- 大型的app都是用什么编程语言编写的
- Java学到什么程度才能叫精通
- web的前端开发和后端开发有什么区别
- 去过的朋友，说一说在的感受如何
- 如何找编程类的工作
- 什么是Web全栈工程师
- 学习数据科学专业出来后的就业方向有哪些
- Python工程师薪资为什么这么高
大型的app都是用什么编程语言编写的
哈喽，我是七步的天，有着五年多的编程经验，很高兴为你解答。
现在主流的开发app的编程语言可以分为两类。下面分别对这两类分别介绍。
（一）第一类：针对单一app开发的语言，即开发一套代码只能运行在一个平台上。
（1） 开发Android的：Java和Kotlin
Kotlin 是一种在 Java 虚拟机上运行的静态类型编程语言，被称之为 Android 世界的Swift。Kotlin 可以编译成Java字节码，也可以编译成 JavaScript，方便在没有 JVM 的设备上运行。运行效率提高很多，并且语法更加简洁好用。
如果是与系统底层进行交互则需要使用JNI技术，通过和C或者C 结合实现相应的业务逻辑，比如美颜或者直播类型的app。直播类型的app采用的ffmpeg技术，其中ffmpeg就是用C语言实现的。
（2）开发IOS的：Swift和Object-C
Swift 结合了 C 和 Objective-C 的优点并且不受 C 兼容性的限制。
（二）第二类：可以针对多个app端的编程语言，即只需开发出一套代码，就可以在多少平台上运行
（1）第一种是Flutter技术，基于Dart语言，比如现在闲鱼app就是基于flutter开发的。并且有着多年经验，而且闲鱼免费开源了框架。
Flutter是谷歌的移动UI框架，可以快速在iOS和Android上构建高质量的原生用户界面。 Flutter可以与现有的代码一起工作。在全世界，Flutter正在被越来越多的开发者和组织使用，并且Flutter是完全免费、开源的。
Flutter的热重载可帮助您快速地进行测试、构建UI、添加功能并更快地修复错误。在iOS和Android模拟器或真机上可以在亚秒内重载，并且不会丢失状态。
尤其是在UI上使用Flutter的现代、响应式框架，和一系列基础widget，轻松构建您的用户界面。使用功能强大且灵活的API（针对2D、动画、手势、效果等）解决艰难的UI挑战。
（2）第二种是Uni-app框架，基于Vue.js。俗称一套代码编到8个平台上。
uni-app 是一个使用 Vue.js 开发所有前端应用的框架，开发者编写一套代码，可发布到iOS、Android、H5、以及各种小程序：/支付宝/百度/头条//钉钉等多个平台。
小结
第二类开发起来更显效率，节约很多时间成本。
我是七步的天，如果觉得对你有帮助，喜欢就关注我吧。
有其他问题和见解的小伙伴，欢迎在评论区留言。辛苦留下你的宝贵意见。
欢迎点赞、关注、收藏。
Java学到什么程度才能叫精通
结构调整，从入门到精通；进一步完善知识体系； 新技术补充；
共分为基础→底层→进阶→高级→架构→扩展六个阶段
→ 什么是面向对象
面向对象、面向过程
面向对象的三大基本特征和五大基本原则
→ 平台无关性
Java 如何实现的平台无关
JVM 还支持哪些语言（Kotlin、Groovy、JRuby、Jython、Scala）
→ 值传递
值传递、引用传递
为什么说 Java 中只有值传递
→ 封装、继承、多态
什么是多态、方法重写与重载
Java 的继承与实现
构造函数与默认构造函数
类变量、成员变量和局部变量
成员变量和方法作用域
02 Java 基础知识→ 基本数据类型
8 种基本数据类型：整型、浮点型、布尔型、字符型
整型中 byte、short、int、long 的取值范围
什么是浮点型？什么是单精度和双精度？为什么不能用浮点型表示金额？
→ 自动拆装箱
什么是包装类型、什么是基本类型、什么是自动拆装箱
Integer 的缓存机制
→ String
字符串的不可变性
JDK 6 和 JDK 7 中 substring 的原理及区别、
replaceFirst、replaceAll、replace 区别、
String 对“ ”的重载、字符串拼接的几种和区别
String.valueOf 和 Integer.toString 的区别、
switch 对 String 的支持
字符串池、常量池（运行时常量池、Class 常量池）、intern
→ 熟悉 Java 中各种关键字
transient、instanceof、final、static、volatile、synchronized、const 原理及用法
→ 集合类
常用集合类的使用、ArrayList 和 LinkedList 和 Vector 的区别 、SynchronizedList 和 Vector 的区别、HashMap、HashTable、ConcurrentHashMap 区别、
Set 和 List 区别？Set 如何保证元素不重复？
Java 8 中 stream 相关用法、apache 集合处理工具类的使用、不同版本的 JDK 中 HashMap 的实现的区别以及原因
Collection 和 Collections 区别
Arrays.asList 获得的 List 使用时需要注意什么
Enumeration 和 Iterator 区别
fail-fast 和 fail-safe
CopyOnWriteArrayList、ConcurrentSkipListMap
→ 枚举
枚举的用法、枚举的实现、枚举与单例、Enum 类
Java 枚举如何比较
switch 对枚举的支持
枚举的序列化如何实现
枚举的线程安全性问题
→ IO
字符流、字节流、输入流、输出流、
同步、异步、阻塞、非阻塞、Linux 5 种 IO 模型
BIO、NIO 和 AIO 的区别、三种 IO 的用法与原理、netty
→ 反射
反射与工厂模式、反射有什么用
Class 类、java.lang.reflect.*
→ 动态代理
静态代理、动态代理
动态代理和反射的关系
动态代理的几种实现
AOP
→ 序列化
什么是序列化与反序列化、为什么序列化、序列化底层原理、序列化与单例模式、protobuf、为什么说序列化并不安全
→ 注解
元注解、自定义注解、Java 中常用注解使用、注解与反射的结合
Spring 常用注解
→ JMS
什么是 Java 消息服务、JMS 消息传送模型
→ JMX
java.lang.management.*、 javax.management.*
→ 泛型
泛型与继承、类型擦除、泛型中 KTVE? object 等的含义、泛型各种用法
限定通配符和非限定通配符、上下界限定符 extends 和 super
List
List 和 List
→ 单元测试
junit、mock、mockito、内存数据库（h2）
→ 正则表达式
java.lang.util.regex.*
→ 常用的 Java 工具库
commons.lang、commons.*...、 guava-libraries、 netty
