CMU硕士还有半年毕业，找工作想专注找到真正热爱的data scientist工作但又怕太冒险怎么办？
谢邀
如果就是为了Data Scientist这个 Title的话，我觉得没有必要担心，现在很多公司也都知道求职者非常喜欢Title，所以也给了很多这个Title的职位的，所以只要你继续努力找，一定会找到一份叫Title叫做Data Scientist的工作。
如果所爱的并不是Title，而是实际工作内容的话，那么就需要意识到，这玩意跟Title关系不大，跟公司的组关系更大，Title 可能会是SDE，SDE in Machine Learning，Data Engineer，Data Analyst等等，所以投简历的时候要更多的去关注组的职责。而且不管怎么样，第一份工作肯定会有个切入点，一般要么是Engineer，要么是Analyst，可以参加我之前文章中说的Type A/B Data Scientist。
抛弃幻想，谈谈现实中的数据科学家 - Hello陈然! - 知乎专栏
最后找工作的一点建议，找个
Kaggle: The Home of Data Science 上的比赛刷到前五，写在简历上，比啥Project都强。
Kaggle 的比赛在 Machine Learning 领域中属于什么地位？ - 陈然的回答
继续阅读
全部内容美国机器学习方向的 master 找工作前景如何？
谢邀 机器学习的应用在工业界需求很高，有过工作经验的人可以很轻松的找到工作，供给远远小于需求，而且需求越来越大。 但是招 New Grad (PhD 可以考虑) 相对较少。原因很多，简单来说，就是 New Grad 往往工程经验不够，学术能力也不够。工业界的现状不复杂：大公司搞机器学习的组大、人多、要求高，PhD 是进...
该不该坚持学习Machine Learning？
谢邀 一个技能学与不学，肯定有千万种理由，然而并没有一种理由叫做‘因为赶不上最牛的人，所以不学了’。如果你真有这样的观点，为何要继续‘老老实实做开发’呢？别人做开发了几十年了，你赶的的上最牛的人吗？为何要‘多看看系统设计类的东西’呢？别人系统设计也做了几十年了，你赶得上最牛的人吗？既然什么东西都赶不上最牛的人，还继续学...
从“机器学习”到“人生进化”——用算法思维升级你的自我成长
你有没有想过，把自己的人生当作一场“模型训练”？就像训练一个神经网络那样，不断试错、微调，直到获得更优解。也许，这个思路能帮你跳脱对“失败”“起点”以及“目标”的传统认知，轻装上阵去学习、成长并迭代自我。 一、为什么要把“机器学习思维”用在“人类学习”上？ 我们常常把“学习”当作去获取知识、技巧，却容易忘了最重要的那一...