للمبرمجين والتقدم التقني أكثر بكثير مما يتصور الناس، إذا كنت لا تتبع تقدم العصر، وسوف تقع وراء مرات.

في الواقع، لقد سمعت الكثير من الناس قال لي نفس الشيء. ولكن المفردات من مختلف الناس وقد ذكر الفم مختلفة - بيانات كبيرة، واستخراج البيانات، والتعلم الآلي والذكاء الاصطناعي ...... هذه مفهوم الساخن الحالي هو مختلف، وهناك الصليب، وباختصار، نحن تعزيز مراقبة جيدة من كميات هائلة من البيانات واستخراج المعلومات التقنية القيمة.

البيانات الكبيرة لبناء الخاصة مجموعة التبادل تعلمهم: 740041381، ومجموعة كبيرة تطوير العلوم البيانات، وكبيرة إذا كنت تعلم، وأنت موضع ترحيب للانضمام سلسلة صغيرة، ونحن جميعا تطوير برامج الأطراف، من وقت لآخر لحصة الجافة (فقط برنامج البيانات الكبيرة ذات الصلة بالتنمية)، بما في ذلك المواد المتقدمة جديدة وتطوير متقدمة بيانات كبيرة تعليمي نفسي الانتهاء، مرحبا الخبرة، وتريد الخوض في البيانات الكبيرة شركاء صغير للانضمام.

المبرمجين حريصة على هذه التقنيات، "مبرمج العاديين كيفية الاقتراب من الذكاء الاصطناعي؟" وقضايا أخرى على درجة عالية من القلق. يمكننا أن نرى أيضا في سوق التوظيف، فإن عددا متزايدا من المرشحين الفني سوف يكون التفكير متى الإقلاع عن التدخين، سواء العاملين في المناصب المتعلقة بالعمل.

من البيانات على نقطة منصة 100offer نظر، نسبة كبيرة من البيانات ذات الصلة بعمل دعوة مقابلة في تزايد أيضا.

حاليا، العديد من المرشحين لصالح من البيانات الكبيرة المتعلقة آخر ليس من قبيل الصدفة

تسريع سرعة المعالج، وتستحق من البيانات على نطاق واسع تجهيز التكنولوجيا، مما يسمح لنا لاستخراج معلومات قيمة بسرعة من يصبح البيانات الكبيرة ممكن. وقد اقترحت بضعة عقود مضت خوارزميات الشبكة العصبية في البداية، امتدت القدرة الحاسوبية من الصعب جعل هذه الخوارزميات مكثفة حسابيا للعب دورها المناسب. الآن، ونموذج البيانات على مستوى PB يمكن أيضا أن يتم في وقت قصير التعلم تدريب الجهاز. يجعل كلاينغ تلميذ عميق، IFLYTEK وغيرها من الصور التي تعتمد بدرجة كبيرة على عمق التعلم، شركة التعرف على الكلام هي نتاج التكرار السريع.

التطور السريع لصناعة الإنترنت، فإن الشركة لديها العديد من الآلاف من بيانات المستخدم، كل يريد استغلال هذه الاحتياطيات الغنية من الذهب، وبالتالي، فإن قيمة هائلة من البيانات في مشاريعهم الخاصة في تطبيق سيناريوهات مختلفة - Jingdong، تاوباو وغيرهم من مقدمي الكهربائية الانترنت مع المستخدم صورة جعلت توصيات مخصصة، باي بال، يى شين وغيرها من شركات الإنترنت السيطرة على المخاطر المالية، ديدي، دادا والسفر الآخرين من خلال تحديد المخاطر العالية ميزة السلوك تنفيذ وتوزيع واستخدام بيانات المعاملات التجارية بحيث التسعير في الوقت الحقيقي أرباح تعظيم ......

هناك بعض الشركات، مع تقنيات البيانات الكبيرة لخلق نماذج عمل جديدة - مثل استخدام شخصية خوارزميات توصية المحتوى لا عناوين الصحف اليوم، القليل من المعلومات، مثل دمج كميات هائلة من البيانات من خلال خدمات الرصد والبيانات تفعل القيمة البيعية TalkingData، بطبيعة الحال، هناك بعض الكامنة العمارة دعم مقدمي الخدمات مثل علي سحابة، UCloud كما فتحت مجموعة استضافة، منصة التعلم الآلي وغيرها من الخدمات.