→ API & SPI
API、API 和 SPI 的关系和区别
如何定义 SPI、SPI 的实现原理
→ 异常
异常类型、正确处理异常、自定义异常
Error 和 Exception
异常链、try-with-resources
finally 和 return 的执行顺序
→ 时间处理
时区、冬令时和夏令时、时间戳、Java 中时间 API
格林威治时间、CET,UTC,GMT,CST 几种常见时间的含义和关系
SimpleDateFormat 的线程安全性问题
Java 8 中的时间处理
如何在东八区的计算机上获取美国时间
→ 编码
Unicode、有了 Unicode 为啥还需要 UTF-8
GBK、GB2312、GB18030 之间的区别
UTF8、UTF16、UTF32 区别
URL 编解码、Big Endian 和 Little Endian
如何解决问题
→ 语法糖
Java 中语法糖原理、解语法糖
语法糖：switch 支持 String 与枚举、泛型、自动装箱与拆箱、方法变长参数、枚举、内部类、条件编译、 断言、数值字面量、for-each、try-with-resource、Lambda 表达式
03 阅读源代码
String、Integer、Long、Enum、
BigDecimal、ThreadLocal、ClassLoader & URLClassLoader、
ArrayList & LinkedList、
HashMap & LinkedHashMap & TreeMap & CouncurrentHashMap、HashSet & LinkedHashSet & TreeSet
04 Java 并发编程→ 并发与并行
什么是并发、什么是并行
并发与并行的区别
→ 什么是线程，与进程的区别
线程的实现、线程的状态、优先级、线程调度、创建线程的多种、守护线程
线程与进程的区别
→ 线程池
自己设计线程池、submit() 和 execute()、线程池原理
为什么不允许使用 Executors 创建线程池
→ 线程安全
死锁、死锁如何排查、线程安全和内存模型的关系
→ 锁
CAS、乐观锁与悲观锁、数据库相关锁机制、分布式锁、偏向锁、轻量级锁、重量级锁、monitor、
锁优化、锁消除、锁粗化、自旋锁、可重入锁、阻塞锁、死锁
→ 死锁
什么是死锁
死锁如何解决
→ synchronized
synchronized 是如何实现的？
synchronized 和 lock 之间关系、不使用 synchronized 如何实现一个线程安全的单例
synchronized 和原子性、可见性和有序性之间的关系
→ volatile
happens-before、内存屏障、编译器指令重排和 CPU 指令重
volatile 的实现原理
volatile 和原子性、可见性和有序性之间的关系
有了 symchronized 为什么还需要 volatile
→ sleep 和 wait→ wait 和 notify→ notify 和 notifyAll→ ThreadLocal→ 写一个死锁的程序→ 写代码来解决生产者消费者问题→ 并方包
Thread、Runnable、Callable、ReentrantLock、ReentrantReadWriteLock、Atomic*、Semaphore、CountDownLatch、ConcurrentHashMap、Executors
01JVM→ JVM 内存结构
class 文件格式、运行时数据区：堆、栈、方法区、直接内存、运行时常量池、
堆和栈区别
Java 中的对象一定在堆上分配吗？
→ Java 内存模型
计算机内存模型、缓存一致性、MESI 协议
可见性、原子性、顺序性、happens-before、
内存屏障、synchronized、volatile、final、锁
→ 垃圾回收
GC 算法：标记清除、引用计数、复制、标记压缩、分代回收、增量式回收
GC 参数、对象存活的判定、垃圾收集器（CMS、G1、ZGC、Epsilon）
→ JVM 参数及调优
-Xmx、-Xmn、-Xms、Xss、-XX:SurvivorRatio、
-XX:PermSize、-XX:MaxPermSize、-XX:MaxTenuringThreshold
→ Java 对象模型
oop-klass、对象头
→ HotSpot
即时编译器、编译优化
→ 虚拟机性能监控与故障处理工具
jps, jstack, jmap, jstat, jconsole, jinfo, jhat, javap, btrace, TProfiler
Arthas
02 类加载机制
classLoader、类加载过程、双亲委派（破坏双亲委派）、模块化（jboss modules、osgi、jigsaw）
03 编译与反编译
什么是编译（前端编译、后端编译）、什么是反编译
JIT、JIT 优化（逃逸分析、栈上分配、标量替换、锁优化）
编译工具：javac
反编译工具：javap 、jad 、CRF
01 Java 底层知识→ 字节码、class 文件格式→ CPU 缓存，L1，L2，L3 和伪共享→ 尾递归→ 位运算
用位运算实现加、减、乘、除、取余
02 设计模式
设计模式的六大原则：
开闭原则（Open Close Principle）、里氏代换原则（Liskov Substitution Principle）、依赖倒转原则（Dependence Inversion Principle）
接口隔离原则（Interface Segregation Principle）、迪米特法则（最少知道原则）（Demeter Principle）、合成复用原则（Composite Reuse Principle）
→ 了解 23 种设计模式
创建型模式：单例模式、抽象工厂模式、建造者模式、工厂模式、原型模式。
结构型模式：适配器模式、桥接模式、装饰模式、组合模式、外观模式、享元模式、代理模式。
行为型模式：模版方法模式、命令模式、迭代器模式、观察者模式、中介者模式、备忘录模式、解释器模式（Interpreter 模式）、状态模式、策略模式、职责链模式(责任链模式)、访问者模式。
→ 会使用常用设计模式
单例的七种写法：懒汉——线程不安全、懒汉——线程安全、饿汉、饿汉——变种、静态内部类、枚举、双重校验锁
工厂模式、适配器模式、策略模式、模板方法模式、观察者模式、外观模式、代理模式等必会
→ 不用 synchronized 和 lock，实现线程安全的单例模式→ 实现 AOP→ 实现 IOC→ nio 和 reactor 设计模式
03 网络编程知识
→ tcp、udp、http、https 等常用协议
三次握手与四次关闭、流量控制和拥塞控制、OSI 七层模型、tcp 粘包与拆包
→ http/1.0 http/1.1 http/2 之前的区别
http 中 get 和 post 区别
常见的 web 请求返回的状态码
404、302、301、500分别代表什么
