京公网安备 11010802034615号
经营许可证编号:京B2-20210330
本次活动邀请到的嘉宾是王大禹老师,王老师在AI领域有近20年的研究、开发、应用经验,研究方向包括自然语言处理、机器学习、信息检索、知识图谱、用户画像等。曾任美非能源有限公司董事副总裁、微软亚太研发集团产品经理等。现任新浪微博产品专家。王老师的分享分为两个部分,分别是数据科学家工作的落地与融入,结合国际知识和中国实践进行分享,二是数据科学家工作面试技巧。
关于数据科学家工作的落地和融入,王老师从四个方面讲解,分别是如何判断一个公司的管理水平,二是在宏观上数据团队提供什么,第三是如何判断公司内部数据团队的地位和发展趋势,第四是在微观上,数据科学家的工作集成。在讲到关于项目管理时,以项目管理为例,计划、执行、评估分为三步,计划有没有列出来,需要向直属领导或者上级领导申报同意后方可执行,执行就是指过程,过程一般就是考验自己的基础知识和技术功底,最后就是评估,一个项目的评估比执行还重要,评估是来反馈自己的工作是否有意义,在具备国际知识的前提下了解中国实践,才能做好本职的工作。
另外还谈到数据分析与部门之间的联系,其中最核心的是数据科学,其次是IT架构,最后是领域知识,领域知识是指行业的其他知识,比如一外卖行业,一端是客户另一端是产品端,运营往往是需求方,做运营的是最需要数据。
最后还谈到数据分析师未来发展趋势,指出中国目前可能出现的是CDO,注意不同公司架构不同,岗位也不一样,如果一个公司有CDO的岗位就是一个比较完整的数据分析公司,也是一个比较完整的数据分析团队,值得工作。
第二部分关于数据科学家的面试技巧,更多的是结合自身的工作经验和履历来讲解的,比如说用专业的方式描述经历和项目,技术上注意非结构化领域知识,非技术上注意沟通和teamwork,最后一点是谦虚专业的工作态度激情和社会责任。
现场37期就业班全体学员聆听了讲座,讲解结束和大家纷纷提问,从面试公司的选择到就业简历的填写投递,从工作中数据的抓取到结果的呈现,从面试的着装到试用期的工作状态一一问答,王老师都给予了耐心的解答。
CDA数据分析就业班针对时间充裕、零基础的专科、本科在校生,以及待业、期待从事数据分析的工作人员提供3个月全脱产集训,毕业推荐相关工作单位。CDA数据分析就业班每期至少十位以上相关领域专家授课,以CDA数据分析师标准大纲要求,从数据库管理——统计理论方法——数据分析主要软件应用(如:Excel、SAS、SPSS、Python、R等)——数据挖掘算法模型,一整套数据分析流程技术进行系统讲解。还将从金融、医药、保险、电商、零售、房地产等行业需求出发,使用实际案例手把手将数据分析技术传授给学员,使CDA就业班课程更符合就业要求,达到企业用人标准,快速在大数据时代找准工作定位。学员毕业要求能够独立完成商业数据分析项目。
CDA邀约企业专家实战分享系列活动持续举办中,现向您发出邀请,把您工作中踩过的坑,遇到的工作问题如何解决的,以及给即将踏入数据分析行业从业者的经验和建议等等,都可以分享,如果你有分享意愿,也有分享话题,请联系我们,请扫下方二维码添加微信备注“分享”,期待您的加入!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14