logo
Redian新闻
>未名空间
>DataSciences - 数据科学
>
请各位大牛科普一些这个数据科学领域的行情，给点建议
avatar
请各位大牛科普一些这个数据科学领域的行情，给点建议# DataSciences - 数据科学
a*7
1 楼
【 以下文字转载自 WaterWorld 讨论区 】
发信人: airdragon77 (仍然自由自我永远高唱我歌), 信区: WaterWorld
标 题: 为什么OCEF有百万余款，仍然需要募捐
发信站: BBS 未名空间站 (Mon Apr 22 01:06:32 2013, 美东)
这个问题之前在版上好几个楼里回答过：
在这个楼里回答一下关于OCEF的问题
http://www.mitbbs.com/article_t/WaterWorld/1863113.html
这个ABCDEF基金有百万余款，咋经常看到为几百美元项目要钱？
http://www.mitbbs.com/article_t1/WaterWorld/1864171_0_1.html
刚刚看见有个无聊人发了个无聊贴，觉得有必要单独开贴回答一下这个问题。 我知道
有些人永远不会看我的解释，或者看完之后换个时间换个贴子依然会传播同样的流言；
不过，这样的人总归是少数。
这个问题在ocef官网上有回答
http://ocef.org/media-center/faq/2010-02-20-21-02-51
13. 为什么年度工作报告显示一笔很大的现金余额？
基金会以前的规划指定将当年的捐款在下一年使用，每年结余的非指定用途捐款进入长
期发展基金。由于近几年基金会捐款增加的速度已超过项目扩张的速度，基金会指定了
关于资金使用的新规定。除非特别指定，基金会收到的款项，不限多长时间用完。基金
会将向捐赠人澄清（或说明) 这一新规定。
近两三年来基金会捐款余额迅速增加主要有两个原因：
1）助学金一旦开始资助一个学生需要持续，长则9年，短的也要5-6年，高中奖学金也
是需要2-3年。为了避免2008年金融危机对既有资助学生的影响，2009－2011年暂停了3
年的资助新申请。
2）同时中国义务教育的推行导致我们资助政策的调整。从2009年开始，中小学的助学
金停止了3年的新申请。中小学助学金一年的资助款近130万RMB，所以支出明显缩水。
实际上募捐收入并没有因为金融危机的关系而减少，反倒有稳定增加。支出减少，收入
增加，再加上以前每年基金会要预留一笔基金，用作储备，所以出现了目前的累积款。
如果说OCEF的目标是单纯地花钱，那么贵州织金一个地方，我们就可以轻而易举花掉60
~100万RMB，翻新教室，建造操场围墙，购买计算机和图书等等。OCEF长期以来非常重
视每一笔捐款能用对地方，所以投入了很多的人力做监察和后续工作。我们不希望看到
建好的学校没有好好使用，图书室没有对学生开放，甚至给学生的补助被其他人侵吞。
要确保每一笔钱都用对地方，需要义工，协调员，监察员，地方老师和学生的多方配合
。OCEF希望尽自己的全力来做捐款利用的最大化。
今年根据银行存款的现状，理事会已经决定扩大资助规模，2012年秋季已经重新开始了
高中学生的新申请。中国事务目前正在规划未来三年的项目执行计划，预计明年起增加
中小学助学金的新申请。同时OCEF也在积极开展综合资助项目比如硬件改善，教师培训
，阅读指导，健康教育和技能教育等等。 为了更好地开发新的资助项目，OCEF不断地
在积极招募一线义工，希望有更多的志愿者加入，帮我们实施和监督资助项目。接下来
，也会开始建立OCEF资产管理方面的职能组，更有效地提高资金使用效率。
－－－－－－－－－－－－－－－－－－－－－－
另外，我再补充一些数字