→ http/3→ Java RMI，Socket，HttpClient→ cookie 与 session
cookie 被禁用，如何实现 session
→ 用 Java 写一个简单的静态文件的 HTTP 服务器→ 了解 nginx 和 apache 服务器的特性并搭建一个对应的服务器→ 用 Java 实现 FTP、SMTP 协议→ 进程间通讯的→ 什么是 CDN？如果实现？→ DNS什么是 DNS 、记录类型: A 记录、CNAME 记录、AAAA 记录等
域名解析、根域名服务器
DNS 污染、DNS 劫持、公共 DNS：114 DNS、Google DNS、OpenDNS
→ 反向代理
正向代理、反向代理
反向代理服务器
04 框架知识
→ Servlet
生命周期
线程安全问题
filter 和 listener
web.xml 中常用配置及作用
→ Hibernate
什么是 OR Mapping
Hibernate 的懒加载
Hibernate 的缓存机制
Hibernate / Ibatis / MyBatis 之间的区别
→ Spring Bean 的初始化AOP 原理实现 Spring 的IOCSpring 四种依赖注入→ Spring MVC
什么是 MVC
Spring mvc 与 Struts mvc 的区别
→ Spring Boot
Spring Boot 2.0、起步依赖、自动配置、
Spring Boot 的 starter 原理，自己实现一个 starter
→ Spring Security→ Spring Cloud
服务发现与注册：Eureka、Zookeeper、Consul
负载均衡：Feign、Spring Cloud Loadbalance
服务配置：Spring Cloud Config
服务限流与熔断：Hystrix
服务链路追踪：Dapper
服务网关、安全、消息
05 应用服务器知识
→ JBoss
→ tomcat→ jetty→ Weblogic
06 工具
→ git & svn
→ maven & gradle→ Intellij IDEA
常用插件：Maven Helper 、FindBugs-IDEA、阿里巴巴代码规约检测、GsonFormat
Lombok plugin、.ignore、Mybatis plugin
01 新技术
→ Java 8
lambda 表达式、Stream API、时间 API
→ Java 9
Jigsaw、Jshell、Reactive Streams
→ Java 10
局部变量类型推断、G1 的并行 Full GC、ThreadLocal 握手机制
→ Java 11
ZGC、Epsilon、增强 var
→ Spring 5
响应式编程
→ Spring Boot 2.0→ HTTP/2→ HTTP/3
02 性能优化
使用单例、使用 Future 模式、使用线程池
选择就绪、减少上下文切换、减少锁粒度、数据压缩、结果缓存
03 线上问题分析
→ dump 获取
线程 Dump、内存 Dump、gc 情况
→ dump 分析
分析死锁、分析内存泄露
→ dump 分析及获取工具
jstack、jstat、jmap、jhat、Arthas
→ 自己编写各种 outofmemory，stackoverflow 程序
HeapOutOfMemory、 Young OutOfMemory、
MethodArea OutOfMemory、ConstantPool OutOfMemory、
DirectMemory OutOfMemory、Stack OutOfMemory Stack OverFlow
→ Arthas
jvm 相关、class/classloader 相关、monitor/watch/trace 相关、
options、管道、后台异步任务
文档：-use.html
→ 常见问题解决思路
内存溢出、线程死锁、类加载
→ 使用工具尝试解决以下问题，并写下总结
当一个 Java 程序响应很慢时如何查找问题
当一个 Java 程序频繁 FullGC 时如何解决问题
如何查看垃圾回收日志
当一个 Java 应用发生 OutOfMemory 时该如何解决
如何判断是否出现死锁
如何判断是否存在内存泄露
使用 Arthas 快速排查 Spring Boot 应用404/401问题
使用 Arthas 排查线上应用日志打满问题
利用 Arthas 排查 Spring Boot 应用 NoSuchMethodError
04 编译原理知识
→ 编译与反编译
→ Java 代码的编译与反编译→ Java 的反编译工具
javap 、jad 、CRF
→ 即时编译器→ 编译过程词法分析，语法分析（LL 算法，递归下降算法，LR 算法）语义分析，运行时环境，中间代码，代码生成，代码优化
05 操作系统知识
→ Linux 的常用命令→ 进程间通信→ 进程同步
生产者消费者问题、哲学家就餐问题、读者写者问题
→ 缓冲区溢出→ 分段和分页→ 虚拟内存与主存→ 虚拟内存管理→ 换页算法
06 数据库知识
→ MySQL 执行引擎
→ MySQL 执行计划
如何查看执行计划，如何根据执行计划进行 SQL 优化
→ 索引
Hash 索引、B 树索引（B 树、和B树、R树）
普通索引、唯一索引
覆盖索引、最左前缀原则、索引下推
→ SQL 优化→ 数据库事务和隔离级别
事务的隔离级别、事务能不能实现锁的功能
→ 数据库锁
行锁、表锁、使用数据库锁实现乐观锁、
→ 连接
内连接，左连接，右连接
→ 数据库主备搭建→ binlog→ redolog→ 内存数据库
h2
→ 分库分表→ 读写分离→ 常用的 NoSql 数据库
redis、memcached
→ 分别使用数据库锁、NoSql 实现分布式锁→ 性能调优→ 数据库连接池
07 数据结构与算法知识
→ 简单的数据结构
栈、队列、链表、数组、哈希表、
栈和队列的相同和不同之处
栈通常采用的两种存储结构
→ 树
二叉树、字典树、平衡树、排序树、
B 树、B 树、R 树、多路树、红黑树
→ 堆
大根堆、小根堆
→ 图
有向图、无向图、拓扑
→ 排序算法
稳定的排序：冒泡排序、插入排序、鸡尾酒排序、桶排序、计数排序、归并排序、原地归并排序、二叉排序树排序、鸽巢排序、基数排序、侏儒排序、图书馆排序、块排序
不稳定的排序：选择排序、希尔排序、Clover 排序算法、梳排序、堆排序、平滑排序、快速排序、内省排序、耐心排序
各种排序算法和时间复杂度
→ 两个栈实现队列，和两个队列实现栈→ 深度优先和广度优先搜索→ 全排列、贪心算法、KMP 算法、hash 算法→ 海量数据处理
分治，hash 映射，堆排序，双层桶划分，Bloom Filter，bitmap，数据库索引，mapreduce 等。
08 大数据知识
→ Zookeeper
基本概念、常见用法
→ Solr，Lucene，ElasticSearch
在 linux 上部署 solr，solrcloud，新增、删除、查询索引
