BA公开课总结 | 不是科班出身，如何奠定优秀商业分析师的基础？
数据应用学院6月9日【BA线上公开课】 第八讲中，主讲人小小老师做了六点分享：
– 商业分析师
– BA技术组合
– 高级商业分析师的工作日常
– 招聘流程
– 简历要求
– 如何弥补差距？
接下来我们为您回顾详细内容。
纯文科转商业分析是一种什么体验？
大家好，我是数据应用学院新鲜上岗的实习生聂大哥，此处应该有一段自我介绍。
目前第二个研究僧在读，密西根大学Dearborn分校商业分析；第一个研究僧，密西根州立大学公共关系；本科，广外韩语。
曾担任密西根州立国际生办公室的公众号小编，资深MSU橄榄球粉丝，活生生把严肃公众号玩成了半个体育号。
数据科学家与数据分析师、数据工程师到底有何差别？
这篇文章将定义数据科学家职业角色的方方面面，包括技能，资质，教育背景，经验，职责等。很多人认为数据科学家和数据分析师、数据工程师没什么不同，实则不然。下图显示数据科学家须具备的知识，技能，思维。
“数据分析”在现实生活中的应用：用数据智斗偷车贼
我在亚利桑那州立大学的朋友频繁丢失自行车， 这引起了我对校园内自行车被盗事件的兴趣和这背后的原因。我想既然在亚利桑那都有如此多自行车盗窃，更不用说整个美国。通过分析，我取得了一下几个有趣的发现
如何在 Kaggle 首战中进入前 10%？
Kaggle 是目前最大的 Data Scientist 聚集地。很多公司会拿出自家的数据并提供奖金，在 Kaggle 上组织数据竞赛。我最近完成了第一次比赛，在 2125 个参赛队伍中排名第 98 位（~ 5%）。因为是第一次参赛，所以对这个成绩我已经很满意了。在 Kaggle 上一次比赛的结果除了排名以外，还会显示的就是 Prize Winner，10% 或是 25% 这三档。所以刚刚接触 Kaggle 的人很多都会以 25% 或是 10% 为目标。在本文中，我试图根据自己第一次比赛的经验和从其他 Kaggler 那里学到的知识，为刚刚听说 Kaggle 想要参赛的新手提供一些切实可行的冲刺 10% 的指导。
为什么PhD比其他应聘者更有价值？
“大部分PhDs，进入项目时都是院校的佼佼者，带着鹤立鸡群，与众不同的价值感。”
然而在进入学术系统中几年后，大部分PhD应聘者开始觉得看不到自己的价值所在。产生出一种“少于”的想法。慢慢地，他们开始学会接受自己的价值少于自己的预期。开始学会接受少于自己价值的工资。开始学会接受少于自己应得的辅导和帮助。
五步解析机器学习难点—梯度下降
当我第一次尝试学习机器学习算法时，我发现理解一个算法在干什么真的非常难。不仅仅是因为算法里各种繁杂的数学理论和难懂的符号，没有实际的例子，光靠定义和推导来了解一个算法实在是很无聊 。就连在我上网去查找相关的指导材料时，能找到的通常都是各种公式以及晦涩难懂的解释，很少有人能够细致的将所有细节加以说明。
