更新時間：2024-10-06 16:12:24作者：留學之路
一、Data Scientist(數據科學家)
數據科學家這個聽起來是個很高大上的工作，事實上確實有做比較復雜有意思的工作，但也有些許公司，工作崗位叫“Data Scientist”的工作內容其實并沒有那么高大上，大概就是以前一個簡單的工作，改個名字就高大上了，求職者在市場上找類似的工作要仔細辨別。
偏Research 的Data Scientist都會要求有PhD。其他接受本科及碩士的大部分是做偏應用，模型應用的。
應用的Data Scientist崗位需要人有business sense，會提出問題，有扎實的統計和編程基礎，還要會講故事說服公司決策者。
在北美要找工作的話，規劃好的話本科畢業也能找到，也有人讀完碩士說不好找很久才上岸。我本科在北美一所公立，我周圍的朋友也有進了Facebook，Google等科技公司的，他們路線一般都是大二大三都在實習，然后拿到return offer畢業之后直接去的。
二、Data Mining Engineer(數據挖掘工程師)
這個也是一個比較應用的工作，要求申請者會相應的data mining算法，從logistics regression，decision tree，random forest， SVM，clustering到一些deep learning 的CNN RNN各種算法都要了解。
常用的編程軟件是Python，Java等。很多python里 DL，NLP的包還是比較好用的，需要熟悉這些包的使用。
此類崗位要求還是算高的，方方面面統計的理論基礎要扎實，前沿的ML，DL算法要懂，要對數據敏感，會提出問題并從data中找到答案。
一般都需要一定時間的相關工作經驗。
三、Financial Quantitative Analyst(定量分析師)
這也是一個偏應用的崗位，通常也是要求會講故事，基礎扎實，會提取信息等能力。和前面Data Scientist有一些方面類似，不過從科技商業場景轉到金融相關場景。
金融建模，然后分析模型進行投資。然后這個統計知識要求不是特別高，但是要求金融，宏觀經濟知識。
四、Machine Learning Engineer(機器學習算法工程師)
從名字可以看出這是一個集開發模型，調試，優化于一體的工作。需要扎實的機器學習理論基礎。