عموما هذه الشركات لبيانات كبيرة، بيانات الطلب ذات الصلة التعدين للمواهب كبيرة جدا، مما أدى إلى النقص النسبي المعروض من المواهب في هذه الصناعة. وهكذا غالبا ما تدفع أعلى نسبيا.

إلى جانب هذه المواقف مقارنة هندسة البرمجيات التقليدية، وهناك أكثر وأكثر صعوبة التحديات من الفضاء، وبطبيعة الحال جذبت المزيد من الناس للدخول في هذا المجال.

في الآونة الأخيرة، من أجل فهم حالة تجنيد البيانات الكبيرة المهندسين المعنيين، قمنا بزيارة العديد من الشركات الكبيرة تحتاج إلى تشديد البيانات المتعلقة بالموظفين والتكنولوجيا وضعهم الراهن التوظيف زعيم دردشة دردشة الأفراد ذوي الصلة.

للمهندسين، وظائف ذات الصلة البيانات الكبيرة يمكن اعتبار ما؟

توظيف مهندسين من وجهة نظر مختلفة، والتعامل مع جوهر بيانات كبيرة جدا وتنقسم المهندسين عادة إلى فئتين

المهندس منصة البيانات الكبيرة / التنمية

تركيزهم هو جمع وتخزين وإدارة البيانات ومعالجتها.

جزئية عادة لتطوير وصيانة البنية التحتية الأساسية، ونحن بحاجة هؤلاء المهندسين لديهم فهم أكثر وضوحا من Hadoop / سبارك البيئة، لفهم تطوير وصيانة المجموعات الموزعة. بناء على دراية NoSQL، فهم ETL، فهم مستودع البيانات وربما الاتصال مع منصة للتعلم آلة ومنصات أخرى لبناء.

بعض المهندسين وتطوير بيانات كبيرة للقيام بهذه المهمة قد تكون أيضا التركيز على طبقة التطبيقات، تدريب المهندسين الخوارزمية لتحقيق نموذج جيدة في منطق طبقة التطبيق، ولكن سيتم تصنيف بعض الشركات على هذا النحو فريق تطوير البرمجيات مهندس بدلا من فريق البيانات الكبيرة.

خوارزميات والبيانات التعدين المهندسين

هذا المهندسين التركيز يكمن في قيمة استخراج البيانات.

وعادة ما يعني استخدام الخوارزميات، والتعلم الآلي، واستخراج البيانات من الكم الهائل من المعلومات القيمة، أو إلى حل مشاكل العمل. في حين أن تكوين المهارات ما شابه ذلك، ولكن في فريق مختلف، وجها مختلفا عن سيناريوهات الأعمال، والخوارزميات ومهندسي التعدين البيانات بحاجة إلى مهارات لديها تأكيدات مختلفة. وبالتالي هذه الفئة يمكن تقسيمها إلى اثنين من الفئات الفرعية:

خوارزمية المهندس

هذه المشاكل التي تواجه الفريق واضحة وهناك عادة أكثر صعوبة، مثل التعرف على الوجه، مثل مخاطر الدفع عبر الإنترنت من اعتراض. هذه القضايا من خلال تعريف واضح وعلى درجة عالية من التجريد، ولكن هناك ما يكفي في حد ذاته أمرا صعبا، المهندسين يحتاج قوة كافية للتركيز على سؤال البحث، هناك ما يكفي من فهم عمق الخوارزميات ذات الصلة لتكون قادرة على نموذج في نهاية المطاف نقل ثم حل المشكلة. عنوان هؤلاء المهندسين عموما "الخوارزمية مهندس."

مهندس تعدين البيانات

بعض التحديات التي تواجه الفريق لا يقتصر على مسائل معينة، وإنما مدى تعقيد منطق الأعمال في الخوارزمية، ومشكلة نموذج، للاستفادة من البيانات الضخمة لحل هذه المشكلة. المهندسين لا يحتاج هذا النوع من المشاكل في الخوارزمية هو استكشاف في عمق بما فيه الكفاية، ولكن يتطلب اتساع كاف والمهارات عبر. انهم بحاجة الى فهم خوارزميات تعلم الآلة المشتركة، ومعرفة إيجابيات وسلبيات مختلف الخوارزميات. في نفس الوقت لديهم أيضا القدرة على سرعة فهم الأعمال، ومعرفة مصدر البيانات، ومكان وجود عملية معالجة البيانات، وعلى درجة عالية من الحساسية. عنوان لمهندس هذه الأغلبية "استخراج البيانات مهندس".

