普通程序员,如何转为当前紧缺的大数据相关人才?

  • 时间:
  • 浏览:0
  • 来源:万人红黑大战棋牌_万人红黑大战棋牌官网

宋翔在底层系统优化上的特长刚好能只有在这项工作中发挥,因而他立刻被赋予主导有些平台搭建的任务。

从技术 Leader 对人才的要求看,转岗将会在哪里?

对于期望转岗为大数据相关的普通工程师来说,一旦通过自身擅长的技能切入新团队完后 ,前会 了更多横向发展的将会,帮助个人在大数据相关领域建立更强竞争力。

大数据平台/开发工程师

让算法在机器上运转得够快,才很多再 缩短模型迭代的时间,加速模型优化的过程。大每段算法工程师将会对此了解甚少,怎样才能让宋翔能只有充埋点挥个人的特长,利用硬件和底层系统加速机器学习算法。

从各家招聘的工程师来看,与大数据打交道的核心工程师通常分为没人两大类

本文作者:5000offer

对于前某种工程师,他能很多再 在层厚学习算法甚至于在计算视觉领域前会 深会入的研究,编程能力能只有稍弱有些;而对于后某种工程师,将会他拥有强悍的工程能力,即使没人在层厚学习算法上进行深会入研究,很多再 只有调慢接手对应的工作。这某种人才需在工作中进行密切的配合,一同推动公司产品的产出与优化。

有些大数据开发工程师做的工作将会也会偏重于应用层,将算法工程师训练好的模型在逻辑应用层进行实现,不过有些公司会将此类工程师归入软件开发团队而非大数据团队。

格灵深瞳技术副总裁 – 邓亚峰提到:

最后,将会你觉得对大数据、数据挖掘有浓厚兴趣,最好的法律依据 是立刻现在现在始于实践。他说你很多再以此为职业,怎样才能让能只有多一技傍身。

应用tcp连接员对哪些技术跃跃欲试,知乎上「层厚学习怎样才能入门?」「普通应用tcp连接员怎样才能向人工智能靠拢?」等难题报告 前会 很高的关注度。当当他们 儿在招聘市场也很多再 想看 ,很多的技术候选人在跳槽前会 思考,能只有从事相关岗位的工作。

加上上哪些岗位相比于传统的软件工程,有更高的挑战空间和更大的难度,自然引得更多人才进入到有些领域。

不曾想到,这位工程师主动性非常强,Leader 只需给到工作方向,他就会驱动个人学习相关知识,快速完成目标。2年完后 ,这位工程师的 Spark 能力将会锻炼得非常强悍,用 Leader 的话说「能只有以一当十」;他对大数据、机器学习前会 浓厚的兴趣,Spark 基础夯实完后 ,又转岗到了算法工程师团队,写出了 TalkingData 机器学习平台的核心代码,有些平台大大提高了团队的机器学习传输时延。

我觉得将会听过很多他们跟他说过这类于的话。只不过不同人嘴里提到的词汇各有不同——大数据、数据挖掘、机器学习、人工智能…… 哪些当前火热的概念各有不同,又有交叉,总完后 会 推动当当他们 儿掌控好海量数据,并从中提取到有价值信息的技术。

完后 提到了,要想为大数据相关岗位找到另一另另三个白 各方面条件前会 错的人才,难度非常大。因而技术 Leader 会更加务实地去招聘「更适合的人」——针对不同岗位吸收具有不同特长的人才。

TalkingData 的 两位 Leader 也为我举了另一另另三个白 自家团队中的例子:

再上一层的计算机基础 – 基本的算法与数据价值形式,某一门编程语言的精通,是几乎每个工程师岗位都重视的能力。另一另另三个白 基础不扎实的应用tcp连接员,将会会让企业怀疑其学习能力。扎实的基础,会为应用技能的学习扫除障碍,更容易建立层厚的理解;而数学基础对于算法理解上的帮助十分重要。

对于工程师来说,能只有考虑的大数据相关岗位哪些?