→ Storm，流式计算，了解 Spark，S4
在 linux 上部署 storm，用 zookeeper 做协调，运行 storm hello world，local 和 remote 模式运行调试 storm topology。
→ Hadoop，离线计算
HDFS、MapReduce
→ 分布式日志收集 flume，kafka，logstash→ 数据挖掘，mahout
09 网络安全知识
→ XSS
XSS 的防御
→ CSRF→ 注入攻击
SQL 注入、XML 注入、CRLF 注入
→ 文件上传漏洞→ 加密与解密
对称加密、非对称加密、哈希算法、加盐哈希算法
MD5，SHA1、DES、AES、RSA、DSA
彩虹表
→ DDOS攻击
DOS 攻击、DDOS 攻击
memcached 为什么可以导致 DDos 攻击、什么是反射型 DDoS
如何通过 Hash 碰撞进行 DOS 攻击
→ SSL、TLS，HTTPS→ 用 openssl 签一个证书部署到 apache 或 nginx
01 分布式
数据一致性、服务治理、服务降级
→ 分布式事务
2PC、3PC、CAP、BASE、 可靠消息最终一致性、最大努力通知、TCC
→ Dubbo
服务注册、服务发现，服务治理
-cn/
→ 分布式数据库
怎样打造一个分布式数据库、什么时候需要分布式数据库、
mycat、otter、HBase
→ 分布式文件系统
mfs、fastdfs
→ 分布式缓存
缓存一致性、缓存命中率、缓存冗余
→ 限流降级
Hystrix、Sentinal
→ 算法
共识算法、Raft 协议、Paxos 算法与 Raft 算法、
拜占庭问题与算法、2PC、3PC
02 微服务
SOA、康威定律
→ ServiceMesh
sidecar
→ Docker & Kubernets→ Spring Boot→ Spring Cloud
03 高并发
→ 分库分表
→ CDN 技术→ 消息队列
ActiveMQ
04监控
→ 监控什么
CPU、内存、磁盘 I/O、网络 I/O 等
→ 监控手段
进程监控、语义监控、机器资源监控、数据波动
→ 监控数据采集
日志、埋点
→ Dapper
05 负载均衡
tomcat 负载均衡、Nginx 负载均衡
四层负载均衡、七层负载均衡
06 DNS
DNS 原理、DNS 的设计
07 CDN
数据一致性
01 云计算
IaaS、SaaS、PaaS、虚拟化技术、openstack、Serverlsess
02 搜索引擎
Solr、Lucene、Nutch、Elasticsearch
03 权限管理
Shiro
04
哈希算法、Merkle 树、公钥密码算法、共识算法、
Raft 协议、Paxos 算法与 Raft 算法、拜占庭问题与算法、消息认证码与数字签名
→
挖矿、共识机制、闪电网络、侧链、热点问题、分叉
→ 以太坊→ 超级账本
05 人工智能
数学基础、机器学习、人工神经网络、深度学习、应用场景。
→ 常用框架
TensorFlow、DeepLearning4J
06 loT
07 量子计算
08 AR & VR
09 其他语言
Groovy、Python、Go、NodeJs、Swift、Rust
学习书籍推荐
web的前端开发和后端开发有什么区别
1、展现不一样
去过的朋友，说一说在的感受如何
去了才知道，TVB剧里的大房子都是节目效果，真实的极少有人住那样的大房子，50平米都能做成三居室，能买得起100平米的房子，至少都是上千万的身价。
- 小时候特别喜欢看港剧电影，在我的印象里，到处是金山银山，是一个安居乐业的世外桃源；
- 却不曾想到，的居住环境“寸土寸金”，颠覆了我原先对美好事物的想象，真应了那句“百闻不如一见”。
2017年表姐远嫁，在那里安家入户，婚后一直邀请我们去游玩，岁月如梭，直到2019年全家人才有机会一起去看望表姐。
以前一直不明白“有钱人的天堂，没钱人的牢房”是什么场景？
- 到了瞬间明白了，随着对的不断了解，在感叹地方窄小的同时，也惊叹这座城市的巨大魅力。
01：的社会现象
1.居住环境，是富裕家庭和普通家庭的分水岭。
富豪们住别墅，大部分家庭只能算是“蜗居”，住房面积在20-70平米不等。
当年看TVB剧的时候，里面主角们居住的房子，不是豪华别墅，就是宽敞明亮的大套间。
一直以为那里经济繁华，高楼林立，的居住条件就该如此；而来了之后发现自己错了，和想象中的差距不是一点点。
- 繁华高楼的背后，还隐藏着很多破旧的房子，杂乱无章的街道，街道倒是非常干净和整洁，穿了两天的新鞋子，鞋底也只有少许的灰尘。
表姐在的房子只有55平米，当时却交了近1000万的购房款，说句实话，这样的面积比我们乡下的院子还小。
屋里的空间可以说是开发到了极致，墙壁有很多的壁橱，屋内堆满了东西，家里多来几个客人，几乎就转不过身来。
- 厨房和客厅连在一起，卫生间只有3平米，虽然看起来紧凑，但麻雀虽小五脏俱全，整体布局还是营造出了三口之家的温馨，只是人多了就会显得拥挤。
的住房紧张，部分地区的房价已经超过了20万每平米，如果不买房，单单租金也不便宜。
- 一个只有10平米的房子，一个月的租金就要近5000元，真是货真价实的“寸土寸金”之地。
每个地方都有穷人和富人，有近20%的贫困人口，对于他们来说，生活更为凄惨。
以前看到一个博主拍的纪录片：
一个的四口一家挤在不到10平米的“割房”里，厨房和卫生间无缝衔接。
原以为他们只是体验生活，没想到竟是真实发生的事情。
这还不算啥，最惨的莫过于“笼屋”，在深水埗60多平米的房子里，放满了十几个依次排列的铁笼子，进去只能躺着，出来只能靠爬。
如果不是真实所见，很难想象，在会有人过得如此悲凉。
- 虽然面积不大，却还有70%的山地和海岛没有开发，这些未被开荒的土地，未来或许会有所改变吧。
2.佩戴“劳力士”手表的人很多。
劳力士在有多受欢迎？
有些老人常说：
- 出去如果没有一块劳力士，真不好意思和别人打招呼。
虽然说得夸张了些，但也真实反映出劳力士在的受欢迎程度。
- 的生活节奏快，丢了工作基本就没饭吃了，而劳力士手表很保值，如果丢了工作，还能把劳力士当了。
3.沿街有很多的药店。
富贾云集，漫步在大街上，除了花花绿绿的美食外，就数街边的药铺最多了。
- 老字号的药店早已名声在外，很多去旅游的游客，都会或多或少带一些好药回去。
然而正是这样的商机，也兴起了一些职业素质不高的小药铺。
为了避免不必要的损失，还是要认准老字号口碑好的大药房，不仅明码标价，正品也有保证，童叟无欺。
另外，的计量单位和我们不同，的半斤是8两，一斤是16两，跟我们计量算法完全不同。
- 其实，如果要深究起来，是沿用了我国古代的计量算法；
- 而我们在1949后采用了全新算法，如果去药店买药，一定要注意这种半斤八两的算法。
4.实话实说，在确实遇到一小部分人有些排外，特别是面对说普通话的游客。
不管是买东西还是问路，都是一副爱理不理的样子，不过这也只是一小部分，而我遇到的大部分人还是非常热情，有爱国情怀。
5.的节奏很快，说话快，走路快。
