。。。

liucescs

flybuyking 发表于 2016-12-24 09:56
热火朝天还往里扎？
跟无人机一样，快热快冷

没关系呀，冷了大不了回头继续做dev 呗，永远不尝试新东西不是永远没有变化么。

martincc2013

我就是da 现在也想做ds,在自学python 有机会的shout一声呗

martincc2013

恭喜

slau1

潛力貼 打個卡

iami_returns

heroxk 发表于 2016-12-23 21:26
谢谢。

说的一点都没错。

人才  恭喜

heroxk

liucescs 发表于 2016-12-24 12:13
没关系呀，冷了大不了回头继续做dev 呗，永远不尝试新东西不是永远没有变化么。 ...

是啊，退一步不行的话，再做回Dev或者DevOps这种，澳洲市场需求还是比较强劲的。

生命就在于折腾

heroxk

martincc2013 发表于 2016-12-24 21:57
我就是da 现在也想做ds,在自学python 有机会的shout一声呗

一起加油！

heroxk

Gaucho 发表于 2016-12-23 22:44
只要市场上DS的入门门槛限定在PhD上，这个市场竞争永远不会过于激烈，毕竟学术界能让发ＰＡＰＥＲ的空间 ...

以后还要多向前辈请教，前辈在别的帖子里的关于DS职业的评论，我可是看了很多遍。

mu_yi

恭喜楼主

wanshibugong

恭喜！

audreamer

恭喜LZ,！

我记得楼主以前刚毕业的时候导师给了你一个Level B的tenure职位，能不能说说从学术圈转到工业圈的原因？

heroxk

audreamer 发表于 2017-2-4 16:14
恭喜LZ,！

我记得楼主以前刚毕业的时候导师给了你一个Level B的tenure职位，能不能说说从学术圈转到工业圈 ...

谢谢。

没有吧，我刚毕业的时候导师给的是Research fellow。还有就是CMU等美国大学的postdoc offer，那个钱很少，而且家庭原因，当时也不允许。

没有选择走科研的道路有很多原因，PhD的导师虽然很看重我，但是导师还不够牛，混学术的话说实话我已经输在起跑线上。我们组发文章被打压，拿funding被卡，次数多到让我们变得麻木了。

再次，本人性格和做科研相冲突，我的特点是全面，涉猎广泛，而做科研的特点恰恰是一个很狭窄的课题上钻研的特别深。科研要能沉的下心，坐的住。而我恰恰心思比较散，坐不住。我PhD其实读的还是比较轻松的，毕业时十几篇一作的文章，中国教育部的奖拿了，学校Best PhD奖拿了，IEEE的奖也拿了。但是说实话，PhD的经历总体感觉还是蛮无聊的，科研课题之外的很多自己捣鼓的东西被导师称作歪门邪道。而恰恰正是这些个外门邪道，帮我毕业后很轻松地找到业界的工作。

其实我现在如果想回学术界也不是什么难事，Research也没断，16年还发了一篇ACM Transaction的文章。不过这样业余搞搞蛮好的，不为发文章而发文章，不为生存而发文章。

我没什么远大目标，就是想到各个领域去走走瞧瞧，挑战一下自己，看看自己能不能站稳脚跟。老了退休了以后，希望留下一段段丰富多彩的人生经历和回忆。

whoisit

楼主数学，统计应该很好吧，是phd么？

heroxk

whoisit 发表于 2017-2-4 18:13
楼主数学，统计应该很好吧，是phd么？

http://www.oursteps.com.au/bbs/f ... 75&pid=28225269

yuanzhaoqing

恭喜

audreamer

heroxk 发表于 2017-2-4 17:46
谢谢。

没有吧，我刚毕业的时候导师给的是Research fellow。还有就是CMU等美国大学的postdoc offer，那 ...

楼主牛人啊，PhD期间能发表十几篇一作的文章，太强大了。

你这样的人才不在学术界太可惜了，就凭你发表的这些文章入8大拿一个tenure教职应该没有任何难度。

heroxk

audreamer 发表于 2017-2-4 21:35
楼主牛人啊，PhD期间能发表十几篇一作的文章，太强大了。

你这样的人才不在学术界太可惜了，就凭你发表 ...

