好，linux摸熟 英文練好較實在一開始還是碰人家現有的框架居多 看要先玩IaaS還是SaaS層60F 05/12 15:11
→ recorriendo: 先想好資料哪來在去擔心怎麼分析 你是要自己做實驗or調查收集資料 或是拿別人收集好的? 前者資工所不會教請洽社會科學相關科系 後者別人的商業機密願意給你?63F 05/12 17:00
→ qazsd: 挖掘潛在消費者或是醫學研究用66F 05/12 17:31
--