我在上海待过一段时间，原本以为上海的节奏已经很快了，到了才发现是“有过之而无不及”。
- 无论是吃饭还是走路都有感，跟不上他们的脚步，就像过马路走人行道一样，指示灯在“叭叭”地催促你赶紧走。
另外的升职加薪的机会不多，因为的人才很多，对专业的要求很高，金融行业时常会加班到凌晨两三点，可见人家有多勤奋。
6.逛的室内公共场所，一个字“冷”。
不管是商场，还是电影院，又或是餐厅，温度都控制在18-20度上下。
冬天还好，穿的衣服多，夏天进入的话就有些尴尬了，最好随身带一件薄衣服，不然很难适应这样室内室外的两重天。
为何室内不随着室外的温度弹性浮动呢，因为好奇，我也搜索了几个非官方的解释：
- 这样的温度，人会感到舒适，消费的也会更高；
- 低温会减少蚊虫的出现概率，降低它们的生存条件；
- 低温空调一直维持这样的温度，会比较省电。
02：人的生活
1.TVB剧里面，经常会出现称女士为“某太”的场景，然而在现实生活中却很少见。
- 首先，很多人都有英文名字；其次，现在的女孩子都打扮时髦，光从外貌很难看出来对方是已婚还是未婚；
- 就算知道婚姻状况，也很难知道对方丈夫的姓氏。
2.的早餐会卖到中午。
中午11点早餐店还在营业，而像我们老家11点都开始吃午饭了；
- 同样吃晚饭的时间也比较晚，8:30他们刚刚开始动筷，而我们正常五六点就吃晚饭了。
3.公立医院，除了收取挂号费外，其他费用全免，但有一个现象，被人吐槽。
很多重大疾病要排期等候，哪怕是救护车送进去也需要等排队（当然排除那些命悬一线的患者）。
- 有的人开玩笑说，公立医院治病的方法就是让你等等，说不定等几个小时病就好了，你可以直接回家了，医生也会少看一个病人。
4.的消费很高。
的房价很高，有的地方均价20万一平米，物价也很贵。
吃一顿早餐就要花50港币，点了几个菜就是四五百块，吃饭另外算钱，一碗米饭加收十块。
- 当时我们一人吃两碗就花了100块，关键是还没吃饱，晚上每人又弄一桶泡面。
- 在旺角吃大排档，点了四只皮皮虾，一份炸生蚝，两只螃蟹，一份青菜，两瓶啤酒，最后结账996港币。
5.的生活压力大。
我在住了几天，遇到的出租车司机几乎都是年纪大的老人，目测65岁以上，还在做体力工作。
而的有些职业收入又很高，医生月收入6万以上，老师2万起步。
- 在肯德基一小时就有50港币，所以在月入过万比较简单，但消费高也是事实。
6.的道路不宽。
为了减少拥堵，一方面买车要缴纳很多的购置税，另一方面加大公共交通方面的建设，不光有港铁，还有双层大巴和小巴公司。
- 叮叮车是一款很老的交通工具了，因其后面有个脚踏，一踩就会有叮叮的铃声；
- 叮叮车开得不快，适合老人孩子乘坐，下车的时候才付钱。
03：的其他方面
1.还保留着公筷文化，虽然我们以前也有这样的文化，只是越来越少见了，公筷是用来夹菜到自己碗里，私筷是自己夹东西吃。
2.刚来发现当地的印度人很多，后来联想到英国，瞬间明白了。
以前是英国的殖民地，为了更好地打理，英国调来了很多的印度人，后来入乡随俗，一些印度人没有回去，就留了下来。
3.红酒指红葡萄酒，白酒指白葡萄酒，“烧酒”则是二锅头一类，这才是我们口里正儿八经的白酒。
4.的地铁公交很干净，在车厢内不可以吃东西和喝饮料，但可以喝水，不然会被罚款。
5.是一个喜欢讲粤语的地方，很多上了年纪的老爷子他们不会讲普通话，就算你讲普通话，他们也不一定能听得懂，所以粤语沟通起来会比较方便。
6.有一种小巴车不适合去旅游的人搭乘，因为没有时间表，没有固定的路线，中途不报站，站点没人招手就不会停车，下车要按铃，开得还飞快。
7.的除夕和中秋，当天不放假，而是第2天放假，因为对人来说，节假日晚上才出去娱乐和聚餐，晚上玩得很晚，第2天休息就好了。
8.人称“除夕”并不是我们所说的“大年三十”，他们的“除夕”是指元旦的前一天；而春节的除夕，他们叫“三十夜”。
写在最后
，不算太完美，但还不错，维多利亚港的夜景很漂亮。
的包容性很强，也有很多先进、值得学习的地方；
但的住房问题、快节奏的生存模式，个人觉得：他们的生活未必比我们好，幸福感也同样如此。
你们眼里的，是怎么样的？
如何找编程类的工作
写好简历，去桂聘网站上投递就行了
什么是Web全栈工程师
Web全栈工程师（Full Stack Web Developer）是指掌握多种Web开发技能，能够独立承担网站或应用从前端到后端的全流程开发任务的专业人员。Web全栈工程师需要具备以下技能和知识：
学习数据科学专业出来后的就业方向有哪些
问达数据科学职业发展圆梦问达专业介绍就业学习数据科学专业出来后的就业方向有哪些？相关推荐：数据科学专业实习找工作指南数据科学专业就业前景相关推荐：数据科学专业实习找工作指南数据科学专业就业前景阅读更多 添加评论 邀请回答 举报 分享111人已关注 添加评论 邀请回答 举报 模拟志愿填报 111关注者9个回答dataindict哐唧唧、斯丢劈得…点赞。数据科学是这两年迅速火起来的专业方向，就业方向还时比较广泛的，主要可以分为以下三类：第一类：纯数据分析类1. Data Analyst 数据分析师数据分析师侧重于利用统计学、数学等知识进行数据挖掘，日常的主要工作内容为收集数据、清洗数据、然后做一些分析或可视化处理，对编程语言有一定的要求，如R，Python，Javascript，C/C ，SQL等。初级的Analyst的工作就是配合Scientist和Engineer，当业务需求使用某些方法的时候，他们就是一线操作者，当scientist要数据，他们要收集清理数据，当客户或者子公司要数据，他们也要收集清理数据。得出最终的分析报告给产品组工程组或管理层。 所以从这个角度讲，analyst只是非常纯粹的在和数据打交道罢了。2. Data Scientist 数据科学家数据科学家是数据领域非常具有复合型的高级岗位，往往需要具备能够独立完成一整套数据分析过程的能力：从数据提取，整合、并进行分层，进行统计或其他复杂的分析，创造引人注目的可视化诠释和效果，开发具有更宽广应用前景的数据工具。实际工作中主要的精力大概在分布式算法的实现和优化上，特别是后者，是极具挑战性的，需要资深的数据科学家来完成，因此需要非常强大的数学、统计、计算机背景，在优化问题上很有经验。3. Data Architect 数据架构师都说不想当数据架构师的程序猿不是一个好前端。因为一个优秀的数据架构师应该对所在领域的主流技术体系有一个全面清晰的认识，对某一种技术的原理、运作机理有深入的理解，是该领域的专家，同时具有将客观事物抽象出来的能力，关注当前技术前沿和热点，使用最高效的解决问题。他们的日常主要任务为创建数据管理系统，对数据源进行整合、集中、和维护。具体来讲，要求会SQL，XML，HIVE，PIG，SPARK等，对数据库体系结构有深入了解，擅长数据仓库解决方案等。4. Data Engineer 数据工程师作为一个新兴的职业类型， 数据工程师更倾向于掌握 “战术层面” 的具体数据技能，专注于使数据可用并能够在生产环境中对数据进行处理，如具体的编程语言、操作系统与数据库等；而数据科学家更倾向于“战略层面”的数据技能，如数据分析、数据挖掘、统计分析、机器学习等。