8大tenure教职还是比较难的，不只要publication，还要funding之类的比如DECRA才保险。而且有关系的老板不可能放过的这种机会，都是各显神通，拼命塞自己的嫡系进去。

而且就算搞一个tenure的lecturer，也只能算是刚上岸，往后申请funding、晋升，路很长，竞争一样残酷。

如果有后台、有大牛捧，轻松容易多了。没有的话，困难重重。我见过有phd第一年毕业APD，第二年Queen Elithabeth fellow，第三年future fellow，5年做到acting head of school的。朝中有没有人，差别太大了。

同样都是打魂斗罗，看上去一样的游戏一样的难度，有人是3条命，有人是30条命。

audreamer

heroxk 发表于 2017-2-5 12:09
8大tenure教职还是比较难的，不只要publication，还要funding之类的比如DECRA才保险。而且有关系的老板不 ...

原来进8大都是关系户来的啊，难怪这几年在国际上的排名越来越后了。记得之前都在50名之前，这几年都被挤到50名后了。

heroxk

audreamer 发表于 2017-2-5 15:32
原来进8大都是关系户来的啊，难怪这几年在国际上的排名越来越后了。记得之前都在50名之前，这几年都被挤 ...

不是8大都是关系户。是在澳洲混学术界，普遍讲究背景和出生，在关系网当中的，能讨很大的巧。从一定程度上来说并不是十分公平。举个极端的例子，一篇文章，你ANU大牛写出来的可能就轻松上顶级期刊，同样的文章你挂越南一不知名大学一不知名的课题组交上去，可能reviewer不会多看两眼就调点小毛小病直接杀掉。很多研究领域都已经是占山为王，欺生现象很普遍。

相比之下，Industry要相对公平的多。

sam_sam

恭喜楼主！devops就是个过度职业，迟早得转行。
向你看齐。

tina50

恭喜恭喜！

whoisit

liucescs 发表于 2016-12-23 22:24
谢谢回复，我只有个比较鸡肋的 Master of Information Technology，自知目前去找这方面的工作肯定碰壁。
...

我之前也很你一样想转Data Science，但这玩意对数学统计要求太高了。编程的话你会一门后再学新的一门就10几天的事，机器学习的数学没有两年的时间连题目都看不懂，搞网页开发零基础可能学习半年就可以找工作了。数学课随便一门linear models难度就能抵10门编程课。如果是为了钱的话，说实话senior developer也能有个11，12万，data scientist phd可能15万左右，差了个两三万差别真心不大，为了多个两三万把4，5年精力投进去性价比太差,有这个精力都可以做senior developer，还轻松。Data Science这行很讲究phd文凭，没有phd基本进不去，只有master的话就是做些清洗数据data engineer的活，和developer差别不大。当然如果你就是对data science很有兴趣，那就像之前论坛那个程序员兄弟一样横下心读个phd。如果只是觉得data scientist高大上想转，那最后很可能就是赔了时间又折钱

whoisit

heroxk 发表于 2017-2-4 18:19
http://www.oursteps.com.au/bbs/forum.php?mod=redirect&goto=findpost&ptid=1278575&pid=28225269

请教楼主一下，现在machine learning好像可以做蛋白质结构预测什么的，您对这方面有研究吗？
我现在是就是一个码农，但我的梦想就是做蛋白质研究，准备工作稳定下来后就part time一个biochemistry degree，感觉一些数学课比如convex optimisation， Bayesian inference， multivariate statistics应该非常有用，想请教下您的看法，谢谢

heroxk

whoisit 发表于 2017-2-5 21:16
我之前也很你一样想转Data Science，但这玩意对数学统计要求太高了。编程的话你会一门后再学新的一门就10 ...

