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

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

亲戚亲戚人们通常利用算法、机器学习等手段,从海量数据中梦见挖坟墓有价值的信息,可能性避免业务上的问题图片。人太好技能构成类事,有并且 在不同团队中,可能性面对的业务场景不同,对算法 & 数据挖掘工程师都都还可不可以 的技能有不同侧重点。因而你这种类目下还可细分为一八个 多多多子类:

从上面的例子中,亲戚亲戚亲戚人们也都还可不可以额外收获一八个 多多多信息,相比于跳槽转岗,内部转岗会更容易有并且 。可能性在公司内部中,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并且,才会更加放心的予以新的挑战。

再上一层的计算机基础 – 基本的算法与数据型态,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。一八个 多多多基础不扎实的应用应用程序员,可能性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,更容易建立高度的理解;而数学基础对于算法理解上的帮助十分重要。

TalkingData 的 两位 Leader 也为我举了一八个 多多多自家团队中的例子:

并且,考虑到太少企业依赖机器学习进行数据挖掘,UCloud 期望推出一八个 多多多兼容主流开源机器学习系统的 Paas,使得使用你这种机器学习平台的工程师都都都还可不可以专注于模型训练一种生活生活,而不必考虑模型部署、系统性能、扩展性、计算资源等问题图片。

对于前一种生活生活工程师,他都都还可不可以 在高度学习算法甚至于在计算视觉领域有的是深会入的研究,编程能力都还可不可以稍弱有并且 ;而对于后一种生活生活工程师,可能性他拥有强悍的工程能力,即使真难 在高度学习算法上进行深会入研究,也都还可不可以更快接手对应的工作。这种种生活生活人才需在工作中进行密切的配合,一块儿推动公司产品的产出与优化。

嗯,以上而是技术 Leader 心中完美的大数据相关候选人形象。

说到这里,两位 Leader 坦言「当时幸好还不为什么会么会会么会挑简历,你说那先 按照并且的标准何必 能把这位工程师招聘进来。

b. 数据挖掘工程师

亲戚亲戚人们的工作重心在于数据的采集、存储、管理与避免。

此类工程师的工作重心在于数据的价值挖掘。

有并且 ,可能性都以尽善尽美的标准进行招聘励志的话 ,恐怕没哪多少团队都都都还可不可以招到人。现在大数据、数据挖掘火起来一种生活生活就没几年,可能性想招到一八个 多多多有多年经验的全才,难度有的是一般的高。在这点上,各位技术 Leader 有的是清晰的认识。

这最下方的两层构成了一八个 多多多工程师人才的基础素养。可能性底层的基础比较扎实,掌握应用层技能所都都还可不可以 的时间你说那先 比亲戚亲戚亲戚人们预想的要少有并且 。

宋翔在底层系统优化上的特长刚好都还可不可以在这项工作中发挥,因而他立刻被赋予主导你这种平台搭建的任务。

应用应用程序员对那先 技术跃跃欲试,知乎上「高度学习怎么入门?」「普通应用应用程序员怎么向人工智能靠拢?」等问题图片有的是很高的关注度。亲戚亲戚亲戚人们在招聘市场也都都都还可不可以看多,太少的技术候选人在跳槽一定会思考,都还可不可以从事相关岗位的工作。

赵平是宜信技术研发中心的一位工程师,加入宜信并且,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一八个 多多多项目是分布式存储系统的设计和开发。第一八个 多多多项目完美收官并且,他的学习能力、基础能力备受褒奖。当宜信开始英文组建大数据平台团队时,赵平看多了当时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,顺利地拿到了你这种工作可能性。

本文作者:400offer

没一八个 多多多多技术 Leader 不希望当时人手下是一班虎将。亲戚亲戚人们期盼团队中每个工程师有的是能独当一面的全才。

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:

当前,好多好多 候选人对大数据相关岗位的青睐何必 偶然

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,每家企业有的是跑步前进,可能性一八个 多多多当前技能不错的工程师,未来成长空间有限,也可能性变成企业的负担。

类事团队面对的问题图片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。那先 问题图片经过了清晰的定义和高度的抽象,一种生活生活又发生足够的难度,都都还可不可以 工程师在所研究的问题图片上有足够的专注力,对相关的算法有足够高度的了解,才都都都还可不可以把模型调到极致,进而避免问题图片。类事工程师的 Title 一般是「算法工程师」。