他们的日常主要工作内容是用SQL来回答分析型问题，用脚本来做数据集成，清洗ETL（提取-转换-装载）任务和使用Hadoop生态工具等，对编程语言要求较高，SQL，HIVE，PIG，R，MATLAB，SAS，SPSS，Python，Java，Ruby，C ，Perl等等都要会。5. Database Administrator 数据库管理员数据库管理员和数据分析的关联不是很大，类似于一个IT职位，职责为管理数据以及支持数据管理的设施，确保数据库是提供给所有相关用户，正在正确、安全的执行，因此可能会用到SQL，hadoop及相关查询语言，如Hive和Pig。日常专注于优化数据仓库，负责数据的读写和管理。第二类：以数据为驱动的商业分析类1. Business Analyst 商业分析师商业分析师和纯数据科学家都是使用数据的专家，但他们的工作内容是有比较大差别的。通常，商业分析师要对某专业领域具有深入的了解和深刻的认识，商业敏感度高，擅长于从某一领域的数据中挖掘信息，以此评估过去、现在和未来可能的经营业绩。确定最有效的分析模型和途径，为商业用户提供和解释解决方案。这个过程一般包括先和客户沟通，确定客户的问题和诉求，之后定义业务问题，搜集原始数据，运用预测性、规范性和描述性分析来研究、解释和可视化这些数据，让它们变得具有价值且能为客户展示。在这一过程中与客户反复商讨需求，更新模型，最终利用数据模型理解、整合，得出最佳解决方案。 2. Data and AnalyticsProduct Manager数据产品经理管理团队分析师和数据科学家，除了要会一些必备的基础语言如SQL，R，SAS，Python，Java，Matlab和数据挖掘、数据建模等能力，还需要对产品有深刻的理解、熟练应用数据可视化工具，和良好的人际沟通能力。他们的主要职责包括但不限于搭建数据pipeline，做分析，实验场景，评估和实施分析结果，同时要针对结果针对数据逻辑提出需求，解答来自其他部门的问题，设计出更好的产品，留住更多的客户，产生更多的利润。 第三类：统计学家统计学家顾名思义，需要熟悉统计理论方法，分布式计算，数据库系统，云工具，数据挖掘机器学习等，语言方面需要R, SAS, SPSS, Mtlab, Stata, Python, Perl, Hive, Pig, Spark, SQL推荐功能：就业薪资最高的大学专业排行榜职业测评：帮你更好的了解定位自己数据科学是这两年迅速火起来的专业方向，就业方向还时比较广泛的，主要可以分为以下三类：第一类：纯数据分析类1. Data Analyst 数据分析师数据分析师侧重于利用统计学、数学等知识进行数据挖掘，日常的主要工作内容为收集数据、清洗数据、然后做一些分析或可视化处理，对编程语言有一定的要求，如R，Python，Javascript，C/C ，SQL等。初级的Analyst的工作就是配合Scientist和Engineer，当业务需求使用某些方法的时候，他们就是一线操作者，当scientist要数据，他们要收集清理数据，当客户或者子公司要数据，他们也要收集清理数据。得出最终的分析报告给产品组工程组或管理层。 所以从这个角度讲，analyst只是非常纯粹的在和数据打交道罢了。2. Data Scientist 数据科学家数据科学家是数据领域非常具有复合型的高级岗位，往往需要具备能够独立完成一整套数据分析过程的能力：从数据提取，整合、并进行分层，进行统计或其他复杂的分析，创造引人注目的可视化诠释和效果，开发具有更宽广应用前景的数据工具。实际工作中主要的精力大概在分布式算法的实现和优化上，特别是后者，是极具挑战性的，需要资深的数据科学家来完成，因此需要非常强大的数学、统计、计算机背景，在优化问题上很有经验。3. Data Architect 数据架构师都说不想当数据架构师的程序猿不是一个好前端。因为一个优秀的数据架构师应该对所在领域的主流技术体系有一个全面清晰的认识，对某一种技术的原理、运作机理有深入的理解，是该领域的专家，同时具有将客观事物抽象出来的能力，关注当前技术前沿和热点，使用最高效的解决问题。他们的日常主要任务为创建数据管理系统，对数据源进行整合、集中、和维护。具体来讲，要求会SQL，XML，HIVE，PIG，SPARK等，对数据库体系结构有深入了解，擅长数据仓库解决方案等。4. Data Engineer 数据工程师作为一个新兴的职业类型， 数据工程师更倾向于掌握 “战术层面” 的具体数据技能，专注于使数据可用并能够在生产环境中对数据进行处理，如具体的编程语言、操作系统与数据库等；而数据科学家更倾向于“战略层面”的数据技能，如数据分析、数据挖掘、统计分析、机器学习等。他们的日常主要工作内容是用SQL来回答分析型问题，用脚本来做数据集成，清洗ETL（提取-转换-装载）任务和使用Hadoop生态工具等，对编程语言要求较高，SQL，HIVE，PIG，R，MATLAB，SAS，SPSS，Python，Java，Ruby，C ，Perl等等都要会。5. Database Administrator 数据库管理员数据库管理员和数据分析的关联不是很大，类似于一个IT职位，职责为管理数据以及支持数据管理的设施，确保数据库是提供给所有相关用户，正在正确、安全的执行，因此可能会用到SQL，hadoop及相关查询语言，如Hive和Pig。日常专注于优化数据仓库，负责数据的读写和管理。第二类：以数据为驱动的商业分析类1. Business Analyst 商业分析师商业分析师和纯数据科学家都是使用数据的专家，但他们的工作内容是有比较大差别的。通常，商业分析师要对某专业领域具有深入的了解和深刻的认识，商业敏感度高，擅长于从某一领域的数据中挖掘信息，以此评估过去、现在和未来可能的经营业绩。确定最有效的分析模型和途径，为商业用户提供和解释解决方案。这个过程一般包括先和客户沟通，确定客户的问题和诉求，之后定义业务问题，搜集原始数据，运用预测性、规范性和描述性分析来研究、解释和可视化这些数据，让它们变得具有价值且能为客户展示。在这一过程中与客户反复商讨需求，更新模型，最终利用数据模型理解、整合，得出最佳解决方案。 2. Data and AnalyticsProduct Manager数据产品经理管理团队分析师和数据科学家，除了要会一些必备的基础语言如SQL，R，SAS，Python，Java，Matlab和数据挖掘、数据建模等能力，还需要对产品有深刻的理解、熟练应用数据可视化工具，和良好的人际沟通能力。他们的主要职责包括但不限于搭建数据pipeline，做分析，实验场景，评估和实施分析结果，同时要针对结果针对数据逻辑提出需求，解答来自其他部门的问题，设计出更好的产品，留住更多的客户，产生更多的利润。 第三类：统计学家统计学家顾名思义，需要熟悉统计理论方法，分布式计算，数据库系统，云工具，数据挖掘机器学习等，语言方面需要R, SAS, SPSS, Mtlab, Stata, Python, Perl, Hive, Pig, Spark, SQL推荐功能：就业薪资最高的大学专业排行榜职业测评：帮你更好的了解定位自己阅读更多更新于 2018-04-24 模拟志愿填报 291 添加评论 收藏 举报Dontcha（海南大学）that’all.