京公网安备 11010802034615号
经营许可证编号:京B2-20210330
不到两年,他是如何从外行进阶到参与Google人工智能项目
这篇访谈稿采访到成文用时约三周的时间,虽然对今天的这位嘉宾认识不深,但是你会发现从他的字里行间满满的谦恭,对知识的渴求,和自己进步的鞭策。
榜眼初相识
吴*天
2017年12月
CDALevel II大数据分析榜眼
北理工数学系毕业,是不折不扣的理工科学生,毕业以后也像很多人一样,面临着就业的选择。尤其是在选择数据作为自己从业之路的阶段,也曾有着困惑、疑虑、顿悟和坚持。
数据分析之路的风雨兼程
当问到他在选择数据分析有哪些记忆深刻的工作经历时,他若有所思的回忆到:
说到记忆深刻的工作经历,其实从选择数据分析之路开始,就是一路的披荆斩棘,一路的风雨兼程。
从SPSS到R,从Python到Scala,从MapReduce到Spark,可以说每个阶段学习与工作,每个阶段所遭遇的困难与阻碍,以及最终的收获,都令人记忆犹新。
因此对我而言,印象深刻的并不是工作经历,而是在选择数据作为自己从业之路的那个阶段,自己的困惑、疑虑、顿悟和坚持。
因为择业对我而言不是混口饭吃,我希望自己所从事的行业能最终成为我的人生方向。
在这个过程中,CDA给了巨大的帮助。
应对工作变动的最好心态是空杯学习
交谈中我发现,他的谦逊和学习的空杯心态正是每个CDA学员,每个CDA人,甚至每个正在工作岗位奋斗的人都应当学习借鉴并且欠缺的。
在CDA毕业以后,先是在成都数联益康科技有限公司任数据分析师、大数据分析师等职,早些时候主要从事算法研发的工作,后期由于公司业务需要,工作的重心转向了分布式集群架构及分布式算法执行等相关工作。
在这家公司虽然有变动,但是也是因为这些变动让我变得更懂得学习的空杯心态,逐步让自己提升。
正是因为之前的积累,目前,很荣幸的参与到谷歌的一项人工智能项目当中,暂时处在一个学习和提升的阶段。
学习这件小事
他说,和CDA的结缘是因为学习,因求学与CDA相识,并到现在的互相信任彼此扶持。
其实我同时也是CDA数据分析师脱产班第四期学员。
如果说大学教育为我打下了一个扎实的知识基础,那么CDA课程的学习,才真正帮我奠定了一个完整的数据分析知识理论框架及方法论,这套理论框架和方法论,在我日后的各个学习和工作阶段,都给我提供了莫大的帮助。
其实参与CDA的考试,本质上是出于对CDA数据分析师品牌的认可,相信CDA考试的质量及其社会认可度。下个阶段,我想在技术上寻求进一步的突破和发展,将暂时离开大数据架构及分析这套技术框架,投身人工智能领域,而参加一场考试作为技术实力的验证与证明,最合适不过,外加基于我对CDA的了解与认可,参加CDA LEVEL II考试便是不二之选。
其实我经常会参加一些考试来借此锻炼自身技术,在这些国内的数据分析考试中,CDA的考试质量确实是最高的,在本次考试中也暴露了自身技术上的很多不足,有待后续继续提高。
学习经验和技巧
每个人都有不同的学习方法和学习技巧,但是他的学习方法听完以后,你会觉得不仅仅是逻辑在线,更重要的是学习的思路清晰,贵在坚持。
那么关于学习心得,我的想法是,大数据整个知识体系其实内容非常多,要进行系统性学习的话,除了在要有恒心和毅力之外,最重要的就是要从诸多知识内容中梳理出一条主线。
那对于大数据分析师而言,知识内容的主线应该就是算法原理及其落地实践工具的掌握,机器学习和数据挖掘算法原理是核心,有了一定的算法原理知识后,首先是学习利用菜单式操作的统计工具SPSS进行实践,然后进一步学习利用Python进行算法编程方面实践,最后则是利用spark进行算法的分布式实践,掌握不同工具,实际上最终还是围绕实践算法来逐级展开。
有了学习主线,后面就是按部就班的一部分一部分来进行学习。
2018年6月CDA认证考试官方报名途径
点击“阅读原文”报名
CDA认证考试交流分享
请添加个人微信(微信号:CDAbanzhuren),备注“CDA考试”进群。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA数据分析师 出品 作者:李诗怡 一、数据分析四大思维 1. 对比思维:没有对比就没有分析 核心观点:单独一个数字没有意义,有 ...
2026-10-05Kimball 是方法,星型模型是它产出的形状。 很多人把"Kimball vs 星型模型"当成一道选择题——这本身就是个误会:Kimball 是动词 ...
2026-10-05写在开头 老板在微信上甩来一句: "帮我看下为什么销量跌了。" ” 你回工位,打开 SQL,开始写。查订单表、拉近三个月、按 ...
2026-10-03CDA数据分析师 出品 作者:李诗怡 1. 事实表 vs 维度表 对比维度 事实表 维度表 核心问题 记录“业务发生了什么事” 描述 ...
2026-10-02做数据聚合时,PySpark的groupBy()确实能完成统计,这也是它的本职工作。但它有一个根本性局限:每一组数据,最终只能返回一行 ...
2026-10-01热力地图是数据可视化中极具辨识度与实用性的空间分析图表,结合地理空间维度与数据密度特征,通过颜色深浅、色阶渐变直观展示数 ...
2026-09-30 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-09-30同样是“银行数据岗”,在国有大行总行数据中心、在一家城商行的零售部、在银行系金融科技子公司、在保险公司,工作内容、成长节 ...
2026-09-29在数据分析与统计学研究中,数据往往不是独立存在的,不同变量之间普遍存在相互关联、相互影响的关系。相关性统计分析是挖掘变量 ...
2026-09-29 导读:大多数人只把 dataclasses 当成偷懒工具,用来少写 __init__、__repr__ 这类魔法方法。但它的能力远不止于此。本文带 ...
2026-09-29 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-09-29在MySQL数据库运维与业务开发中,行业普遍存在“数据达到千万级就必须分表”的说法。但在实际生产环境中,千万条数据并不是强制 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 5W1H 分析法 定义:经典系统性思维框架,通过六个核心维度对问题进行全方位拆解与剖析,确 ...
2026-09-28 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 用户标签体系 定义: 通过一系列高度精炼的特征标识,对用户属性、行为与偏好进行量化刻画 ...
2026-09-24Pandas是Python生态中用于表格数据处理的核心库,广泛应用于数据清洗、统计运算、报表输出、数据分析建模等场景。在处理极大数值 ...
2026-09-24随着数字经济快速发展,数据已成为核心生产要素,各行各业的业务沉淀、用户行为、设备运行、市场交易均产生海量数据。数据处理作 ...
2026-09-24 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-09-24在时序数据分析中,大部分业务数据并非持续平稳变化,而是会在某些时间节点出现突然抬升、断崖下跌、趋势反转、波动异变等现象, ...
2026-09-23在统计学与数据分析中,研究多组数据差异最常用的方法为单因素方差分析与事后多重比较。很多数据分析初学者容易混淆两者功能,认 ...
2026-09-23