من الزعيم منظور تقني من الاحتياجات من الموظفين، حيث فرص نقل وظيفة؟

ليس زعيم الفني لا يريد أن يكون مجموعة من الرجال النمر. وهم يتطلعون إلى فريق المهندسين قادرون على العمل بشكل مستقل عن بعضها مستدير جميع.

منطق يستند والإنجليزية ونوعية أخرى أمر لا بد منه، وذكية، القدرة على التعلم وحماية مجال للنمو، يحتاج الكمبيوتر أساسا متينا للمستقبل، فمن الأفضل تطوير عمله وضبط مجموعات واسعة النطاق، ومعالجة البيانات أيضا أن تكون على دراية المجموعات، تصنيف، التوصية، NLP، وغيرها المشتركة خوارزمية الشبكة العصبية، إذا كان لتحقيق تطبيقات البيانات قبل، إلى أقصى حد على رأس أفضل ......

آه، هذا هو قلوب زعيم الفني المرشح المثالي للبيانات صورة كبيرة ذات الصلة.

ومع ذلك، إذا كنت تجنيد لإتقان المعيار، وأنا خائفة أن لا فرق كثيرة الحصول عليها. الآن بيانات كبيرة، استخراج البيانات نفسها لم تصل النار بضع سنوات، إذا كنت ترغب في العثور على واحد الذي لديه العديد من سنوات الخبرة في كل مستدير، والصعوبة ليست عالية عموما. في هذه المرحلة، لدينا فهم واضح للزعيم التكنولوجيا.

ومع ذلك، كل مستدير صعوبة في تجنيد، لا يعني أن زعيم سيخفض متطلبات التوظيف. وأنها لن تتسامح مع القتال أثرت على الفريق بأكمله. صعوبات التوظيف الوجه، سيكون لديهم بعض التدابير المقابلة -

لا يمكنك ان تطلب الكمال، ولكنها تتطلب أعضاء الفريق لديهم نقاط القوة الخاصة بهم، يمكن أن تشكل كل معقد

مجرد ذكر، من أجل إيجاد ظروف مختلفة وأهل الخير لمراكز البيانات ذات الصلة كبيرة، من الصعب جدا. وبالتالي سوف زعيم التقنية تكون أكثر واقعية لتجنيد "شخص أكثر ملاءمة" - مواهب امتصاص لها نقاط قوة مختلفة عن المواقف المختلفة.

الأمل الشبكة لتلميذ العميق، على سبيل المثال، وهو حقل رؤية الكمبيوتر الشركات بيانات كبيرة، وكلا الفريقين بحاجة كانت الخوارزمية المواهب بحث شامل حول نموذج التعرف على الصور الخوارزمية لضبط إلى أقصى الحدود، تحتاج أيضا إلى قوة مشروع موهبة قوية يتم تدريب خوارزمية نماذج لتحقيق الأداء العالي في منتجاتها، أو للمساعدة في بناء فريق مجموعة من التقاط صورة الفيديو البيانات، علامة، والتعلم الآلي، الاختبار الآلي، منصة تحقيق المنتج.

للمهندس سابق، وقال انه يحتاج الى معرفة متعمقة الخوارزمية حتى في مجال الحوسبة البصرية لديهم بحوث متعمقة، مهارات البرمجة قد تكون من بعض أضعف، في حين أن مهندس الأخير، إذا كان لديه قدرات قوية والهندسة، وحتى من دون عمق التعلم البحوث خوارزمية متعمقة، فإنه يمكن أن تتخذ بسرعة على عمل المقابلة. كلا الناس بحاجة إلى أن يكون في العمل في تعاون وثيق، والعمل معا على تشجيع الانتاج وتحسين منتجات الشركة.

حتى داخل الفريق خوارزمية من المهندسين، قد تختلف مهارات التركيز بين أعضاء مختلف.

