美国最好的工作

老兵帅客

holycow 发表于 2016-1-24 12:46
晨大小白了，UX就是User Interface。Solution Architect就是老兵他老板。

还有，工程咨询公司来接你们生意 ...

瞎说，我老板可不是什么Solution Architect，人家是director。至于Solution Architect嘛，我见过的加拿大五大银行的，就是作为junior programmer还不够格，但是嘴巴还行，于是就去卖嘴巴的角色。

说白了，这些人不靠技术，靠嘴巴活着。

老兵帅客

holycow 发表于 2016-1-24 14:22
更正一下，UX是User eXperience, 手快写错了

这个位置听起来很高大上的，其实就是拿着个apple机器做界面设计的。

老兵帅客

老马丁 发表于 2016-1-24 14:42
这些工作不是商学院就是IT。Come and go. 我知道加拿大起码10所大学正打算设置大数据的硕士。过几年又大白 ...

已经大白菜了，俺们土狼屯的小公司里面，一堆的big data specialist，张嘴一聊，连基本的数据库概念都没有，一帮子雏儿。

老兵帅客

晨枫 发表于 2016-1-24 15:37
那不算professional job，不算，否则retail associate也也算进去啦。

不许侮辱人，要知道俺们土狼屯的job agent，我可是见过正宗加拿大MBA学位拥有者，你敢说那不是professional job？

老兵帅客

holycow 发表于 2016-1-25 10:35
你老板以director的title，整天干Solution Architect的事，而且还干得不怎么样 ...

他那个叫什么Solution Architect，整天就是处理鸡零狗碎的杂事，整个就是一个打杂的。

说白了，Solution Architect是那种专业公司才有的的位置，具体人员水平另说。而我们公司，至少是我们部门，就是个作坊，完全没有专业的样子。

老兵帅客

煮酒正熟 发表于 2016-1-25 18:08
这个问题要辩证地来看，发展地来看。不过在开侃之前俺先表个态：俺跟你是一伙儿的，根子在数据库和数据方 ...

别着急，您还记得当年的web developer吧，也就是会写点页面那玩意儿的，也能挣大钱，不过没几年而已。那个泡儿一破，全回大街上去了。

也许你们美国牛叉，我们这里的这类大牛们，一般都在小公司里，那小公司破的连像样的办公室都租不起，更不要说小鸽子了，他们在那里做full time。

这个世界我只相信一件事，你的工具越好用，你的薪水越低。这点.net已经充分证明了，另外一个例子就是vb。

所以俺还是继续做俺的后端。

老兵帅客

煮酒正熟 发表于 2016-1-25 20:42
大数据和当年的web developer很不一样。web developer有吮马根基啊？纯属花拳绣腿。今天的大数据则是有根 ...

不要那么贬低web developer，要是没有底层那些支持，例如多线程、javascript的底层东西，还有dreamweaver这类好用的工具，谁敢说他们不是新时代的unix admin和oracle dba?问题是现在oracle下面那么多的好工具，数据库管理在很大程度上成了GUI游戏，于是现在的oracle dba就成了不是能不能，而是有没有那个权限的问题。

这个趋势，大数据玩家也一样会面临的，而且很快。这里的关键在于，你是那个写算法的，还是搭积木的，后者怎么玩都是那么回事。

给你个例子吧，当然不是大数据方面的。你知道残疾人对屏幕上的东西有特殊的要求，于是政府为了他们方便做了一些相应的规定，也就是网页要达到什么标准。这个东西早先还需要人工来构造，但是很快就有了自动的东西来分析你网站的各个网页，找出存在的问题。然后同样很快，修改这些发现的问题使之满足要求的东西出来了。当然了，能自动修改的软件是要钱的，能自动发现的有免费的，但是那个距离并没有多大。

我这个案例的意思是，只要技术基础有了，上面的应用就会变得很简单，于是靠这个吃饭的就会开始骂娘。而万恶的资本主义存在的问题就是，总是会有聪明蛋把技术基础给弄出来，于是就毁了大家的发财机会。

所以啊，这个领域的发财机会其实就是现在这几年，趁着工具还没成熟，赶紧换工作，靠嘴巴多忽悠些钱来。等工具成熟了，机会也就过去了。我绝对相信这个市场很大，但是再大也没有数据库程序员那个市场大。当年的原始数据库使得自己写ISAM还有些机会，现在谁还干这个？都成了SQL奴隶了。

老兵帅客

煮酒正熟 发表于 2016-1-25 21:44
老兵对大数据的了解似乎有待加深啊... 数据科学家的工作，说到底，有较大艺术成份。诚然，拉数据(data qu ...