算法&数据挖掘工程师

格灵深瞳技术副总裁 – 邓亚峰提到:

并且提到了,要想为大数据相关岗位找到一八个 多多多各方面条件有的是错的人才,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。

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。很重是对于当前市场供给偏少的大数据相关领域,可能性在大数据、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。那先 工程师都还可不可以利用已有的工程实力完成一主次基础工作,并在经过1-2年的锻炼并且,接手更繁复的问题图片。

那先 企业整体对大数据、数据挖掘相关人才的需求非常之大,原应行业内人才的供给相对缺乏。因而薪资通常也相对高有并且 。

前段时间跟候选人聊天,一八个 多多多有多年工作经验的资深 iOS 工程师我而是知道,他最近正在学习 Machine Learning 相关的知识。他人太好,对于应用应用程序员来说,技术进步大大超过世人的想象,可能性你不跟随时代进步,就会落后于时代。

不过,全才难招,何必 代表 Leader 会放低招聘要求。亲戚亲戚人们绝不容忍整个团队的战斗力受到影响。面对招聘问题图片,亲戚亲戚人们会有有并且 对应的土办法——

在文章的末尾,亲戚亲戚亲戚人们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哪多少 tips 吧:

最近,为了了解大数据相关工程师的招聘现状,亲戚亲戚亲戚人们走访了几家紧需大数据相关人才的公司,与亲戚亲戚人们的技术 Leader 聊了聊相关人才的招聘现状。

对于工程师来说,都还可不可以考虑的大数据相关岗位有那先 ?

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真难 两大类

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宽裕的金矿,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型态实施风险控制,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……

让算法在机器上运转得够快,才都都都还可不可以缩短模型迭代的时间,加速模型优化的过程。大主次算法工程师可能性对此了解甚少,有并且 宋翔都还可不可以充采集挥当时人的特长,利用硬件和底层系统加速机器学习算法。

从 400offer 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。

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、算法团队的可能性。此时,梳理清楚当时人现有技能对于新团队的价值非常重要,这是助于新团队决定吸收当时人的关键。

大数据平台/开发工程师

转岗并且,赵平也遇到了有并且 挑战,比如大数据涉及的知识点、都都还可不可以 用到的工具更加宽裕,Spark,Scala,HBase,MongoDB…,数不清的技能都都都还可不可以 边用边学,持续恶补;比如思维土办法上,都都还可不可以 从一八个 多多多的定时数据避免思维向 Spark 所代表的流式实时避免思维转变。不过基于他扎实的基础,以及并且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,最终顺利完成第一八个 多多多大数据项目的开发工作。

对希望转做大数据相关工作的普通工程师,有并且 中肯的建议

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,他一八个 多劲鼓励一种生活生活工程师互相学习,一块儿提高,一八个 多多多才都都都还可不可以让整个团队高度最大化。可能性系统工程师对算法不了解励志的话 ,可能性也我而是知道为什么会么会会么会去优化算法运行的高度;算法工程师也应离米 了解不同模型在CPU、GPU机器上的运算高度,帮助当时人设计出更高效的算法。

现在在云计算服务商 UCloud 工作的宋翔,过去四五年一八个 多劲致力于计算机底层系统的研究。在百度,他一八个 多多多为高度学习算法提供支持,用硬件和底层系统优化,加快机器学习算法的运算高度。进入 UCloud 之初,宋翔主要研究的方向也是怎么利用 GPU 服务器进行运算加速。

亲戚亲戚亲戚人们都还可不可以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

通常比较偏底层基础架构的开发和维护,都都还可不可以 那先 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,还可能性接触机器学习平台等平台搭建。

1. 都还可不可以不求全才,但要求团队成员各有所长,整体可形成配合

亲戚亲戚人们在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并且 推荐算法,会写 Hadoop Mapreduce,有并且 并真难 在大数据上有深入的研究。这位工程师当时的大数据技能何必 能达到 TalkingData 的招聘标准,不过好在他思维清晰,看待问题图片有当时人独特的想法。加之 Java 基础不错,在上一家公司做事情也很扎实,好多好多 就招聘进来了。

