面对下面四个研究生研究方向,我该如何选择:大数据、云计算、移动互联网和游戏开发、金融数据分析? 举报 理由 举报 取消 我是大四学生,已经推免,现在需要选择研究方向,学校给出四个研究方向,分别是大数据,云计算,移动互联网和游戏开发,还有金融数据数据分析技术。现在比较纠结,不知道该如何选择,不了解这四个的前景,还想知道这四个方向适合学习的人群和就业方向,希望能在知乎上得到帮助。 2017年8月23日 10 条回复 1686 次浏览 互联网,数据,计算,软件工程,金融
回复 ( 10 )
楼主,这个选择你最好能够有点自己的想法。
个人建议优先考虑金融数据分析,其次移动游戏开发,然后才是大数据和云计算这些。
技术是相通的,但是有些专业只是是难以获取的。而金融行业,旱涝保收。多余的话不说,以免造成你的困扰和不必要的误导。关键是你自己对什么感兴趣吧,好奇心害死猫,你的兴趣其实才是你学习的动力。
关注大数据,可以加我微信idacker
你看前几天杭州的云栖大会就知道大数据和云计算有多火爆了。这两个其实是分不开的,云端能产生数据提供基础数据,然后进行数据关联分析,由于数据量巨大必须要使用云端集群进行运算。今后大部分中小企业和政府部门都会上云,前景可想而知。现在是数据时代,数据是核心竞争力,玩转数据可谓至关重要。所以这两个都是不错的选择。至于你们学校对于这两个方向的研究情况你可以去向学姐学长了解下。移动互联网就是安卓iOS开发吗?这个应该没前几年泡沫那么严重了,只能说创业的话这一块的成本和门槛相对较低。游戏的话一直都那样,待遇好,加班多,详细的不了解。金融就更不懂了!
首选金融数据分析~
大数据/云计算这类方向,在国内高校一般就是基于hadoop、spark做点应用,工程难度一般,研究上也很难深入进去。看看这类方向的顶会论文,基本被美帝那几个大公司和几所NB高校把持着,因为人家手里真的有“大”数据,出成果是水到渠成的事。
移动互联网和游戏开发,本科生就做得来,你都研究生了,就别跟他们抢饭碗了~
为什么要选金融数据分析呢?当今如果真的搞这一方向,肯定会接触到机器学习、数据挖掘那套东西,这可是时下最热门的方向了吧?紧接着啊,如果你们实验室不是paper work型的,而是真的搞些实际项目,你要想跑那些ML算法分析数据,是要用集群的,是要用大数据那套东西的。你看,这一趟搞下来,ML那些东西你会玩了,hadoop/spark那套也用熟了,任督二脉都打通了啊~
当然,开了学实际做什么,还看你导师手里有什么活
Big Data和Cloud Computing一起搞,反正这两一般都是一起出现的。其实我更推荐你Cloud Computing和Data Mining一起搞,这样你就更nb了。
更新:看到有一个同学给我投了票。我想补充说几句,作为一个曾追求别人嘴巴里面高端火行业的人,直达自己去了才知道,好是好,也没那么好,不适合自己,能赚钱养家,但是不开心,没有激情,可能一辈子就要这么淡淡下去了,因为我进了一个自己没有熟虑的行业,保证了能赚钱,可机会成本呢??大家自重吧,你是想成为期望值,还是继续当随机变量往正标准差的方向再试试?
看上去是鸡汤,但总比端着别人说的海鲜大餐发现你其实过敏要好!
祝大家好
===========================================
做自己喜欢的,别管什么大数据火,还是什么金融赚钱,都是幸存者偏差。
做自己喜欢的
做自己喜欢的
做自己喜欢的
大数据和云计算。 美帝如火如荼,已经或未来必燃到中国。
金融数据有什么可分析的。。。?就懂点金融知识不就得了吗?平时自学呗也不难。
最好是根据兴趣选择,不过未来工业4.0时代,大数据处理、云计算的需求量会很大,金融数据分析也是大数据的一个应用方向。
基于云计算的金融游戏大数据挖掘
0. 希望问题陈述中能够给出各个方向的培养方案,比如课程选择,或者导师及其背景。
1. 建议选择大数据和金融数据分析技术的交集或者并集,比如说数据挖掘。
2. 数据挖掘能够使你的就业有广度。此处,我希望这个”大数据“方向应该是能覆盖数据挖掘、统计学习的知识的。去年我曾经调研过华南地区的IT类岗位,除去我绝对不会感兴趣的“前端开发、后台开发、ios工程师、安卓工程师”的职务外,我发现有一个神奇的岗位出现频率极高,几乎所有上规模的、有点名气的企业都招一个岗位,叫“数据工程师”,或者“数据挖掘工程师”,或者”数据分析师“,或者叫”算法工程师“(然后需求那里写着”机器学习“和数据挖掘)。
3. 量化金融能够使你的就业有深度。此处,我希望这个”金融数据分析技术“的靶向是量化金融,能够提供进行量化金融所需要的工具和知识。如何是有深度呢,因为量化金融是金融、数学、计算机的交集,所有它天然小众,天然有门槛,是一个比较专的东西,所以是有深度的东西。门槛高的领域,天然地就帮你把很多竞争者挡在门外。而一个复合领域,又让你具备向单个领域迁移继续提升的可能性。
4. 辩证地看待数据挖掘和量化金融。数据挖掘的岗位有一定的泡沫,但当前还是有刚需的,毕竟从无到有。量化金融在中国的就业岗位还是比较少,广东也不多,北京上海香港多一点。
5. 技能及目标:
5.1 熟练掌握python、R、matlab中的一种语言,并能用之进行数据处理和分析。
5.2 能够利用GPU,CPU集群,多核CPU,多线程等手段运行代码,能够在分布式存储系统上工作,这是为了吻合大数据场景。
5.3 懂统计,数据挖掘,机器学习,深度学习,时间序列分析,要懂一些推荐算法,社交网络分析,自然语言处理。最好还会用一些别的模式识别手段,比如说计算机视觉和语音识别的。
5.4 懂一些金融知识,比如说把CFA一级给过了。
6. 以上都是我瞎编的,拜拜。
个人认为是金融数据分析,其次是大数据,不是业内人士,说下直觉,
1.云计算很有可能到最后就剩几个玩家了,你看Iaas,PaaS这些只能大公司玩,搭建服务器,购买数据中心,租用宽带,这些基本上小公司没钱根本玩不转,SaaS会比较零碎,ERP,CRM这两块会有比较零碎的公司出来。
2.金融数据分析,能接触到金融业务最好了,大家都知道这个行业利润高,体量大,都希望能从里面分一杯羹,所以就业前景不会差。
3.大数据,在各个行业都有应用,大家都在谈这个,到时候选择可能比较灵活,因为各行各业都需要这玩意,你可以去你想去的行业做大数据。
4.做游戏大家都懂的不赘述,做移动互联网,没有对传统行业的理解,没有对移动互联网商业价值的认可,那我认为搞起来没啥意思。