对数学统计的确有要求，编程要求也不低。如果太好转行的话，这个行业反而会失去壁垒和门槛。一个没有门槛的工作，前途不会太明朗。DS招聘目前感觉的确是优先考虑PhD，我刚入职，组里的DS基本都是PhD。

heroxk

whoisit 发表于 2017-2-5 21:22
请教楼主一下，现在machine learning好像可以做蛋白质结构预测什么的，您对这方面有研究吗？
我现在是就 ...

我本人不是研究这个方向的。我知道有用ML做基因的，bioinformatics，墨大Justin那个组，在澳洲也算是大牛了。你可以关注一下。

whoisit

heroxk 发表于 2017-2-5 22:05
对数学统计的确有要求，编程要求也不低。如果太好转行的话，这个行业反而会失去壁垒和门槛。一个没有门槛 ...

是的，现在太多人零基础学个html, css, javascript几个月就找front end developer工作，其实真正cs做software engineer还是得投入个两三年时间学习的。web developer这种门槛低，什么人都可以转的确实坐久以后瓶颈就出来了。编程和数学比起来就是小儿科了，我大学也学了基本的数学课微积分，概率论，线性代数什么的，感觉还不是很难，分数都很理想。到了数理统计，回归分析就有点抽象了，但多花时间最后还是可以学好的。编程就完全可以自学其实了，数学统计这个自学不了。
其实我觉得20岁的话选择data science非常有前途，国内需求量越来越大，一路读到phd,27,28岁就熬出头了。不像一般想转的程序员如果要再读四年phd就30多了，家庭房贷什么的这些都是负担。
顺便再请教楼主下，phd可以part time读吗？我准备边工边读再读个biology bachelor honour degree，然后看看能不能读个phd。phd是不是好像有个限制说不能工作超过多少来着？

我这四年2009

恭喜恭喜

heroxk

whoisit 发表于 2017-2-6 00:14
是的，现在太多人零基础学个html, css, javascript几个月就找front end developer工作，其实真正cs做soft ...

读PhD当时都不是冲着data science去的，因为当时就没有这个概念。正所谓没有期望就没有失望。现在开始有大批量的为了入行而去读的data science，到时候毕业的时候，面对海量的竞争者而无法入行，不知道会不会有挫败感。

Part time读PhD可以的，大概需要8年，可以找导师谈一下，如果不要奖学金的话，应该成绩要求也不会太苛刻。

nicolas_7608

楼主可以详细解释下Markov model 怎么工作的么？还有就是cnn 神经网络 反向传播怎么工作的。谢谢。

heroxk

nicolas_7608 发表于 2017-9-7 22:34
楼主可以详细解释下Markov model 怎么工作的么？还有就是cnn 神经网络 反向传播怎么工作的。谢谢。 ...

这里我只能简单的说一下

MM基本就是一个带时序的概率估算问题。用t-1时间事件发生的概率，乘以转换矩阵，算出t时间事件发生的概率。再这么一层层的推到t+1。

CNN主要是用于多维数据，比如图像，原理和信号中的convolution操作比较类似，convolution就是两个signal在时域，一个signal固定，另一个signal从负无穷到正无穷走一遍。把每个位移点两个信号重叠的面积记录下来，就是convolution。同理，CNN就是用原始图像固定，另一个signal就是一个filter，将图像扫一遍。扫出来的乘积就是hidden unit的值，又叫feature map，或者network code。最后通过一个fully connected layer，变成classification问题，设法让loss最小，和普通的Neural Net一个道理

反向传播解决的问题是，一般loss只有在output层才能计算出，用feed foward，那怎么才能在hidden层度量这个loss？算不出loss就没有办法做gradient descend来计算最佳的weight。所以就出了BP，就是将最后的loss，乘以一个最后hidden layer到output层的weight。我的理解是，loss是按weight进行线性累加的。这样，一层一层地回推出每一层的每一个hidden unit和每个input方向上的loss。那个求gradient的式子是X_t * (Loss * W_t)，就是这个意思，X_t是输入，Loss是上层的误差，W是当前的weight。当然，如果有activation function的话，还要乘以这个function的derivative。这样就可以做GD了。

具体你还要多看看资料。