不过,全才难招,从不代表 Leader 会放低招聘要求。当当他们 绝不容忍整个团队的战斗力受到影响。面对招聘难题报告 ,当当他们 会有有些对应的法律依据 ——

处置器传输时延的加快,大规模数据处置技术的日渐心智成熟期期图片 是什么是什么图片 图片 图片 ,我能 们歌词 儿从 Big Data 中快速提取有价值的信息成为将会。几十年前神经网络算法被提出之初,捉襟见肘的计算能力好难让有些计算密集的算法发挥出它应有的作用。而现在,PB 级别的数据很多再 只有在短时间内完成机器学习的模型训练。这让格灵深瞳、科大讯飞等层厚依赖层厚学习的图像、语音识别公司得以对产品进行快速迭代。

转岗完后 ,赵平也遇到了有些挑战,比如大数据涉及的知识点、能很多再 用到的工具更加丰富,Spark,Scala,HBase,MongoDB…,数不清的技能都能很多再 边用边学,持续恶补;比如思维法律依据 上,能很多再 从曾经的定时数据处置思维向 Spark 所代表的流式实时处置思维转变。不过基于他扎实的基础,以及完后 做分布式存储系统经验的平滑过渡,加之整个团队中良好技术氛围的协助,最终顺利完成第另一另另三个白 大数据项目的开发工作。

嗯,以上很多我技术 Leader 心中完美的大数据相关候选人形象。

以格灵深瞳为例,这是一家计算机视觉领域的大数据公司,团队中既能很多再 对算法进行过透彻研究的人才,把图像识别有关算法模型调整到极致,很多再 很多再 工程实力比较强的人才,将训练好的算法模型在产品中进行高性能的实现,将会帮助团队搭建一整套视频图像数据埋点、标注、机器学习、自动化测试、产品实现的平台。

从上端的例子中,当当他们 儿很多再 只有额外收获另一另另三个白 信息,相比于跳槽转岗,內部转岗会更容易有些。将会在公司內部中,企业有充分的时间考察工程师的能力、潜力。企业对工程师的认可度提升完后 ,才会更加放心的予以新的挑战。

哪些企业整体对大数据、数据挖掘相关人才的需求非常之大,是因为分析行业内人才的供给相对不够。因而薪资通常也相对高有些。

当当他们 在14年招收了一位专科学校毕业的工程师,在上一家公司做过有些推荐算法,会写 Hadoop Mapreduce,怎样才能让并没人在大数据上有深入的研究。这位工程师当时的大数据技能从只有达到 TalkingData 的招聘标准,不过好在他思维清晰,看待难题报告 有个人独特的想法。加之 Java 基础不错,在上一家公司做事情也很扎实,很多有就招聘进来了。

有的团队面对的挑战不限于某另一另另三个白 具体难题报告 ,而在于怎样才能将僵化 的业务逻辑转化为算法、模型难题报告 ,从而利用海量数据处置有些难题报告 。这类于于难题报告 只有工程师在算法上探索得足够深入,怎样才能让能很多再 足够的广度和交叉技能。当当他们 只有解常见的机器学习算法,并知晓各种算法的利弊。一同当当他们 也要有飞快理解业务的能力,知晓数据的来源、去向和处置的过程,并对数据有层厚的敏感性。这类于于工程师的 Title 以「数据挖掘工程师」居多。

他说,未来哪些技能对于应用tcp连接员而言,就好比现在 MS Office 对于职场人一样普遍。

这最下方的两层构成了另一另另三个白 工程师人才的基础素养。将会底层的基础比较扎实,掌握应用层技能所能很多再 的时间他说比当当他们 儿预想的要少有些。

a. 算法工程师

最近,为了了解大数据相关工程师的招聘现状,当当他们 儿走访了几家紧需大数据相关人才的公司,与当当他们 的技术 Leader 聊了聊相关人才的招聘现状。

赵平是宜信技术研发中心的一位工程师,加入宜信完后 ,他曾帮助中国移动机顶盒业务的后端架构进行服务化转型。抱着对基础平台架构的浓厚兴趣,赵平加入了宜信。他在这家公司做的第另一另另三个白 项目是分布式存储系统的设计和开发。第另一另另三个白 项目完美收官完后 ,他的学习能力、基础能力备受褒奖。当宜信现在现在始于组建大数据平台团队时,赵平想看 了个人理想的职业发展方向并提交了转岗申请,基于他过往的优异表现,顺利地拿到了有些工作将会。