刚才我抽时间看了一下大数据相关的事情，感觉就是云计算、分布计算基础上的data mining，而data mining的关键在于算法，也就是通过特定的算法找出data pattern来。云计算、分布计算本身没多少大数据从业人员的空间，那本质上不过是硬件投资。个人能做的不过是基于这样的硬件环境写分布式应用程序，但是核心的算法是关键，也就是你所说的建模。

这里的问题在于有多少人能做到那个高度，我是不相信人人生来平等这种政治正确口号的，而是相信机器做的比绝大多数从业人员做的都要好。这点很残酷，但却是现实，微软和oracle都在这方面下功夫。因此，现在的这个大数据热潮本质上很像当年的网络计算机，听起来很美，现实中则只是网络打印机控制器罢了。

我相信你所说的艺术这个词汇，正是这个问题使得很多人没办法从技术热潮里获利。事实上，我是相信软件开发也是艺术一种这种似是而非的想法的。一个最简单例子，我在这边的一家公司所开发的那个代码产生器，说好听点叫做编译器，在我离开以后就没人能维护。原因不复杂，他们找不到能明白我那个东西的模型的主儿，虽然我已经写好了足够的文档。编译器这个东西，任何CS本科念的还行的应该能明白它的工作模型，我待过的那家公司不缺这方面的动物，但就是找不出一头来搞明白我的程序。对了，那家公司的软件人员有上千呢，不乏科班出身的。

正是这种智力上的差距使得很多人的投资是没有意义的。

老兵帅客

晨枫 发表于 2016-1-25 22:09
统计我学过点，机器学习也能蒙哥大概，但老酒给说说吧，这个数据到底是怎么回事？ ...

简单地讲就是data mining，不过是分布式的。这里的关键是建模，然后用算法找出data pattern来。

老兵帅客

晨枫 发表于 2016-1-25 22:13
那怎么解决数据的相关性和causality问题呢？

我以前做过一些data mining方面的事情，通过适当的建模和数据选取可以有效地减少你所说的问题，但是代价则是如何判定这些，这就是老酒所说的艺术了。

老兵帅客

煮酒正熟 发表于 2016-1-25 22:35
软件开发当然是艺术性的活动（虽然我没做过）。

你第一段说的那些，不错，都是大数据范畴，而且你说的也 ...

一个疑问，“要求从业人员对商业问题与数据之间的转化和关联有深刻和细微的体察”，这种经验应该是与行业密切相关的，因此从业人员跨行业将会遇到经验无效问题，这个怎么解决？

举个例子，图书出版业与银行业和保险业，它们之间我是看不出有多少相似性来。银行的用户账号关联度与出版业的图书作者与畅销书关联度就没有任何关系。

老兵帅客

holycow 发表于 2016-1-25 22:59
做企业级应用的人，不管做不做大数据，市场价值都是两部分组成的：技术能力和行业经验。因此你这个问题对 ...

走投无路的才会一次跳两步呢。

老兵帅客

煮酒正熟 发表于 2016-1-25 23:04
上面那个例子是基于传统的商业问题的回答。对于这种问题，传统的建模手段就是经典统计学的（比如SAS）。 ...

