工作准备——了解招聘要求/实习要求

整理了一下学校论坛和智联招聘里边对数据分析师的招聘要求

每个人找自己的目标岗位的时候都可以自己梳理一下，按照重要性排一下顺序。

数据分析师/数据工程师 

招聘要求/实习要求

1. 常用数据分析工具

（1） SQL

（2） MySQL

（3） EXCEL

（4） Redis

（5） R

（6） SAS

（7） SPSS

（8） HBase

（9） 各种web工具（Django、JSON、html、Restful、echars等）

（10） RDBMS（熟练使用一种RDB(mysql，sqlserver或postgres)）

（11） Tableau

（12） Microsoft Power bi

（13） ACCESS

（14） ElasticSearch

（15） Bash/Perl/Python相关脚本语言

2. 编程语言

有常用数据分析工具的相关经验；

（1） python

（2） JAVA

（3） SCALA

（4） C++

（5） 常见的数据结构？

（6） Scrapy

（7） Python脚本

3. 系统

（1）Linux或unix

（2）熟练使用 vim

（3）Shell脚本编程

（4）linux系统下的python/c语言编程

4. 分布式平台

（1） Hadoop

（2） Spark

（3） HBase

（4） Hive

（5） Map/Reduce

（6） hive SQL

（7） spark mllib

（8） spring boot

（9） Flink

（10） Pig

（11） Kafka

熟悉并会搭建平台？

具备一定的分布式平台Hadoop/Spark使用经验，熟悉Hadoop生态圈（HBase、Hive等）

有大数据集、分布式计算工具（Map/Reduce，Hadoop，Hive等）工作经验优先；

熟练掌握基本数理统计方法，精通使用hive SQL数据库操作

熟练掌握Spark平台

使用过spark mllib或在spark平台上实现过数据分析算法（回归预测、关联分析）

了解spring boot框架

有大规模分布式海量数据处理经验加分（如Hadoop/Spark/Hive/Flink等）

具有基本的统计学基础和一定的数据挖掘和建模能力，熟悉Linux环境，熟练使用 SQL、Hive、Python、Excel等数据工具

熟悉 Hadoop 平台相关工具，如 Hive、Pig、Spark 等

如果你对Hadoop、Hive、Hbase等分布式平台有一定的理解更好 ，

懂得搭建Hadoop、Spark、Kafka等大数据平台；

5. 数学功底和建模能力，算法

（1） 各种经典的机器学习算法及其原理

（2） 数据处理、分析、挖掘等相关项目

良好的数学功底和建模能力，熟悉常用的经典的算法(LR/SVM/GBDT/Deep FM/Reinforcement learning/Deep learning)

具备一定的大数据的数据抓取、预处理、分析和汇报能力。基本了解常用的分类算法，如决策树、随机森林、K-means聚类等分类模型

了解常见的机器学习算法

如果你有参与过数据处理、分析、挖掘等相关项目更好 （研一上课的那个项目算不算）

掌握常见的算法和实现原理； （原理实现？）

6. 深度学习框架

  熟悉常用深度学习框架（如Caffeine、TensorFlow或Torch等）

7. 数据仓库理论和实践

有数据仓库理论和实践经验，熟悉数据仓库相关技术；

掌握关系型数据库一般操作；了解数据仓库和多维分析的模型原理；了解知识图谱、知识建模及其应用的相关知识；

熟悉大数据架构体系；

8. 分析框架？

这个指的是什么？

9. 网络通信

熟悉网络通讯，有http/web开发经验优先；

10. 商品和产品的知识

用户画像等

11. 流行文化

对流行文化、PGC／UGC视频、直播、综艺、音乐、电影等有兴趣及一定认知者优先；

12. 数据可视化？

了解数据可视化多种样式及使用场景

13. NLP？

具备NLP自然语言处理知识储备及经验；