我人太好可能性听过好多好多 人跟你说那先 过类事励志的话 。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…… 那先 当前火热的概念各有不同,又有交叉,总之有的是推动亲戚亲戚亲戚人们掌控好海量数据,并从中提取到有价值信息的技术。

基础的逻辑、英文等素质是都都还可不可以 的,聪明、学习能力强是未来成长空间的保障,计算机基础都都还可不可以 扎实,最好做过大规模集群的开发和调优,会数据避免,还熟悉聚类、分类、推荐、NLP、神经网络等各种常见算法,可能性还实现过、优化过上层的数据应用就更好了……

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

有的团队面对的挑战不限于某一八个 多多多具体问题图片,而在于怎么将繁复的业务逻辑转化为算法、模型问题图片,从而利用海量数据避免你这种问题图片。类事问题图片不都都还可不可以 工程师在算法上探索得足够深入,有并且 都都还可不可以 足够的广度和交叉技能。亲戚亲戚人们都都还可不可以 了解常见的机器学习算法,并知晓各种算法的利弊。一块儿亲戚亲戚人们也要有比较慢理解业务的能力,知晓数据的来源、去向和避免的过程,并对数据有高度的敏感性。类事工程师的 Title 以「数据挖掘工程师」居多。

避免器高度的加快,大规模数据避免技术的日渐心智心智性性旺盛期 是什么,让亲戚亲戚亲戚人们从 Big Data 中快速提取有价值的信息成为可能性。几十年前神经网络算法被提出之初,捉襟见肘的计算能力真难你会这种计算密集的算法发挥出它应有的作用。而现在,PB 级别的数据也都还可不可以在短时间内完成机器学习的模型训练。这让格灵深瞳、科大讯飞等高度依赖高度学习的图像、语音识别公司得以对产品进行快速迭代。

不曾想到,这位工程师主动性非常强,Leader 只需给到工作方向,他就会驱动当时人学习相关知识,快速完成目标。2年并且,这位工程师的 Spark 能力可能性锻炼得非常强悍,用 Leader 励志的话 说「都还可不可以以一当十」;他对大数据、机器学习有的是浓厚的兴趣,Spark 基础夯实并且,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,你这种平台大大提高了团队的机器学习高度。

最后,可能性你人太好对大数据、数据挖掘有浓厚兴趣,最好的土办法是立刻开始英文实践。你说那先 你不必以此为职业,有并且 都还可不可以多一技傍身。

以格灵深瞳为例,这是一家计算机视觉领域的大数据公司,团队中既都都还可不可以 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,而是需要 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,可能性帮助团队搭建一整套视频图像数据采集、标注、机器学习、自动化测试、产品实现的平台。

你说那先 ,未来那先 技能对于应用应用程序员而言,就好比现在 MS Office 对于职场人一样普遍。

即使在算法工程师团队内部,不同成员之间的技能侧重点也可能性各不相同。

加进去去进去那先 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你这种领域。

对于后者来说,可能性对核心算法能力要求真难 前者真难 高,更重视代码能力与业务 sense,因而你这种团队都还可不可以包容背景更宽裕的人才,比怎么能性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并且 了解的应届生。

比如个性化内容推荐资讯平台——有并且 资讯的算法团队中,一主次工程师会专注于核心算法问题图片的研究,对避免一八个 多多多非常明确的问题图片(比如通过语义分析进行文章分类的问题图片,怎么判断「标题党」的问题图片等等),亲戚亲戚人们都都还可不可以 有足够高度的了解;另外一主次工程师,则专注于算法模型在产品中的应用,亲戚亲戚人们应该对业务非常有 sense,具备强悍的分析能力,都都都还可不可以从繁复的业务问题图片中理出头绪,将业务问题图片抽象为算法问题图片,并利用离米 的模型去避免。两者一八个 多多多偏重于核心算法的研究,一八个 多多多偏重业务分析与实现,工作中互为补充,一块儿优化个性化内容推荐的体验。

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并且,有的是了更多横向发展的可能性,帮助当时人在大数据相关领域建立更强竞争力。

来源:51CTO

从技术 Leader 对人才的要求看,转岗可能性在哪里?

a. 算法工程师

还有有并且 公司,借助大数据相关技术创发明权权新的业务模式——比如利用算法做个性化内容推荐的今日头条、有并且 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,当然还有有并且 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。