当当他们 儿能只有把大数据相关工程师能力模型抽象为以下的核心技能金字塔

b. 数据挖掘工程师

通常比较偏底层基础架构的开发和维护,能很多再 哪些工程师对 Hadoop/Spark 生态有比较清晰的认识,懂分布式集群的开发和维护。熟悉 NoSQL,了解 ETL,了解数据仓库的构建,还将会接触机器学习平台等平台搭建。

2. 相比于苛求当前技能水平,更看重扎实的基础和成长空间

前段时间跟候选人聊天,另一另另三个白 有多年工作经验的资深 iOS 工程师问你,他最近正在学习 Machine Learning 相关的知识。他觉得,对于应用tcp连接员来说,技术进步大大超过世人的想象,将会你不跟随时代进步,就会落后于时代。

说到这里,两位 Leader 坦言「当时幸好还不怎样才能么会挑简历,他说按照本来 的标准从只有把这位工程师招聘进来。

本来 ,考虑到很多企业依赖机器学习进行数据挖掘,UCloud 期望推出另一另另三个白 兼容主流开源机器学习系统的 Paas,使得使用有些机器学习平台的工程师很多再 专注于模型训练某种,而很多再考虑模型部署、系统性能、扩展性、计算资源等难题报告 。

无论何种工程师,雇主都希望人才具备综合素质,而非片面苛求当前的技能水平。特别是对于当前市场供给偏少的大数据相关领域,将会在大数据、算法方面有所建树的人才毕竟只占少数。具备不错的基础素养,并拥有巨大潜力的工程师也很受企业青睐。哪些工程师能只有利用已有的工程实力完成一每段基础工作,并在经过1-2年的锻炼完后 ,接手更僵化 的难题报告 。

基础的逻辑、英文等素质是能很多再 的,聪明、学习能力强是未来成长空间的保障,计算机基础能很多再 扎实,最好做过大规模集群的开发和调优,会数据处置,还熟悉聚类、分类、推荐、NLP、神经网络等各种常见算法,将会还实现过、优化过上层的数据应用就更好了……

对于后者来说,将会对核心算法能力要求没人前者没人高,更重视代码能力与业务 sense,因而有些团队能只有包容背景更丰富的人才,比如将会补充过算法知识的普通工程师,以及在研究生阶段对算法有有些了解的应届生。

来源:51CTO

在看待大数据工程师的招聘上,TalkingData 的技术 VP 闫志涛和首席数据科学家张夏天也提到:

对希望转做大数据相关工作的普通工程师,有些中肯的建议

越是偏金字塔底部的素养,对于企业来说越是重要。最底部的基础素养,代表的是未来的成长空间。当前互联网高速发展,每家企业前会 跑步前进,将会另一另另三个白 当前技能不错的工程师,未来成长空间有限,也将会变成企业的负担。

这类于于团队面对的难题报告 通常是明确而又有更高难度的,比如人脸识别、比如在线支付的风险拦截。哪些难题报告 经过了清晰的定义和层厚的抽象,某种又发生足够的难度,能很多再 工程师在所研究的难题报告 上有足够的专注力,对相关的算法有足够层厚的了解,才很多再 把模型调到极致,进而处置难题报告 。这类于于工程师的 Title 一般是「算法工程师」。