雷柏丞、空手…点赞。就目前来说，数据科学很热门！！！很多人也想转到这个方向，所以以下几个工作岗位和就业方向还是很火爆的。数据科学家、数据分析师、数据架构师、数据工程师、统计学家、数据库管理员、业务数据分析师、数据产品经理。首先来说说数据科学家，他的主要任务是：清洗，管理和组织（大）数据。必备语言有：R,SAS,Python,Matlab,SQL,HivePig,Spark需要具备的技能和特长:分布式计算；预测模型；故事讲述和可视化；数学\统计，机器学习然后说说数据分析师，他的主要任务是：收集，处理和执行统计数据分析。必备语言有：R, Python, HTML,Javscript,C/C ,SQL需要具备的技能和特长:电子表格工具（例如Excel）；数据库系统（SQL和基于NO SQL）；通信可视化；数学，统计，机器学习数据架构师的主要任务是：创建数据管理系统进行整合，集中，保护和维护数据源必备语言有：SQL,XML,HIVE,PIG,SPARK需要具备的技能和特长:数据仓库解决方案；深入了解数据库体系结构；提取thansformation和加载（ETL），电子表格和BI工具；数据建模；系统开发数据工程师的主要任务是开发，建设，测试和维护架构（如数据库，以及较大规模的处理系统）必备语言有：SQL,Hive,Pig,R,Mtlab,SAS,SPSS,Python,Java,Ruby,C ,Perl需要具备的技能和特长:数据库系统（SQL和基于NO SQL）；数据建模ETL工具数据API；数据仓库解决方案统计学家（大多是与统计密切相关，但需要掌握的东西远远大过统计），他的主要任务是收集，分析和解释，定性和定量的数据统计理论和方法必备语言有：R,SAS,SPSS,Mtlab,Stata,Python,Perl,Hive,Pig,Spark,SQL需要具备的技能和特长:统计理论方法；数据挖掘机器学习；分布式计算（Hadoop的）数据库系统（SQL和基于NO SQL）；云工具数据库管理员的主要任务是：确保数据库是提供给所有相关用户，正在正确执行，并且安全运行。必备语言有：SQL,Java,Ruby on Rails,XML,C#,Python需要具备的技能和特长:备份恢复；数据建模和设计；分布式计算（Hadoop的）；数据库系统（SQL和基于NO SQL）；数据安全；ERP业务知识业务数据分析师的主要工作内容是：改进业务流程的业务和IT之间的中介必备语言：SQL需要具备的技能和特长:基本工具（例如微软Office）；数据可视化工具（e.g.Tableau）；自觉听和讲故事；商业智能的理解；数据建模数据产品经理的主要任务是：管理团队分析师和数据科学家必备语言有：SQL,R,SAS,Python,Matlab,Java需要的技能和特长:数据库系统（SQL和基于NO SQL）；领导项目管理；人际沟通；数据挖掘预测建模数据建模现在很多人很盲目，如果你感兴趣，想找一份数据科学工作，在没有统一的数据科学的定义和角色任务的情况下，一定要弄清楚是做什么产品什么项目，将要用到什么技术，什么语言，然后才能有针对性的去进行相关学习和培训。了解更多关于数据科学的问题，推荐看下这个问答合集：数据科学留学申请修炼手册就目前来说，数据科学很热门！！！很多人也想转到这个方向，所以以下几个工作岗位和就业方向还是很火爆的。数据科学家、数据分析师、数据架构师、数据工程师、统计学家、数据库管理员、业务数据分析师、数据产品经理。首先来说说数据科学家，他的主要任务是：清洗，管理和组织（大）数据。必备语言有：R,SAS,Python,Matlab,SQL,HivePig,Spark需要具备的技能和特长:分布式计算；预测模型；故事讲述和可视化；数学\统计，机器学习然后说说数据分析师，他的主要任务是：收集，处理和执行统计数据分析。必备语言有：R, Python, HTML,Javscript,C/C ,SQL需要具备的技能和特长:电子表格工具（例如Excel）；数据库系统（SQL和基于NO SQL）；通信可视化；数学，统计，机器学习数据架构师的主要任务是：创建数据管理系统进行整合，集中，保护和维护数据源必备语言有：SQL,XML,HIVE,PIG,SPARK需要具备的技能和特长:数据仓库解决方案；深入了解数据库体系结构；提取thansformation和加载（ETL），电子表格和BI工具；数据建模；系统开发数据工程师的主要任务是开发，建设，测试和维护架构（如数据库，以及较大规模的处理系统）必备语言有：SQL,Hive,Pig,R,Mtlab,SAS,SPSS,Python,Java,Ruby,C ,Perl需要具备的技能和特长:数据库系统（SQL和基于NO SQL）；数据建模ETL工具数据API；数据仓库解决方案统计学家（大多是与统计密切相关，但需要掌握的东西远远大过统计），他的主要任务是收集，分析和解释，定性和定量的数据统计理论和方法必备语言有：R,SAS,SPSS,Mtlab,Stata,Python,Perl,Hive,Pig,Spark,SQL需要具备的技能和特长:统计理论方法；数据挖掘机器学习；分布式计算（Hadoop的）数据库系统（SQL和基于NO SQL）；云工具数据库管理员的主要任务是：确保数据库是提供给所有相关用户，正在正确执行，并且安全运行。必备语言有：SQL,Java,Ruby on Rails,XML,C#,Python需要具备的技能和特长:备份恢复；数据建模和设计；分布式计算（Hadoop的）；数据库系统（SQL和基于NO SQL）；数据安全；ERP业务知识业务数据分析师的主要工作内容是：改进业务流程的业务和IT之间的中介必备语言：SQL需要具备的技能和特长:基本工具（例如微软Office）；数据可视化工具（e.g.Tableau）；自觉听和讲故事；商业智能的理解；数据建模数据产品经理的主要任务是：管理团队分析师和数据科学家必备语言有：SQL,R,SAS,Python,Matlab,Java需要的技能和特长:数据库系统（SQL和基于NO SQL）；领导项目管理；人际沟通；数据挖掘预测建模数据建模现在很多人很盲目，如果你感兴趣，想找一份数据科学工作，在没有统一的数据科学的定义和角色任务的情况下，一定要弄清楚是做什么产品什么项目，将要用到什么技术，什么语言，然后才能有针对性的去进行相关学习和培训。了解更多关于数据科学的问题，推荐看下这个问答合集：数据科学留学申请修炼手册阅读更多更新于 2020-11-09 156 添加评论 收藏 举报隔壁家二狗梦里繁花落尽、一切刚刚好…点赞。数据管理专员，这本质上是一个IT职业，类似于数据库管理员。数据管理专员被认为和管理数据以及支持数据管理的设施有关。这个职位和数据分析只有很少关联，也类似Python和R语言的使用也不是很必要。可能会用到SQL语言，以及和Hadoop相关的查询语言，比如Hive和Pig。数据工程师是一条非分析大数据职业道路。如果说数据管理专员是汽车修理师，那么数据工程师就是汽车工程师。