发信人: airdragon77 (仍然自由自我永远高唱我歌), 信区: WaterWorld
标 题: Re: 这个ABCDEF基金有百万余款，咋经常看到为几百美元项目要钱
发信站: BBS 未名空间站 (Thu Apr 4 20:45:42 2013, 美东)
2011年是98万左右； 听说去年收入跟支出大概相抵（正式数字还没看到，应该快了）
，所以这个数字应该不会有大的变动。
其实这个数字看起来多，真花起来也不经花。给你看一组别的义工刚给我发的数字：
2007 2008 2009 2010 2011
总开支 (excluding earthquake pass-through funds) $276,795.55 $448,959.
61 $385,713.12 $221,202.35 $272,138.76
可以看到，从美国经济危机之后，ocef缩减项目，节省开支； 从2008年的44万到2010
年的22万，砍了一半； 2011年看到捐款没太受影响，开始增加项目，但是为了安全起
见，新项目的增加很谨慎； 2012年的支出，听说是40万左右，几乎达到2008年的水平
； 2013年的预算是50多万 －－ 如果捐款保持40万的水平的话，deficiency是十几万
，存款只能支撑五到六年。
avatar
m*o
2 楼
我说的大白话，看这个帖子的女性同胞一定要自己挣钱，无论你男人多有钱，跟你说那都是他的，他可能心血来潮觉得你用他的钱，他养你就好，其实不行，真的，你后面自己发现了，时间是檢驗事实的唯一标准。我以过来人的额经验告诉你。
我老公不是富豪也还算是经济来源稳定，当初是他先来美国的，我在国内上班支持他，他拿到绿卡了我跟着也就过来了，刚开始他抱着我跟我说亲爱的，我们终于熬过来了，以后你在家负责收钱就好，外面交給他，我一听多好啊，有个男人跟你说这样的话，我就说好啊。于是我就开始了我的全职家庭主妇生涯，起初好啊我是很享受的，国内的朋友还说我终于熬出头了。但是过几年也就前一两年开始吧，我老公事业越来与顺，脾气开始变得越来越乖，有时候我多说一两句话就骂我，说我整天呆在家里什么都不知道什么也不干话还这么多。这样的话越说越频繁，现在我还隐隐发现他外面有人了。但是我却是脱离社会很久了，也不知道怎么办好，底气不足。我在想要不要重新出去工作，融入这个社会，甚至离开我老公。
avatar
t*0
3 楼
各位大牛好。小弟有向这个领域转的打算，请大侠们给我一些建议。
我的背景是ECE范畴的，读书时候研究领域比较偏门（交叉了嵌入式和Machine
learning），好处是可以水一堆交叉学科的paper，坏处就是工业界基本不作这种东西。
毕业后，我找了一个软件（专业软件，不是互联网）的职位做着不到一年，天天debug。
小弟不是CS科班出身，算法数据结构之类的不扎实，也没刷过题。但是自认为还算是
Machine learning这个领域的人，比方说：
（1）长期接触过SVM，K-Mean,以及多种神经网络（包括CNN）；
（2）为了深刻理解某个算法，数学推到什么的自己也都做过；为了实现嵌入式系统，
对于算法里的加减乘除的细节都是很在意，不仅仅是用现成的solver。
但是，我感觉自身明显的（可能）劣势就是：
（1）和CS背景的人比，我只用C++和Matlab实现算法，不会Python和Java，也没很多很
fancy的应用；
（2）和统计背景的人比，数学又比人家差好多，理论水平不高；
（3）和Data的人比：没有接触过主流的数据集，没有熟练运用过那么多的工具或者
solver；
以上是我自己胡思乱想，其实我对业界大环境一无所知，身边的朋友也都不是Machine