从 5000offer 平台上的数据来看,大数据相关职位的面试邀请占比也与日俱增。

互联网行业的快速发展,让不少公司拥有了成千上万的用户数据,各家都想挖掘这座储量丰富的金矿,由此延伸出数据在自家业务不同应用场景中的巨大价值——京东、淘宝等电商网站利用用户画像做个性化推荐,PayPal、宜信等互联网金融公司通过识别高危行为的价值形式实施风险控制,滴滴、达达等出行、配送业务利用交易数据进行实时定价从而使利润最大化……

1. 能只有不求全才,但要求团队成员各有所长,整体可形成配合

还有有些公司,借助大数据相关技术创创造创造发明 新的业务模式——比如利用算法做个性化内容推荐的今日头条、有些资讯,比如通过监测服务整合海量数据、做数据价值变现的 TalkingData,当然还有有些底层架构的支持服务商如阿里云、UCloud 也开通了托管集群、机器学习平台等服务。

算法&数据挖掘工程师

现在在云计算服务商 UCloud 工作的宋翔,过去四五年老要致力于计算机底层系统的研究。在百度,他曾经为层厚学习算法提供支持,用硬件和底层系统优化,加快机器学习算法的运算传输时延。进入 UCloud 之初,宋翔主要研究的方向也是怎样才能利用 GPU 服务器进行运算加速。

当当他们 通常利用算法、机器学习等手段,从海量数据中挖出有价值的信息,将会处置业务上的难题报告 。觉得技能构成这类于,怎样才能让在不同团队中,将会面对的业务场景不同,对算法 & 数据挖掘工程师能很多再 的技能有不同侧重点。因而有些类目下还可细分为另一另另三个白 子类:

此类工程师的工作重心在于数据的价值挖掘。

在文章的末尾,当当他们 儿基于文章中提到的多个案例,总结一下帮助普通工程师走向大数据相关岗位的几条 tips 吧:

当当他们 的工作重心在于数据的埋点、存储、管理与处置。

当前,很多有候选人对大数据相关岗位的青睐从不偶然

即使在算法工程师团队內部,不同成员之间的技能侧重点也将会各不相同。

除了对底层系统有深入了解之外,他现在也在了解机器学习的算法。他带领的小团队中,除了有2名系统工程师之外,还有两名算法工程师,他老要鼓励某种工程师互相学习,一同提高,曾经才很多再 让整个团队传输时延最大化。将会系统工程师对算法不了解的话,将会也问你怎样才能么会去优化算法运行的传输时延;算法工程师也应离米 了解不同模型在CPU、GPU机器上的运算传输时延,帮助个人设计出更高效的算法。

比如个性化内容推荐资讯平台——有些资讯的算法团队中,一每段工程师会专注于核心算法难题报告 的研究,对处置另一另另三个白 非常明确的难题报告 (比如通过语义分析进行文章分类的难题报告 ,怎样才能判断「标题党」的难题报告 等等),当当他们 能很多再 有足够层厚的了解;另外一每段工程师,则专注于算法模型在产品中的应用,当当他们 应该对业务非常有 sense,具备强悍的分析能力,很多再 从僵化 的业务难题报告 中理出头绪,将业务难题报告 抽象为算法难题报告 ,并利用离米 的模型去处置。两者另一另另三个白 偏重于核心算法的研究,另一另另三个白 偏重业务分析与实现,工作中互为补充,一同优化个性化内容推荐的体验。

雇主对大数据相关候选人的经验、背景有更大接受空间,这就给了非大数据相关候选人进入大数据、算法团队的将会。此时,梳理清楚个人现有技能对于新团队的价值非常重要,这是促使新团队决定吸收个人的关键。

没人另一另另三个白 技术 Leader 不希望个人手下是一班虎将。当当他们 期盼团队中每个工程师前会 能独当一面的全才。

怎样才能让,将会都以尽善尽美的标准进行招聘的话,恐怕没几条团队很多再 招到人。现在大数据、数据挖掘火起来某种就没几年,将会想招到另一另另三个白 有多年经验的全才,难度前会 一般的高。在这点上,各位技术 Leader 前会 清晰的认识。