على سبيل المثال، شخصية محتوى منصة معلومات توصية - فريق خوارزمية القليل من المعلومات، وجزء من المهندسين الخوارزمية الأساسية تركز على البحث في مسألة، من أجل حل مشكلة محددة جدا (مثل تم فرز القضايا الورقة التحليل الدلالي، وكيفية تحديد "حزب عنوان "القضايا، وما إلى ذلك)، فإنها تحتاج إلى ديها ما يكفي من فهم عمق، جزء آخر من المهندسين والتركيز على نموذج خوارزمية التطبيق في المنتج، وأنها يجب أن تكون للغاية من الناحية التجارية، مع قدرات تحليلية قوية، ويمكن من مشاكل العمل المعقدة في أشياء شخصية من مشاكل حسابي المشاكل الأعمال التجريدية، وباستخدام النموذج الملائم لحلها. كلا تركيز الأبحاث على خوارزميات الأساسية، وتحليل وتنفيذ التركيز الأعمال، والأعمال التكميلية معا لتعزيز تجربة شخصية توصية المحتوى.

لهذا الأخير، لأنه لا يوجد خوارزمية لمتطلبات القدرة الأساسية من السابق عالية جدا، والقدرة على دفع المزيد من الاهتمام إلى رمز من الناحية التجارية، وبالتالي فإن الفريق يمكن أن تستوعب أكثر ثراء المواهب السياق، مثل المكملات كان مهندس المعرفة المشتركة الخوارزمية، وكذلك على مستوى الدراسات العليا خوارزميات لديها بعض فهم الطلاب المتخرجين.

أرباب العمل من البيانات الكبيرة المتعلقة خبرة المرشح، الخلفية هناك قبول أكبر من الفضاء، الذي يعطي المرشحين غير المصاحب لإدخال البيانات الكبيرة فرصة البيانات الكبيرة، خوارزميات الفريق. في هذه المرحلة، وتمشيط على بينة من مهاراتهم الحالية للفريق الجديد من قيمة مهم جدا، والتي تتمثل في تعزيز قرر فريق جديد لاستيعاب المفتاح الخاص بها.

قد ارتكبت أغنية شيانغ مقدمي خدمة الحوسبة UCloud تعمل الآن في سحابة، على مدى السنوات الأربع أو الخمس الماضية لدراسة نظام الكمبيوتر الأساسي. في بايدو، وقال انه كان لتقديم الدعم لخوارزمية عميقة التعلم، والأجهزة الأمثل والنظام الأساسي، وتسريع سرعة تشغيل خوارزميات تعلم الآلة. أدخل UCloud بداية، والاتجاه البحثي الرئيسي من كلمات شيانغ هو كيفية استخدام GPU تسارع خوادم الحوسبة.

وفي وقت لاحق، مع الأخذ في الاعتبار أكثر وتعتمد المزيد من الشركات على التعلم الآلي، واستخراج البيانات، UCloud نتوقع أن إطلاق التيار متوافق آلة مفتوحة المصدر تعلم نظام أجزاء من الكمية المخصصة، بحيث المهندسين استخدام هذا الجهاز منصة التعلم للتركيز على تدريب النموذج نفسه، بغض النظر عن نموذج نشر، أداء النظام، والتدرجية، والموارد الحاسوبية وغيرها من القضايا.

أغنية شيانغ الخبرة في تحقيق الاستفادة المثلى من النظام الأساسي فقط للعب في هذا العمل، حتى انه أعطيت على الفور مهمة قيادة هذه المنصة لبناء.

دع خوارزمية تشغيل بسرعة كافية إلى الجهاز ليكون قادرا على تقصير تكرار نموذج الوقت، وتسريع عملية النموذج الأمثل. على الأرجح هذا المهندسين خوارزمية وسوء فهم، ولكن كلمات شيانغ يمكن اطلاق العنان لقدراتهم، والاستفادة من الأجهزة والأنظمة الأساسية لتسريع خوارزمية تعلم الآلة.

عندما كمية البيانات التي يحتاج إلى تدريب خاص وقتا كبيرا، مثل عشرات PB الصف T حتى عندما، في نظام توزيع، I / O أو الشبكة قد أصبحت عنق الزجاجة، ومن ثم تحتاج إلى تدخل أنظمة المهندسين لمعرفة كيفية البيانات الأمثل انتقال يسمح I / O زيادة معدل الاستخدام، لمعرفة كيفية تخزين أو استخدام أو HDFS مع مفتاح مخزن القيمة أو التخزين الأخرى التي تمكنك من الحصول بسرعة على البيانات لحساب، أو إذا كنت تستخدم قرص التخزين أو التخزين SSD أو في تخزين -memory. ومن بين هؤلاء، يحتاج المهندسون أنظمة أيضا لتحقيق التوازن في العلاقة بين التكلفة والكفاءة.

