据统计，90%的Infinity学员

都在3个月内成功找到理想工作

上周日，Infinity导师Jason与Infinity理工求职群的小伙伴们分享了Data Science and Machine Learning的定义、应用领域和所需技能，以及Jason导师如何踏上大数据分析之路的职场心得和求职技巧。今天小编就带宝宝们回顾本次干货满满的讲座。

从一开始的互联网阶段到现在的大数据时代，一次次的经验告诉我们，不仅仅是银行与金融业，各行各业在今后都会与数据科学息息相关。所谓“Data is the new oil"。

金融业的行业特性在于数据特别多。随着近年来数据爆炸式的增长，人脑已经无法装下这么多的数据，所以，在二三十年前兴起了对数字分析以及数字自动化投资的潮流。现在很多金融投资机构都有非常成熟的算法来实现自动化投资，导致之前流行的职业trader被大批裁员。

算法（机器人）投资与人类相比最大的优点在于，机器人不受情感影响，全靠理性，有效避免了人类的贪欲。当然，除了理性投资决策外，金融行业越来越多的数据急需机器来进行分析，所以这个领域的各个方面对数据科学的需求与日俱增。

商业银行对数据科学的应用已经扩展到了信用卡、存款、网上支付、房贷车贷等各类服务。众所周知，申请贷款时需要与Customer Relationship Manager进行沟通，介绍个人情况，包括收入、借贷记录和是否良性等。然而，随着数据科学的不断应用，当商业银行服务背后有大数据的算法支撑之后，这些信息其实是不需要客户来提供的。

商业银行今年越来越多地与类似阿里巴巴的互联网金融企业进行了商业创新。所以以后的商业银行都会渐渐改革为自动化信贷评估。足不出户，方可办贷款。其中，数据科学起到了决定性的作用。

那么

当机器人比你算得更快更准的时候，

你觉得你的工作还保得住吗？

此外，保险公司，在全球金融市场是非常重要的组成部分。数据量和资金流也非常之大。随着数据科学的发展，保险公司的事故评估渐渐不再需要人力来评估，而是通过机器和算法来替代。因此，保险公司可以通过分析大数据流中的疑点来进行对客户或潜在客户的预估和持续追踪。

在生化和医学等领域，很多信息，如心电图和脑电波等，都是通过图像、文字等方式进行存储，而没有数字化。当互联网开始蓬勃发展后，很多医院都开始了数字化改革。通过对不同人群的数据分析，来进行患病风险控制。所以数据科学在生化和医学领域将有颠覆性的作用。

随着数据科学的发展，用机器给人看病的数量和准确率将会比人力高很多倍。同时，相应的科技产品也在发展，比如iWatch可以对人体健康状况进行即时检测，并在恰当时机作出预警。在生物医学研究方面，DNA分析中人工的使用将会越来越少，取而代之，科研人员可以利用数据科学自动分析每个基因组对成千上万个疾病以及人体特征的影响。

所谓新科技，就是前所未有的科技，比如siri。研究者利用数据科学把人类的语句和语境放到数据库中，通过不断地训练培养出一个有情感的机器人。类似的科技还有AlphaGo、自动驾驶等。

数据分析不是简单规律寻找，整个过程非常繁杂，有时候需要对大量的数据进行不同的分析才能够得出结论。因此，如果想要从事数据行业，一定要有很好的耐心。

其实Data Science并不是只为精通数学的学生开放的一个领域，不同级别和规模的企业对技能有着不同的要求。一般的Data Science对Statistics的要求不是很高，但确实需要知道一些最基本的统计学理论，比如概率论和数据关联性。

简单来说，数据模型就是把不同数据或相关因素用公式的方式联系起来。通过数据来描述生活现象并预见未来。

毕业生刚进公司的时候，一般会被安排做数据清洗工作。由于很多数据不是被收集后就可以立即使用的，所以需要根据具体需求，对原始数据进行对应的剔除。很多人觉得这个工作很低级，其实不然，通过数据清洗，可以对公司的数据可以有更广泛的了解，是个学习的好机会。

也就是我们平常所说的“数据可视化效果”。把所发掘的知识和规律用人脑更容易领会的方式展现给读者在数据分析中是个重要的技能。懂得在什么时候运用什么样的可视化效果是很必要的。

当晚Jason导师为群内小伙伴们解答了很多疑问，小伙伴们也针对Data Industry进行了热烈的讨论。

诚 意 奖 品 👇

Jason导师一对一试讲