learning这一行的，所以这方面的信息非常少。所以想请大侠们指点迷津，业界
Machine learning的工作有哪些主流种类？我这种情况适合向什么方向努力？
avatar
a*7
4 楼
发信人: airdragon77 (仍然自由自我永远高唱我歌), 信区: WaterWorld
标 题: Re: 为什么OCEF有百万余款，仍然需要募捐
发信站: BBS 未名空间站 (Mon Apr 22 11:21:06 2013, 美东)
多谢两位帮忙顶贴。刚刚想起来还有一个相关的贴子，是有人质疑，这百万余款会不会
被挪用、拆借、投资等，我跟另外一个id（这个id我不认识，不知道是否前义工？）做
的回答。
发信人: airdragon77 (仍然自由自我永远高唱我歌), 信区: WaterWorld
标 题: Re: 这个ABCDEF基金有百万余款，咋经常看到为几百美元项目要钱
发信站: BBS 未名空间站 (Thu Apr 4 20:38:39 2013, 美东)
这个问题我不是很懂，你说得挺好。
补充一下，我刚刚查了一下2011年的工作报告：
http://www.ocef.org/images/OCEF/annual-reports/2011_ocef_annual
有一笔收入是银行利息 5,056.22， 占总收的1.31%。 考虑到年初净资产是接近90万，
也就是说，利率在0.56%，跟现在银行提供的saving account利率相符。 这个是不是可
以作为旁证，存款没有被挪用。
如果你不满意这个回答，我也可以帮你问问管财务的义工，有没有什么手段监察禁止挪
用。
avatar
t*0
5 楼
各位大牛好。小弟有向这个领域转的打算，请大侠们给我一些建议。
我的背景是ECE范畴的，读书时候研究领域比较偏门（交叉了嵌入式和Machine
learning），好处是可以水一堆交叉学科的paper，坏处就是工业界基本不作这种东西。
毕业后，我找了一个软件（专业软件，不是互联网）的职位做着不到一年，天天debug。
小弟不是CS科班出身，算法数据结构之类的不扎实，也没刷过题。但是自认为还算是
Machine learning这个领域的人，比方说：
（1）长期接触过SVM，K-Mean,以及多种神经网络（包括CNN）；
（2）为了深刻理解某个算法，数学推到什么的自己也都做过；为了实现嵌入式系统，
对于算法里的加减乘除的细节都是很在意，不仅仅是用现成的solver。
但是，我感觉自身明显的（可能）劣势就是：
（1）和CS背景的人比，我只用C++和Matlab实现算法，不会Python和Java，也没很多很
fancy的应用；
（2）和统计背景的人比，数学又比人家差好多，理论水平不高；
（3）和Data的人比：没有接触过主流的数据集，没有熟练运用过那么多的工具或者
solver；
以上是我自己胡思乱想，其实我对业界大环境一无所知，身边的朋友也都不是Machine
learning这一行的，所以这方面的信息非常少。所以想请大侠们指点迷津，业界
Machine learning的工作有哪些主流种类？我这种情况适合向什么方向努力？
avatar
t*0
6 楼
对于非 CS machine learning 科班出身的人来说，求职时最大的障碍莫过于定位。
如果身边的人都是干这一行的，前有师兄的先例，后有同门的交流，自然对big
picture了如指掌，求职与面试自然事半功倍。
所以环境和圈子真的太重要啊　。。。　真的很想找到这样一个圈子
avatar
f*h
7 楼
申申各种职位看看，你这种背景，海投应该有回复，我们这边面试DS，大部分
candidate背景看着强，最简单的题秒挂的一大堆，所以很多时候看的是你在面试时发
挥如何。

