Data Science之你問我地答

好難搵工
搵到灰灰地
data analyst, data sciebtist, ai engineer都有搵

本身識python, sql, ML, DL
依家見好多data analyst都要識埋data engineer嘅etl, database果d野
所以依家都學埋佢
希望會搵到工

好多工見我d project都係一個人做
未同人夾過
好似有d抗拒

你係fg?
data analyst 多數要做埋query, 搞data warehouse
你有github個啲portfolio會更有說服力

想轉行，自學咋
有github呀
做過下d kaggle比賽

轉行如果無academic/work exp會幾難
可以學下啲BI tools, 應該有好多job要

淨係tableau夠唔夠做？

tableau 應該係最大路

想問下巴打點睇呢個 syllabus
https://www.sydney.edu.au/courses/subject-areas/major/computational-data-science.html
唔該曬

幾大路，似乎係technical會寫code
好似不錯

請問一下，我個 SPY stock model predict (測兩星期後SPY價格，即 t+14) 出黎既數據同現實比較, consistently 細, difference mean 大概 -12 (如圖），係咪可以繼續用?


我應該用咩indicator睇佢 predict 幾準 (SD=6.8, RMSE=13.45, R Square=0.67, 仲有冇其他)?

我另外用左 middleband 做 control (如下圖）, 同樣測 T+14 (SD=8.8, RMSE＝11.1, R Square=0.52)。 difference 既 mean = -6.7。RMSE 好過我個 model, 點解釋呢? 另外要睇我個model係咪比 control 好, 係咪要用 T Test (homoscedastic?)

Graph Convolutional Network 個dropout 應該擺邊？
input feature?
After 1st GCN layer?
After 2nd GCN layer?
All?

聽講係all
其實可以做hyperprameters tunning, 試下做cross validation
因為dropout可以set 0, 等於唔drop

你目標係賺錢，所以其實依啲metric只可以係參考
最實際係你做backtest, 假設你過去跟住依個model買賣，睇下最後係賺定蝕

來緊做份新銀行工 主要做二
有咩value挖掘
真人一問 因為轉工種

想做份hea工，讀咁多都好嘥錢
我code同math都幾渣， 係唔係唔適合DS

你accept左offer未
唔介意既可能留一留低份工既requirement 同jd 或者 tg
幫你過目下
就咁聽微微伏下，似係傳統mis report

data standardize 咗未?

Input normalization? Yes

Data standardization 係指咩？