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
在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12