京公网安备 11010802034615号
经营许可证编号:京B2-20210330
北京CDA数据分析就业班50期学员
姓名:车同学
毕业院校:厦门大学嘉庚学院
专业:信息与计算科学
入职信息:法本外派阿里,数据分析师,杭州
就业感言:
一、关于学习
首先要理解一个很大的误区,很多时候你会觉得为什么同样新的东西,你和其他人都只学了一天,而别人比你掌握的好,举个例子,玩游戏总是玩adc的人,他在熟悉了一个adc以后,玩其他的adc上手也会很快,这就是技能树效应,其他人的工作经历或者学习经历,可能在数据分析的某个知识方面有加成,所以会接受的比较好。并且人学习的过程是大脑建立新的神经突触的过程,一天两天学不会很正常,因为你的突触还没有长出来。别人也不过是之前经过类似的训练突触长的比你快而已。结论就是完全关注自己,不要理会其他人,也不要受其他人的影响。
excel和sql是立身的根本,不论你从事数据分析的什么领域和职位,请学好这两个技能,看清楚是不论什么领域和职位,你都必须会精通excel。
3个月看似时间很长,其实分配给每一块的量真的很少,所以循环的去复习是最重要的,并且在开始学之前就要对自己从事的方向有个梗概,在不断的学习当中,逐渐确定自己以后的从事方向。 总结起来每天看一小时,比一天看7个小时效果要好很多。
笔者本身也比较菜学习上没有特别给大家的建议,总结起来3个月每天早上7点第一个来,晚11点最后一波走。
重复是最好的学习方法没有之一。
持之以恒,3个月只是一个开始。
不要妄图把别人五六年的知识全部在三个月内学会,有侧重,有主攻方向。
算法不懂,不要紧,假设你只弄明白了一个逻辑回归,那么恭喜你你可以在很多公司混的很好。
在精不在多。
二、关于工作
找工作总结起来四个字,'时也命也'。
面试得时候一定要自信心爆棚。
对自己未来一定要有规划和计划,面试管一定会问。
对自己写在简历上的每一个字都要扣的很细。因为你的简历就是你面试时候的考卷。
举例子:
问:你sql语句水平如何?
答:我能解决所有我能遇见的sql问题。 (这里的重点在我能遇见的,不在我能解决)
基础,基础,基础是最重要的,请把马老师和李奇老师的sql课反复听5遍以上。这条请你务必做到。
举例子:
sql中
Select from where group by order by having 的逻辑顺序是什么?
三、最后关于感想和感悟
人生路是一段很长的路,有的人20岁当了ceo但是25岁就破产了
有的人50岁当ceo却一直当到70岁。
时间的很长,别妄自菲薄,也别狂妄自大,别觉得bat就很厉害,也别认为自己非常nb。
三人行,必有我师,每个人都有我们值得学习的地方。
唯一需要敬畏的是知识。
如果有来杭州就业的小伙伴(小姐姐)可以联系我,非常乐意为你解答问题。
Vx:81541595
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17