年薪20万的工作－ 数据分析师

mr.houseband

心平气和

难怪有人劝俺转，原来薪水真这么高

ozforever

cnnworld 发表于 2015-8-14 23:04
博士毕业2-3年，拿18-20万，我建议你给我个具体公司名，澳洲是不可能有这么多的，除了极个别的类似google ...

这个说的是实情。

xaec203

我的偏好就是便宜一点。

博闻

cgz 发表于 2015-8-15 06:33
NLP 用Matlab？肯定是醉了
NLP 用 bag of words？姥姥级的做法
NLP 用 bow 加 deep learning？姥姥穿新衣 ...

你看懂我说的东西了么？你真的懂NLP? 或者是你看不懂中文？

liushui0729

不错

xq052b

cnnworld 发表于 2015-8-15 00:20
我建议你对这些算法有个基本了解再来喷

nlp问题本质就是个分类问题，模型好坏主要取决于打标数据，神经 ...

我完全赞同你的说法。

仅仅指工程解决方案，语音识别，图像识别，还有NLP等等，最后都可以通过classifer来解决。
关键是training data是否足够大，还有处理能力。

说到NLP，很有意思的是，workshop里老一辈的professor都试图从语言学的角度去解决问题。年轻一代直接用word2vec＋deep learning，暴力解决方案。

博闻

xq052b 发表于 2015-8-15 10:36
我完全赞同你的说法。

仅仅指工程解决方案，语音识别，图像识别，还有NLP等等，最后都可以通过classifer ...

word2vec对语义的表达能力，很多问题还解决不了。很多时候需要的是sentence2vec, 甚至document2vec。而用word2vec递归组合出来的，并不那么好用。从根本上来说，一句话，或者一篇文章的语义，用一个几十，或者几百维的向量表达，是远远不够的。

另外，NLP问题的难点就在于，标注的训练集永远都是不够的。尤其是一些NLU的问题。靠deep learning暴力方式把上下文的内容都理解透了是不可能的。deep learning确实有用，但是绝不是把训练集直接拉上去跑，调参数，最后就能出结果那么简单。需要基于语言学建立更复杂的模型，而在局部可以用deep learning去解决局部的问题。

你还是专心做好deep learning的底层实现吧，运算成本越低，越有利于在上边建立更复杂的模型。

zkm2003210

xq052b 发表于 2015-8-14 23:34
有啊，以下四种博士：

1 我同事

美国的行情的确是这样。

可是这个坛子里经常嚷嚷着： 天朝普普通通都是50W以上。真让人眼红。

cgz

xq052b 发表于 2015-8-15 10:36
我完全赞同你的说法。

仅仅指工程解决方案，语音识别，图像识别，还有NLP等等，最后都可以通过classifer ...

NLP 做得最多的是entity recognition, 不完全是classification problem. NLP的范围远超过classification，such as using ontology for knowledge representation

word2vec 忽略了很多语言学的特征。features derived from syntactic and semantic would give a lot better results.

博闻

cgz 发表于 2015-8-15 10:54
NLP 做得最多的是entity recognition, 不完全是classification problem. NLP的范围远超过classification ...

嗯，这说的还靠点谱。要想在NLU中使用deep learning，需要基于语言学的模型，把一个问题分解成很多的子问题。其中的那些可以转化为分类的子问题，可以通过deep learning去解决。

xq052b

zkm2003210 发表于 2015-8-15 10:51
美国的行情的确是这样。

可是这个坛子里经常嚷嚷着： 天朝普普通通都是50W以上。真让人眼红。 ...

在美国，大公司的工作有一个非常重要的福利／保障，未成年子女纳入员工医疗保险计划。

这个论坛里的喷子不会知道的，因为他们从来没有去过美国，也不知道美国是没有医保的。

在美国，没工作就没保险，没保险就看不起病。

博闻

xq052b 发表于 2015-8-15 11:05
在美国，大公司的工作有一个非常重要的福利／保障，未成年子女纳入员工医疗保险计划。

这个论坛里的喷子 ...