西。
debug。

【在 t******0 的大作中提到】
: 各位大牛好。小弟有向这个领域转的打算，请大侠们给我一些建议。
: 我的背景是ECE范畴的，读书时候研究领域比较偏门（交叉了嵌入式和Machine
: learning），好处是可以水一堆交叉学科的paper，坏处就是工业界基本不作这种东西。
: 毕业后，我找了一个软件（专业软件，不是互联网）的职位做着不到一年，天天debug。
: 小弟不是CS科班出身，算法数据结构之类的不扎实，也没刷过题。但是自认为还算是
: Machine learning这个领域的人，比方说：
: （1）长期接触过SVM，K-Mean,以及多种神经网络（包括CNN）；
: （2）为了深刻理解某个算法，数学推到什么的自己也都做过；为了实现嵌入式系统，
: 对于算法里的加减乘除的细节都是很在意，不仅仅是用现成的solver。
: 但是，我感觉自身明显的（可能）劣势就是：
avatar
t*0
8 楼
多谢大侠回复。
以前我帮着一个CS的硕士师弟改简历，结果发现只要和machine learning沾边，各种精
彩的关键词都有，哪怕只是上课接触过一切实验。当时我的内心是崩溃的。。。这就是
CS科班的简历啊，我改不了 ：）
我最近在网上搜了一下，发现有大致几类position（如果说错了，请纠正我）：
（1）Research Scientist
（2）Software Engineer
（3）Data Scientist
（4）Data Analysit
看了（1）的要求（各种strong background in。。。）几乎吓退，虽然说他们问什么
我都一定能说出一些，但是太理论了话，就不行了。这种职位会不会是专门给统计和纯
CS的同学准备的呢？如果想试一下的话，是不是主要考察background knowledge，而不
是刷题？
看了（2）的要求，会有一些具体的项目方向，比如"Computer Vision" 或者 “
Natural Language Processing”, 感觉会问的比较具体，可能也得刷很多题吧？不知
道一般都是什么背景的人去申请这种职位，必须非常对口吗？
很惭愧的说，（3）和（4）我都不太了解，但是感觉用的技术和neural network离得比
较远。。。不知我理解得对不对？

【在 f*****h 的大作中提到】
: 申申各种职位看看，你这种背景，海投应该有回复，我们这边面试DS，大部分
: candidate背景看着强，最简单的题秒挂的一大堆，所以很多时候看的是你在面试时发
: 挥如何。
:
: 西。
: debug。
avatar
f*h
9 楼
放心吧，牛人是极少极少的，绝大多数candidate看着简历牛，秒挂的不要太多，那些
所谓requirements，看作wish list比较合适，你就海投，然后按照posting准备。


: 多谢大侠回复。

: 以前我帮着一个CS的硕士师弟改简历，结果发现只要和machine learning沾边，
各种精

: 彩的关键词都有，哪怕只是上课接触过一切实验。当时我的内心是崩溃的。。。
这就是

: CS科班的简历啊，我改不了 ：）

: 我最近在网上搜了一下，发现有大致几类position（如果说错了，请纠正我）：

: （1）Research Scientist

: （2）Software Engineer

: （3）Data Scientist

: （4）Data Analysit

: 看了（1）的要求（各种strong background in。。。）几乎吓退，虽然说他们
问什么



【在 t******0 的大作中提到】
: 多谢大侠回复。
: 以前我帮着一个CS的硕士师弟改简历，结果发现只要和machine learning沾边，各种精
: 彩的关键词都有，哪怕只是上课接触过一切实验。当时我的内心是崩溃的。。。这就是
: CS科班的简历啊，我改不了 ：）
: 我最近在网上搜了一下，发现有大致几类position（如果说错了，请纠正我）：
: （1）Research Scientist
: （2）Software Engineer
: （3）Data Scientist
: （4）Data Analysit
: 看了（1）的要求（各种strong background in。。。）几乎吓退，虽然说他们问什么
avatar
d*n
10 楼
其实我们这里有三种接近的位置，一种是data scientist，工作就是分析业务数据提出
新的增长点和优化方向，一种是big data engineer，就是具体实现的，还有一种我觉
得才是真的做研究，那就是做实验发paper那种。
我看你描述的和3比较接近。那样其实只要专就可以了。例如你说你做cnn，那就把深度
学习那套吃透就好了，最好有几篇像样的paper介绍自己用deep learning做了些啥。
至于你说看到cs科班的简历，我看多数是2，其实走那条路也不是不可以，但就可能不
止是和算法打交道了。