ويمكن لنظم المهندسين أيضا تساعدك على تصميم نظام يسمح المهندسين لتقديم خوارزمية المهمة بسرعة، أو بسهولة تدريب نماذج متعددة في نفس الوقت، في محاولة لعدد من المعلمات.

المهندسين نظام جيدة جدا في العمل التسلسلي الأصلي بعد أن يصبح الانقسام العمل المتوازي. على سبيل المثال البيانات يمكن أن يكون ما قبل تعلم الحساب وعمق التزامن، وهلم جرا.

بالإضافة إلى فهم متعمق للنظام الأساسي، وقال انه الآن أيضا فهم الخوارزمية تعلم الآلة. قاد فريق صغير، بالإضافة هناك اثنين من المهندسين النظم، وهناك نوعان من خوارزميات مهندس، وقال انه شجع نوعين من المهندسين لنتعلم من بعضنا البعض وتحسين معا، وذلك لتحقيق أقصى قدر من الكفاءة من الفريق بأكمله. إذا المهندسين نظام لا يفهم الخوارزمية، ونحن قد لا تعرف كيفية تحسين كفاءة الخوارزمية الجري ويجب خوارزمية مهندس ربما فهم نماذج مختلفة على حساب وحدة المعالجة المركزية السرعة، آلة GPU لمساعدتك على تصميم خوارزمية أكثر فعالية.

للمهندسين العاديين يتوقعون البيانات المتعلقة إعادة توجيه كبيرة، الفريق الجديد مرة واحدة قطع من خلال مهارات جيدة خاصة بها، وهناك المزيد من الفرص للتنمية الأفقية، والمساعدة على بناء أكثر قدرة على المنافسة في البيانات الكبيرة المجالات ذات الصلة.

مقارنة مع المستوى الحالي تطلبا المهارة، والمزيد من الاهتمام ووضع أساس متين للنمو

مهما المهندسين، ويأمل أصحاب الأعمال في الحصول على الجودة الشاملة من المواهب، وبدلا من المطالبة من جانب واحد مستوى المهارات الحالي. خاصة بالنسبة للبيانات كبيرة تتعلق مجال توريد السوق الحالي أقل من المعتاد، لدينا لتحقيق شيء من حيث البيانات الكبيرة، خوارزميات المواهب بعد كل شيء، وهم أقلية. مع أساس جيد لمعرفة القراءة والكتابة، ولديه امكانات كبيرة المهندسين شعبية جدا مع الشركات تفضل. ويمكن لهذه المهندسين استخدام القوة الهندسية القائمة لجزء كامل من العمل الأساسي، وبعد 1-- بعد سنتين من التدريب، تولى قضايا أكثر تعقيدا.

يمكننا وضع بيانات كبيرة من المهندسين المعنيين القدرة على نموذج مجردة في الهرم المهارات الأساسية التالية

إنجاز أكثر جزئي في الجزء السفلي من الهرم، والأهم بالنسبة للشركات. Bottommost محو الأمية الأساسية، نيابة عن النمو مستقبلا. التطور السريع الحالية للإنترنت، كل شركة يتم تشغيل إلى الأمام، إذا المهارات الحالية والمهندسين جيد، غرفة محدودة للنمو في المستقبل، قد تصبح عبئا على الشركات.

الكمبيوتر الأساسية إلى المستوى التالي - الخوارزميات وهياكل البيانات الأساسية، ويتقن لغة البرمجة، وتقريبا كل وظيفة مهندس هي القدرة الهامة. والأساس ليس مبرمج الصلبة، قد جعل الشركات تشتبه قدرتهم على التعلم. أساس متين، وسوف إزالة العقبات التي تحول دون تعلم المهارات العملية، فمن الأسهل لإنشاء عمق فهم، ولكن أساس رياضي لخوارزمية لفهم مساعدة مهم جدا.

هذا هو القاع طبقتين تشكل أساسا للموهبة جودة مهندس. إذا كان الأساس الكامن وراء أكثر صلابة، والوقت لإتقان المهارات المطلوبة للطبقة التطبيقات ربما أكثر مما كنا نتوقع أن يكون أقل من ذلك.

