阿祺 置顶2017-10-24讲得很好，重点很多而且不冗余sweet and short，也为我今后找工作或者创业理清了不少思路。非常感谢分享！ 4
2017-10-31对不同角色的要求清晰地定义了两个job model，给想做数据科学家的同学制定了两个清晰可触达的目标作者回复: 是这样的。
7
2018-10-20好尴尬，我就属于文中的通才。
一方面，能做数据分析，会使用hadoop/hive/spark做数据打点接入、处理建模、出dashbord报表，供老大和产品进行迭代决策；
另一方面，能做简单算法，用spark mllib实现协同过滤/CTR，进行个性化猜你喜欢、相关推荐、发现流排序；
可是我当然不是某一方面精深的专家，文中也提到，从通才到专才很难转变；
那我的职业路子该怎么走~~~继续通才的路子，将来转技术管理吗；还是在我当前接触的推荐领域做到专才呢，期待建议；展开 4
2018-05-25如何在筛选候选人简历的时候，就能够比较准确地了解这位候选人的经历和能力更偏向数据分析还是偏向算法呢？
————————————————————
主要看候选人的所学专业背景（统计相关or计算机相关）
技术背景（分析工具用的多还是算法模型用的多）
工作经历（分析性工作比较多还是研究算法研究提升比较多） 1
2017-12-26请问，有比较好的数据分析的课程（或其他资源）推荐么？突然发现数据分析的相关的理论知识第一次听说。 1
2019-07-16天呐 买了这么久今天终于开始看了。。应该早点看的 太棒了
2019-01-211. 项目经历：
数据分析——统计假设检验建模
算法——了解基本算法，深入理解各个算法的细节，能够提出改进思路
2. 知识贮备
数据分析——传统统计课程：假设检验，试验设计，抽样调查
算法——数据结构
3. 编程实现能力
数据分析——R/Python实现统计模型，了解大数据框架
算法——能编程从底层进行算法实现并进行调整改进展开
2019-01-19通过这一节的阅读和结合我自己的看法，我觉得如果候选人能在一定时间能通过各项运营指标发现其中的问题和落地改善方案，这种候选人偏向数据分析。如果后选人能通过不断优化产品的性能指标，推出更快速准确的数据模型，这种候选人更适合算法类。
目前我还没有正式接触过数据科学的工作，也不是科班生，基本素质和职位背景都需要提升。
2018-10-01很不错👍团队小 就得啥都干。干好了就行，团队大，专人专事，一人一责
2018-09-12数据分析，更偏向产品数据的指标性分析，帮助达到业务目标，往往与产品和运营人员配合；算法建模，更偏向产品某个模块本身，如何挖掘数据背后的规律和价值，提升产品功能，与产品人员深度合作。
2018-04-29因为交叉的职业经历，我是有领域经验的互联网产品经理，也是公司创始人。一方面需要搭建团队，另一方面希望能够成为完美配合数据科学团队的领域专家。关于前者，老师已经说得足够清楚，现在想请教的是关于后者：完美配合数据团队的领域专家的内功心法是什么？场景需求的抽象化？还是什么别的？
2018-01-02「对各个产品领域进行长时间分析数据内涵（Insights）」，这句话不太理解，您能解释一下吗，谢谢