不过不要搞错了，这两个角色都对你的汽车的行驶和持续工作至关重要，对你从A点驾驶到B点同样重要。说句实话，数据工程师和数据管理专员所需要的技术和技能是相似的，可是他们各自在不同的层次理解和使用同样的概念。商业分析师指的是与数据分析和数据呈现紧密相关的一种职业。包括报告，仪表板和任何被称为“商业智能”的东西。 这个职业通常要求与关系数据库和非关系数据库以及大数据框架的交互（或查询）。数据管理专员，这本质上是一个IT职业，类似于数据库管理员。数据管理专员被认为和管理数据以及支持数据管理的设施有关。这个职位和数据分析只有很少关联，也类似Python和R语言的使用也不是很必要。可能会用到SQL语言，以及和Hadoop相关的查询语言，比如Hive和Pig。数据工程师是一条非分析大数据职业道路。如果说数据管理专员是汽车修理师，那么数据工程师就是汽车工程师。不过不要搞错了，这两个角色都对你的汽车的行驶和持续工作至关重要，对你从A点驾驶到B点同样重要。说句实话，数据工程师和数据管理专员所需要的技术和技能是相似的，可是他们各自在不同的层次理解和使用同样的概念。商业分析师指的是与数据分析和数据呈现紧密相关的一种职业。包括报告，仪表板和任何被称为“商业智能”的东西。 这个职业通常要求与关系数据库和非关系数据库以及大数据框架的交互（或查询）。阅读更多发布于 2017-04-06 111 添加评论 收藏 举报梦里繁花落尽（山西大学）夜来风雨声，花落到底有多少？林深见、空手…点赞。你可以做机器学习研究人员和从业者啊。这个职业主要是指的是那些制作和使用预测和相关工具进行数据利用。 机器学习算法允许以较高的速度应用统计分析，并且那些操作这些算法的人不满足于让数据以其当前形式呈现出来。 数据询问是机器学习爱好者的工作，但是具有足够的统计理解才能知道何时推进的足够远，以及什么时候提供的答案不可信。如果感兴趣可以往这个方向发展哦~你可以做机器学习研究人员和从业者啊。这个职业主要是指的是那些制作和使用预测和相关工具进行数据利用。 机器学习算法允许以较高的速度应用统计分析，并且那些操作这些算法的人不满足于让数据以其当前形式呈现出来。 数据询问是机器学习爱好者的工作，但是具有足够的统计理解才能知道何时推进的足够远，以及什么时候提供的答案不可信。如果感兴趣可以往这个方向发展哦~发布于 2017-04-06 84 添加评论 收藏 举报空手（厦门大学）达人|本科厦门大学，如今是专题作者。Mr.wang、一切刚刚好…点赞。数据导向专业人员。对于可以被称为“真正的”数据科学家，这是我可以想出的最好的描述。数据导向专业人员。对于可以被称为“真正的”数据科学家，这是我可以想出的最好的描述。发布于 2017-04-06 78 添加评论 收藏 举报一切刚刚好（东北大学）天气也很好Mr.wang、林深见…点赞。数据分析师、数据架构师、数据工程师、统计学家、数据库管理员等等都可以，现在正是大火时期，未来都和数据科学紧紧联系！我也打算好好了解了解数据科学，看有没有感兴趣的就业方向~数据分析师、数据架构师、数据工程师、统计学家、数据库管理员等等都可以，现在正是大火时期，未来都和数据科学紧紧联系！我也打算好好了解了解数据科学，看有没有感兴趣的就业方向~更新于 2017-04-06 67 添加评论 收藏 举报TOM—tong就业方向很多哦~而且形势一片大好！具体有数据分析师、爬虫工程师、数据挖掘工程师、机器学习工程师、机器学习工程师，Hadoop工程师、数据运维工程师、数据架构工程师、XXX算法工程师、数据科学家......你可以直接去就业网站上看看数据科学相关的职位招聘（认真脸）~2013年以来，大数据在各个领域的应用呈爆发式增长，而近年来的风格，是什么火起来了就全民动员，哪怕街边一个馄饨店，也开始谋划“通过大数据形成对客户口味的深入洞见”，所以是真的很火啦~然后好一点的公司，你的能力如果可以胜任数据分析的工作的话，薪酬也是很高的，基本和程序员持平~就业方向很多哦~而且形势一片大好！具体有数据分析师、爬虫工程师、数据挖掘工程师、机器学习工程师、机器学习工程师，Hadoop工程师、数据运维工程师、数据架构工程师、XXX算法工程师、数据科学家......你可以直接去就业网站上看看数据科学相关的职位招聘（认真脸）~2013年以来，大数据在各个领域的应用呈爆发式增长，而近年来的风格，是什么火起来了就全民动员，哪怕街边一个馄饨店，也开始谋划“通过大数据形成对客户口味的深入洞见”，所以是真的很火啦~然后好一点的公司，你的能力如果可以胜任数据分析的工作的话，薪酬也是很高的，基本和程序员持平~阅读更多更新于 2018-01-31 13 添加评论 收藏 举报夜曲。夜曲。、怪崖奇岩…点赞。数据分析师、爬虫工程师、数据挖掘工程师、机器学习工程师、Hadoop工程师、数据运维工程师、数据架构工程师、XXX算法工程师、数据科学家……。目前最随便拿出一个岗位来，薪资都和同类IT岗位薪资是比肩甚至是高于的哦，做到数据科学家的时候，你差不多也可以出来自己开公司了。数据分析师、爬虫工程师、数据挖掘工程师、机器学习工程师、Hadoop工程师、数据运维工程师、数据架构工程师、XXX算法工程师、数据科学家……。目前最随便拿出一个岗位来，薪资都和同类IT岗位薪资是比肩甚至是高于的哦，做到数据科学家的时候，你差不多也可以出来自己开公司了。发布于 2018-02-02 2 添加评论 收藏 举报果酱啊果酱啊、JeannieMing…点赞。目前来说，数据科学这个专业的就业前景众多，目前主要分为一下这几种：1.大数据系统架构师大数据平台搭建、系统设计、基础设施。2.大数据系统分析师面向实际行业领域，利用大数据技术进行数据安全生命周期管理、分析和应用。3.hadoop开发工程师。解决大数据存储问题。4.数据分析师这几个方向是现在最热门的方向，具体的可以根据自己的爱好，技能去匹配。目前来说，数据科学这个专业的就业前景众多，目前主要分为一下这几种：1.大数据系统架构师大数据平台搭建、系统设计、基础设施。2.大数据系统分析师面向实际行业领域，利用大数据技术进行数据安全生命周期管理、分析和应用。3.hadoop开发工程师。解决大数据存储问题。4.数据分析师这几个方向是现在最热门的方向，具体的可以根据自己的爱好，技能去匹配。阅读更多发布于 2018-12-11 2 添加评论 收藏 举报相关问题环境科学专业毕业后能做什么工作？薪资如何？环境科学圆梦问达谁知道本科阶段国内高校关于化学专业的排名？专业交流化学排名应用心理学以后有哪些就业方向，好就业吗？心理学应用心理学哪些院校的国贸就业情况比较好？国际贸易职业发展学化学的学生毕业后的就业方向有哪些？化学职业发展功能推荐测一测|入职前请先了解一下自己相关机会大学里的事儿你知多少？你和工作之间只差一个它！在线助手为你量身定制的学业发展规划
Python工程师薪资为什么这么高
我只能告诉你，这门语言是是这两年进步最快的语言，将要超越Java的存在，当时大学里，老师告诉我们的时候，我们还比较差异，因为当时还是Java的时代。但是现在来看，已经是Python的时代了。