相关性的问题在于很多是主观认定滴，因为你没有多少非常过硬地证据，过了一段时间无利可图了，就被悄悄滴忽略了。于是我们发现，那不是专业技术，而是办公室政治。

不要以为我在说笑话，施乐那个多余的工厂是怎么出来的，那可是一票MBA专家的专业经验确定的，属于最彻底的专业认定，结果就是个大笑话。为啥，因为数据的特点是垃圾进、垃圾出。要从中找出来确实相关的，有时候是运气，有时候就是德性了。

老兵帅客

煮酒正熟 发表于 2016-1-26 00:30
我对机器学习的了解也很粗浅。以我粗浅的了解来说，这个东西肯定不是吮马silver bullet或是万能解药，而 ...

不奇怪，机器学习的基础就是统计，但是在采样不够大的情况下，无法有效地消除噪音，于是你会发现系统会有很多误判。这方面的消除还是靠人，也就是后台有人根据现实人工消除一些噪音，但是没有根本的解决办法。

但是假如能够做大采样足够大的话，就能有效地消除噪音，但是对应的时间和空间开销以及费用就会成问题了。其实这也就是现在所谓的大数据的优势之一。问题是有多少人玩得起这样的硬件环境？

老兵帅客

禅人 发表于 2016-1-26 00:48
linked-in顾名思义就是要把你我她他扯在一起嘛。记得我对你说过，这几个人与你link的节点,估计就是各自留 ...

linkedin这方面做得很差，我经常收到一些莫名其妙的的人的请求加连接的要求，因为他们与我无论是在专业上还是地域和利益上都毫无关系。

它做的比较靠谱的是用你提供的简历来搜索相关性，因此你会发现你的同学们、前同事们都出现了。其余的就算了。

老兵帅客

晨枫 发表于 2016-1-26 00:51
这就不可能是好模型……

所以这些东西很多都是主观影响的选择结果，能否成功就要看运气了。于是就是这么试试、那么试试，看看哪个能比较碰上现实一些。

老兵帅客

冰蚁 发表于 2016-1-26 09:30
大数据目前处于非常原始的阶段，和以前的统计/ data mining并没有特别显著的区别。大部分公司挂个大数据的 ...

我说冰姨啊，不要说的这么吃果果嘛，这样会毁掉多少人的梦想啊。

学术认真是必要滴，但是这个世界必须有足够的忽悠空间，否则经济会很差，失业人口会很多滴。

老兵帅客

晨枫 发表于 2016-1-26 09:52
有点联想起自控里在80年代很流行的“大系统理论”了，那时也说是系统大到超过传统数学控制理论的尺度，所 ...

当年的软件界还时髦过第四代语言和CASE tools呢，结果后来证明根本行不通。为啥，因为复杂度简单了没事，一旦复杂度上去，变数也就急剧上去了，就不是简单的逻辑和业务知识能处理的了，于是还得回到第三代语言完事。

因此我看老酒的这个大数据，早晚也是这个命。不过老酒要是善于忽悠的话，倒是个很好的机会。

老兵帅客

MacArthur 发表于 2016-1-26 10:02
“BIG DATA”正在慢慢被这帮人给玩臭了。。。

利用CEO们对于技术上最新潮词又恨又怕又不得不装得很in的 ...

公开诳人啊。

老兵帅客

煮酒正熟 发表于 2016-1-26 10:03
以我个人在我们公司成立21个月的Data Science （数据科学）部门的观感来说，在大数据/数据科学这一行里， ...

有一个问题你没考虑到，那就是各种因素的相关影响。这个问题在数据简单的时候，比较容易根据经验来处理，但是随着复杂度上去，很难说到底因果之间是什么关系了。

因此，即使人性没有缺点，没有自私保守和狂傲，也一样不可能解决这个问题。

大数据最好的一面是只有数据量大，最坏的一面是随着数据量的增长，复杂度也上去了。前者可以通过硬件投资来解决，而后者无解。

在软件开发这个领域，这个问题是一直存在而且没什么好办法解决的，这就是为什么软件开发的基本原则之一就是大问题分解成一堆小问题，分而治之。但是这个分解必须是各个部分之间关系明确的，否则就是在找倒霉。因此，大数据的复杂度问题就像软件工程里面的CASE TOOLS复杂度一样，会把泡沫弄破滴。