نائب رئيس الروحية التكنولوجيا تلميذ شبكة عميقة - ذكر دنغ Yafeng:

لهذا الحقل من المهندسين خوارزمية رؤية الكمبيوتر، ونحن نأمل بالتأكيد لتوظيف سواء في مستوى أو على مستوى التطبيق الأساسي والمهارات من المرشحين الكمال.

ولكن إذا كنت الخوارزميات وهياكل البيانات أقوى، فهم أفضل من لغة البرمجة C ++، هل تعلم على طبقة التطبيق، فإنه قد يكون أسرع بكثير من الآخرين. على سبيل المثال، ودفع 1-2 سنوات في دراسة متعمقة، دفع على مجال المعرفة صورة ستة أشهر إلى سنة ليكون أساسا لفهم.

بعد وقوعها، أكثر اعتمادا الآن على رؤية الكمبيوتر عمق التعلم، واختيار ميزة تعتمد على عتبة مجال المعرفة وينزل، حتى لقد رأيت الكثير من الناس لديهم أساس جيدة، بما في ذلك عدد من الطلاب المتخرجين أساس متين، وتعمل في مجال الصورة بعد ستة أشهر إلى سنة سوف تكون قادرة على الحصول على نتائج جيدة.

وبالنظر إلى كبير توظيف مهندس البيانات، TalkingData تشي يان تاو، نائب الرئيس للتكنولوجيا وكبير العلماء بيانات تشانغ أيضا رأيهم في الصيف:

المهندسين البيانات الكبيرة تعمل TalkingData المهارات سبارك تعتمد كثيرا، ولكن فهم سبارك حد ذاتها ليست صعبة للغاية، وبالتالي سبارك مهارات المرشح بالنسبة لي ليست أقوى نقطة الجذب.

مقارنة سبارك لمعرفة المزيد من الناس، وأنا أفضل أن تجنيد هؤلاء الذين يتعلمون بشكل أفضل في جاوة. لأن واجهة سهلة نسبيا لتعلم شرارة منحنى، ولكن من أجل أن يتقن في جاوة هو شيء صعب للغاية.

إذا كنت تعلم جافا أو C ++ من خلال فهمك لتكنولوجيا الكمبيوتر ليست هي نفسها. هذا هو في الواقع الطريق مشكلة والجراحة.

اثنين الزعيم TalkingData أيضا أن تعطيني مثالا على الفريق المضيف:

تم تسجيلهم في كلية المهندسين الخريجين منذ 14 عاما، فإن الشركة لديها القليل القيام به في خوارزمية توصية، وسوف نكتب Hadoop مابريديوس، ولكن لم يكن لديهم أبحاث معمقة حول البيانات الكبيرة. وكان مهندس المهارات بيانات كبيرة، ولا يمكن تحقيق مستويات التوظيف TalkingData، ولكن لحسن الحظ تفكيره واضح، نظرة على مشكلة لديهم أفكار فريدة خاصة بهم. جنبا إلى جنب جافا مع قاعدة جيدة، على شركة للقيام بأشياء صلبة جدا، لذلك جئت في التجنيد.

هنا، اعترف زعيم اللذين "لحسن الحظ لم يكن كيفية اختيار سيرتك الذاتية، وربما في وقت لاحق وفقا للمعايير قد لا تكون قادرة على التعيينات مهندس."

لم أفكر يوما أن المبادرة مهندس قوية جدا، زعيم مجرد اعطاء الاتجاه إلى العمل، وقال انه دفع نفسه إلى تعلم المعرفة، لاستكمال بسرعة الهدف. في وقت لاحق 2 سنوات، شرارة لديه القدرة على ممارسة كان مهندس صعبة للغاية، مع كلمات الأخ القائد "يمكن حفرة واحدة ضد عشرة"؛ لديه رغبة شديدة في تعلم البيانات الكبيرة، الجهاز، بعد سبارك إرساء أساس متين، وإعادة توجيهها لفريق الخوارزمية من المهندسين، كتابة التعليمات البرمجية الأساسية TalkingData منصة التعلم الآلي، وهذه المنصة بشكل كبير على تحسين كفاءة الفريق تعلم الآلة.

