不要浪费了石油工程师的优异数理背景
数据应用学院已经帮助了若干的石油背景学员，转型进入数据科学领域，有的学员在从我们这里毕业后任职俄克拉荷马地产公司pricing data scientist，有的直接在波士顿某医疗集团任senior data scientist. 案例证明，这条路能走通。本期我们探讨一下，为什么石油工程师很适合做数据，和这里面要注意的事项。
然而近年来，由于行业波动与全球需求增速变缓，石油行业大面积裁员，德州的大油企都在一个部门一个部门的裁员。很多油工不幸失业。这很可惜。
1. 充分利用扎实的数理基础
一些油工在平时工作时就要用到PCA(principle component analysis)和SVD(singular value decomposition)，这是数据科学中做data set dimension reduction的通用方法之一。
油工在矩阵运算上比较熟悉，这对理解和计算神经网络有很大帮助。
在模型调参和优化方面，部分油工本身工作就是为油藏模型调参。用到的方法包括grid search, simulated annealing (模拟退火) 等等。相比之下，machine learning模型调参的理论原理就非常简单了。
油工在数据科学技能方面欠缺的，一是对数据分析工具的熟练程度 (python machine learning)，二是对分布式系统的掌握。这些方面，我们的数据科学家求职培训营会为你详细教授，带你训练。在最新的1月期培训营中，周六周日共4小时的讲解，平时周一至周四每天1小时以上的答疑和小课，全程护送。
2. 充分利用Domain Knowledge
我们专门为学员提供大量的求职辅导时间，1月期的求职训练营中，既包括6次集中职业辅导（行业需求，简历，面试，case study等），还有内推的服务。我们尽全力让所有学员充分了解就业市场的信息，为学员就业提供智力和信息上的支持。
结语
数据科学的应用前景非常广，不仅仅是硅谷的IT企业，还有传统行业的各个公司，都在尝试利用数据科学来分析数据，挖掘价值。