西。
debug。

【在 t******0 的大作中提到】
: 各位大牛好。小弟有向这个领域转的打算，请大侠们给我一些建议。
: 我的背景是ECE范畴的，读书时候研究领域比较偏门（交叉了嵌入式和Machine
: learning），好处是可以水一堆交叉学科的paper，坏处就是工业界基本不作这种东西。
: 毕业后，我找了一个软件（专业软件，不是互联网）的职位做着不到一年，天天debug。
: 小弟不是CS科班出身，算法数据结构之类的不扎实，也没刷过题。但是自认为还算是
: Machine learning这个领域的人，比方说：
: （1）长期接触过SVM，K-Mean,以及多种神经网络（包括CNN）；
: （2）为了深刻理解某个算法，数学推到什么的自己也都做过；为了实现嵌入式系统，
: 对于算法里的加减乘除的细节都是很在意，不仅仅是用现成的solver。
: 但是，我感觉自身明显的（可能）劣势就是：
avatar
t*0
11 楼
多谢大侠指点：）
因为以前做的是嵌入式系统，所以一大半经历是放在硬件实现上的。
对于CNN或者顶层算法，我目前只能说我了解这种现成的技术并且熟悉它内部的操作细
节和过程，对于数学，我也不是专家，只是大概明白“OK是这么回事，LeCun好聪明啊
” 而已，在算法上我是没有贡献的，所以没有发表过这种paper。
但是我在ICPR（感觉级别有点。。。）上水过一篇算法的paper，是假装用仿生的神经
元模型构造DNN，识别效果不好，但我argue这是proof of concept 。。。本来想多花
些时间玩一玩主流的ＣＮＮ，但是professor认为我们ECE的人没有优势，所以必须弄出
一些奇怪的neural network。可是paper发了以后，跟任何interviewer介绍我的work时
，人家都表示听不懂也没兴趣。。。
所以我的科研经历，在这里是不是根本借不上力啊？我是不是应该在简历里少写一些硬
件实现和仿生神经网络，而换成业界常用的热词呢？虽然没有发表主流的CNN和DNN方面
的paper，但是我科研过程中走弯路的时候运气很好地研究过CNN，那么现在我自己利用
现成的framework做一些小project或者实验，会不会让看简历的人感觉好一些呢？
如果我的科研经历借不上力的话，我是不是只能走2这条路了？

【在 d****n 的大作中提到】
: 其实我们这里有三种接近的位置，一种是data scientist，工作就是分析业务数据提出
: 新的增长点和优化方向，一种是big data engineer，就是具体实现的，还有一种我觉
: 得才是真的做研究，那就是做实验发paper那种。
: 我看你描述的和3比较接近。那样其实只要专就可以了。例如你说你做cnn，那就把深度
: 学习那套吃透就好了，最好有几篇像样的paper介绍自己用deep learning做了些啥。
: 至于你说看到cs科班的简历，我看多数是2，其实走那条路也不是不可以，但就可能不
: 止是和算法打交道了。
:
: 西。
: debug。
avatar
A*n
12 楼
感觉背景强的可以做比data analyst更复杂的工作，data analyst什么背景的都能做。
签名：
这个是材料博士后转行来的，在亚马逊做data analyst,发工作日常code (主要是R,
SQL, 以后会发Python)， 可参考，亚马逊提供内推。
http://everydayds.com/
相关阅读
Data Scientist Phone Interview preparation (转载)讲座： SQL Server 2016 new features in SSASNY Lead Data Scientist, Finance Credit识别物体的算法请问Oracle DBA前景怎么样请问为什么有的data analyst的工作要求会用excel呢？急，跪求答案 (moving avg using spark dataframe window functions)有人了解rkhs的相关理论吗？Principal data analyst position @ Minneapolis (转载)免费视频分享－BI 工作实用项目训练－DataAnalyst免费讲座Azure SQL Database一点小感慨给各位转行DS的打打气兼选offer求建议MSBI 2012 优秀的 SSRS class Health Care Reportingmachine learning的软件包【DHS 回信了 ！！！】 OPT STEM Extension (转载)西雅图数据科学DS群——微信群湾区数科MS求职找公司做project求建议是否转Data Analyst求职转行短平快 one good option: training on BI SAS Informatica ETL SQL Server SSIS SSRS SSAS Cognos etc
logo
联系我们隐私协议©2024 redian.news
Redian新闻
Redian.news刊载任何文章，不代表同意其说法或描述，仅为提供更多信息，也不构成任何建议。文章信息的合法性及真实性由其作者负责，与Redian.news及其运营公司无关。欢迎投稿，如发现稿件侵权，或作者不愿在本网发表文章，请版权拥有者通知本网处理。