من المثال أعلاه، يمكننا أيضا أن يكون المعلومات المكافأة، بالمقارنة مع نقل وظيفة التنقل بين الوظائف، ونقل وظيفة الداخلي يكون من الأسهل. لأن في المنزل، والشركات لديها الوقت الكافي لدراسة قدرة المهندسين، وإمكانات. بعد مهندسي الشركة لتعزيز الاعتراف، ستكون تحديات جديدة أكثر مضمونة.

تشاو بينغ، ومراكز البحث والتطوير مهندس تكنولوجيا CreditEase، قبل أن ينضم إلى CreditEase، ساعد الهيكل الخلفي قمة مجموعة تشاينا موبايل والأعمال مربع يكون التحول الخدمة. وأضاف بينغ تشاو يى شين عقد مصلحة قوية في الهندسة المعمارية منصة الكامنة. المشروع الأول في شركته القيام به هو تصميم وتطوير نظام التخزين الموزعة. بعد أول مشروع لوضع حد الكمال، وقدرته على التعلم، والقدرة على الكثير من الثناء قاعدة. عندما بدأت يى شين لبناء فريق منصة البيانات الكبيرة، رأى تشاو بينغ نموه ونقل وظيفة التطبيق المثالي مهنة تقدم، استنادا إلى الأداء المتميز من ماضيه، بنجاح حصلت على وظيفة.

بعد إعادة توجيه، واجه بينغ تشاو أيضا بعض التحديات، مثل البيانات الكبيرة المتعلقة بالمعرفة والأدوات تحتاج إلى استخدام أكثر ثراء، سبارك، سكالا، HBase، MongoDB ...، تحتاج مهارات لا تعد ولا تحصى لمعرفة جنبا إلى جنب للشر تكمل، مثل طريقة التفكير، وتجهيز المطلوبة لتدفق البيانات التفكير توقيت تجهيز سبارك نموذج التحول تمثل في الوقت الحقيقي من الأصل. إلا أن أساس متين، وكذلك الانتقال السلس قبل القيام نظام تخزين وزعت على أساس الخبرة، جنبا إلى جنب مع فريق كامل في جو من مساعدة فنية جيدة، وفي نهاية المطاف النجاح في إنجاز أعمال التطوير لعناصر البيانات الكبيرة.

المهندس العام الراغبين في نقل العمل ذات الصلة البيانات الكبيرة، بعض الاقتراحات ذات الصلة

في نهاية المقال، استنادا إلى عدد من الحالات ذكرنا في المقال، لتلخيص بعض النصائح لمساعدة بيانات كبيرة مهندس العادية مواقف صلته:

إيلاء الاهتمام لالأساسية. سواء مجموعة متنوعة من الوظائف، والبنية التحتية هي حجر الزاوية في النمو.

خبراتهم. من الخبرات الموجودة ليكون قادرا على اللعب في بداية العمل، مما يسمح للفريق ترحيب جديد لك للانضمام. على سبيل المثال، والهندسة نموذج الخوارزمية، والتركيز على استخراج البيانات التجارية، وتطوير منصة البيانات الكبيرة، آلة تطوير النظم التعليمية وغيرها، والتي تعمل لمتوسط مهندس أسهل في الاستخدام. المهندسين العاديين نقل متحيزة مباشرة المهندسين خوارزمية البحث، وأكثر صعوبة.

معدة إعدادا جيدا. يرجى التحقق مسبقا لتعلم المعرفة، وهناك التدريب العملي على ممارسة أفضل. دون إعداد قليلا، كيف يرى أرباب العمل كنت حقا مهتما في هذا المجال؟

النظر في نقل العمل مع الشركة. في نفس إعادة توجيه الشركة أقل مقاومة. يمكنك أيضا أن تنظر مضيفا التركيز على شركة بيانات كبيرة، وإعادة توجيه ذلك الحين.

وأخيرا، إذا كان لديك اهتمام قوي في بيانات كبيرة، واستخراج البيانات، فإن أفضل طريقة هي أن تبدأ على الفور للممارسة. ربما كنت لا تستخدم على النحو الوظيفي، ولكن أكثر من التقنية بالقرب من الجسم.

ولعل هذه المهارات للمبرمجين المستقبل، مثل كما هو شائع الآن للناس في مكان العمل من مايكروسوفت أوفيس.