敲黑板！你有一份数据科学家offer待接收！还有DS求职白皮书免费领！

报名活动： 请扫描下方👇二维码免费报名活动！

或点击" 阅读原文 "进行报名！

扫描下方二维码👇进入 “ 数据科学workshop ”群

数据应用学院（Data Application Lab）创始人，Data Scientist 课程、Hadoop、Spark高级讲师； 南加州大学Marshall商学院的客座讲师 ，教授数据科学和NoSQL数据库；数据科学协会（Data Science Association）发起人，组织了2016年SoCal Data Science Conference，2016 SVIEF 硅谷高创会 担任“云计算和大计算” 分论坛嘉宾 。

创业前曾在Symantec工作八年任Senior Engineer，为 大数据安全、数据科学领域专家 。致力于帮助对数据科学感兴趣的同学发掘自己的兴趣和擅长之处，找到理想的工作。

• 毕马威合伙人，曾组织多次内部技术和营销培训班, 负责数据科学家招聘面试 。

• 资产负债管理 (ALM) 和资本市场 (Capital Market)交易和产品开发的 资深高级管理人员

• 三菱联合银行 , 司库部高级副总裁 ， 成功培训了 4 轮 USC 实习生 ，并有在主要 金融公司 100 ％的招聘记录 ，曾辅导多位学员拿到业界顶尖Offer

• 第一银行 Bank One , 副总裁 , 监督多个衍生交易柜台 ( 股票、大宗商品、利率和信贷 ) 的市场风险

答案是： 一定的 。数据科学是提升生产与管理效率的必需品，所以一定会保持长期快速增长，并在企业中大规模的应用。不可否认现在有部分企业新瓶装旧酒，把自己的产品跟‘大数据’强行扯上关系（大数据算命），但这部分炒作会很快消亡。随着技术的更新换代和市场的进一步成熟，这部分产品肯定会被真正的大数据产品无情的淘汰。而部分行业里成熟的大数据产品，将悄悄地进入收获期。

数据科学在不同行业的应用与发展会有一定差异，我们会在校园行讲座中具体谈到。

答：5年前，一提到大数据和数据科学，那么肯定想到的是：如何在有限的时间内处理海量的数据，于是诞生了Hadoop，后来更是有速度更快的内存计算Spark。

在解决了处理能力的问题后，现在大数据更加关注：如何整合数据ETL与数据分析，如何结合数据安全与人工智能，实现对数据商业价值的有效挖掘。

那么，这里面的难点是什么？前后的因果关系是什么？哪一方面更重要？未来会怎样？加入我们的讲座，听听我们的嘉宾们如何解释。

数据科学在不同行业的应用与发展会有一定差异，我们会在校园行讲座中具体谈到。

现在特别强调三个方面的融合：计算技能（大数据操作），统计建模分析（数据科学），与行业知识 (Business Insight)。这对数据科学家的培养，提出了更高的要求。

如果要想成为数据科学家，应该怎样利用已有的资源？Coursera, Edx，Kaggle, 这类课程或者竞赛的优势在哪里，他们的不足是什么？我们会一一谈到。