美国公司之所以收入高，主要是因为股票期权。公司上市了，成功了，自然跟着水涨船高。

cgz

博闻 发表于 2015-8-15 10:55
嗯，这说的还靠点谱。要想在NLU中使用deep learning，需要基于语言学的模型，把一个问题分解成很多的子问 ...

在NLU 中用deep learning, 又是醉了

博闻

cgz 发表于 2015-8-15 11:14
在NLU 中用deep learning, 又是醉了

对，在NLU中也可以用deep learning。你想不到不代表不可以这么做。当然，这块现在还有很大空白。

鱼羊鲜

国家统计局。。。

Gaucho

心平气和 发表于 2015-8-15 08:58
难怪有人劝俺转，原来薪水真这么高

我敢保证，随着这些广告软文的流传，不出三年，这个行业的薪水一定会步精算师的后尘，满大街都是毕业即待业的DATA SCIENTISTS。

博闻

Gaucho 发表于 2015-8-15 11:49
我敢保证，随着这些广告软文的流传，不出三年，这个行业的薪水一定会步精算师的后尘，满大街都是毕业即待 ...

现在其实已经是这样了。而且绝大多数都是水货。

心平气和

Gaucho 发表于 2015-8-15 11:49
我敢保证，随着这些广告软文的流传，不出三年，这个行业的薪水一定会步精算师的后尘，满大街都是毕业即待 ...

那我们应该写些自己所从事工作的软文，让提高薪水lol

极品飞熊

xq052b

cgz 发表于 2015-8-15 10:54
NLP 做得最多的是entity recognition, 不完全是classification problem. NLP的范围远超过classification ...

NLP我确实没有多少发言权，因为这不是我的研究方向。

不过我确实参与过一些NLP的研究，用我的系统来做后端。

你说的对，NLP本身确实远超classification。我们institute有好多linguistic scientists，我知道他们的研究方法。

所以我强调仅仅从工程角度来看，如果training data足够多，假设我的系统能提供足够多的classifier（最极端的情况，任意一个输入都有一个classifer），那么这个系统就是可以工作的。

7月份在美国参加workshop，我参与的一个项目就是NLP，他们把整个wiki倒入系统进行training，结果还不坏。剩下的问题是怎样搞到更多的data。

maodoubao

澳洲的政治家退休工资都比这个高，不是么？

BHS

kikixy1983

cnnworld 发表于 2015-8-14 22:50
在大型互联网公司，数据的有用性往往不是通过算法的提升，事实上，算法设计再巧妙，都不可能上转化率在之 ...

我就是你说的那种统计phd但SQL不怎么样的。但也不能怪我啊，我读书的时候从来没用过SQL。

想真心讨教一下，如果我想提高我的sql水平，应该看哪些资料？

cgz

kikixy1983 发表于 2015-8-15 14:10
我就是你说的那种统计phd但SQL不怎么样的。但也不能怪我啊，我读书的时候从来没用过SQL。

想真心讨教一 ...

不有讨教了，人家现在都用NO SQL了，哈哈

含笑领便当

xq052b 发表于 2015-8-14 23:28
Monte Carlo是随机算法。在模拟电路里面是用来测试device mismatch对电路性能的影响。

发明这个算法的仁 ...

哈哈，当年做的那个软件就是用Monte Carlo来测试电子器件参数变化对电路性能影响，用Newton-Raphson来解非线性电路方程的，基本所有的半导体foundry都得用这软件来做模拟验证以后才能实际投片。

这些算法应该和data mining没啥关系了……

Rolyat

cnnworld 发表于 2015-8-14 17:44
作为从业人员，我想说几句：

1. 能拿这个薪水，嘴皮子绝对是最重要的，很多业外人士也因此不屑，觉得没技 ...

很有见地

key

不明白有什么好争论。哈哈哈

CK妈咪

这个帖子太专业了，看不明白，但是个人觉得能忽悠到一定水平也是本领

Gaucho

maodoubao 发表于 2015-8-15 13:28
澳洲的政治家退休工资都比这个高，不是么？

政治家公开招聘吗？政绩一年一REVIEW吗？定期REDUNDANCY吗？有末尾淘汰吗？