數據科學是最近最火熱的求職方向之一
擁有非常廣泛就業需求
而Machine Learning作為數據科學的核心之一
是數據崗位面試的常考點
那麼，你可知道
︎ 哪些崗位需要機器學習技能？需要掌握到什麼程度？
︎ 機器學習有哪些步驟？
︎ 初學Machine Learning該如何下手？
︎ Google在機器學習領域取得過哪些成就？
︎ 當下最流行的機器學習語言和包有哪些？
︎ 數據方向的職業發展路徑有哪些？
︎ 人工智慧、數據科學、大數據這三者的區別和關聯是什麼？
美東時間本周三7:30PM-8:30PM，BRC邀請谷歌一線工程師，為大家詳細解答上述問題，幫助大家開啟機器學習的大門
講座內容：
What is machine learning
Types of machine learning
Applications of machine learning
Concepts of machine learning
Skills to get a ML-related job
導師簡介：AI工程師，現就職於Google，5年以上數據相關工作經驗，在Big Data, Machine Learning, NLP, System Design方面有豐富的工作經驗和專業背景，擅長語言包括C++, Java, Python等
講座時間：3月6日 7:30-8:30 EST
講座平臺：Gotomeeting
參與方式：掃描下方二維碼
留言【「Google」】即可入群報名參加
BRC求職每天發布最新海內外職位信息
以及在線答疑解惑
添加Alex老師二維碼
可獲得更多資訊
【Data Science Bootcamp – Tableau】
Tableau作為一款BI tool leader, 不僅是倍受歡迎的可視化軟體，還擁有強大的Data connection等功能。現在Tableau也成了檢驗一名數據/BI分析師薪資水平的標準之一，打開一個Data/BI職位申請描述，你很有可能會看到這條要求：
熟悉常用的數據統計和分析方法，熟練使用SQL，Excel，會使用 Tableau 的優先。
想要快速入門Tableau？美東時間 3月2日 8PM-10PM，BRC攜手普華永道審計TMT行業資深數據導師，手把手教大家Data/BI崗位必備技能Tableau，提高崗位契合度和競爭力！
識別下圖二維碼進入報名頁面報名：
Data analyst的一天
一般來說，數據分析師將檢索並收集數據，組織數據並使用它獲得有意義的結論。 「數據分析師的工作取決於他們正在使用的數據類型（銷售，社交媒體，庫存等）以及具體的客戶項目。
幾乎每個行業的公司都聘請數據分析師，從醫療保健提供者到零售店到快餐連鎖店。 數據分析師為組織帶來的洞察力對於想要更多了解其消費者或最終用戶需求的僱主而言可能很有價值。
無論他們從事哪個行業，數據分析師都可以花時間開發系統來收集數據並將他們的發現彙編成報告，以幫助改進他們的公司。
Digital Acumen的創始人兼首席分析官Michael Reddy說：「分析師可以參與分析過程的許多部分。 作為一名數據分析師，你需要能夠勝任所有工作，從建立分析系統到根據收集的數據提供前景分析，甚至可能會要求在數據收集系統中培訓其他人。
現在你已經對數據分析師的工作有了一個基本概念，接下來是作為數據分析師工作中的具體細節。
什麼是一些常見的數據分析師工作職責？
數據分析師扮演著重要角色，因為各公司已開始調整戰略以適應數字經濟變化的格局。 具體的工作職責取決於僱主，但通常的主要職責是相似的。以下是四種最常見的：
1.製作報告
作為一名分析師，你要花費大量時間製作和維護內部報告和面向客戶的報告。 這些報告讓管理層了解即將發生的新趨勢，以及公司可能需要改進的領域。
編寫報告並不像將數字投入空白頁面並將其發送給經理那麼簡單。成功的數據分析師知道如何用數據創造敘事。為了使這些數據有價值，分析師需要將數據轉化為能夠幫助決策者做決定的報告，或者前景分析。
2.發現模式
為了生成那些有意義的報告，數據分析師首先必須能夠看到數據中的重要模式。 在基礎層面，數據分析師通過數據進行前景和趨勢分析，並用以向客戶解釋說明。
定期增加報告，例如每周，每月或每季度都很重要，因為它可以幫助分析師注意到重要的模式。
3.與他人合作
很驚訝看到這一點麼？ 「分析師」這個詞可能會讓你想到一個與公司其他人分開工作的人，但事實遠非如此。作為數據分析師，你的工作職責多種多樣，意味著你要和公司裡的其他部門進行合作
你的成功取決於你與人合作的能力，因為你需要向別人採集研究信息，與需要與公司的同事進行合作，以及你最後需要向別人進行成果展示。
4.收集數據並建立基礎設施
也許分析師的工作最技術性的方面就是收集數據本身。這通常意味著與Web開發人員一起優化數據。
簡化數據收集是數據分析師工作的關鍵。 根據Robert Half的說法，「為數據挖掘開發自動化和可重用的例程」是他們的基本工作職責之一。 分析師在他們的庫中保留了一些專門的軟體和工具來幫助他們實現這一目標。
數據分析師使用哪些工具？
數據分析師依靠各種工具來收集和理解他們的數據。 他們使用專業工具從社交媒體，新聞網站和雜誌高效收集數據，並使用工具對數據進行分類和分類，再將數據可視化以進行報告和演示。
這些是數據分析師的一些常用工具：
Excel
SQL
Google analytics
Visual website optimizer
Google tag manager
Tableau
Google adwords
數據分析師的主要目標是什麼？
所有這些工作職責都會深入到數據分析師的一個主要目標：通過分析數據，我們希望根據他們的戰略目標推動客戶的業務向前發展。
未經適當檢查而收集的數據毫無價值。 數據分析師的真正工作是為公司增值 - 無論是他們自己還是客戶。通過使我們收集到的數據具有指示性並且易於理解，我們為客戶提供額外的價值，幫助他們為其業務做出明智的決策。
數據分析師做了多少？
對你正在考慮的職業的收入潛力感到好奇是很正常的。 好消息是數據職業是當今最需求的職位之一。 而且這種需求具有良好的收入潛力。
根據RobertHalf®Technology的2018年技術專業人員薪酬指南，數據分析師的年薪中位數為62,500美元。但是，與大多數職位一樣，薪酬可以根據經驗和教育水平進行調整。根據薪資指南，入門級數據分析師預計年薪為55,250美元，該領域的最高級別專業人員的收入約為117,000美元。