一、Data Scientist(数据科学家)

数据科学家这个听起来是个很高大上的工作，事实上确实有做比较复杂有意思的工作，但也有些许公司，工作岗位叫“Data Scientist”的工作内容其实并没有那么高大上，大概就是以前一个简单的工作，改个名字就高大上了，求职者在市场上找类似的工作要仔细辨别。

偏Research 的Data Scientist都会要求有PhD。其他接受本科及硕士的大部分是做偏应用，模型应用的。

应用的Data Scientist岗位需要人有business sense，会提出问题，有扎实的统计和编程基础，还要会讲故事说服公司决策者。

在北美要找工作的话，规划好的话本科毕业也能找到，也有人读完硕士说不好找很久才上岸。我本科在北美一所公立，我周围的朋友也有进了Facebook，Google等科技公司的，他们路线一般都是大二大三都在实习，然后拿到return offer毕业之后直接去的。

二、Data Mining Engineer(数据挖掘工程师)

这个也是一个比较应用的工作，要求申请者会相应的data mining算法，从logistics regression，decision tree，random forest， SVM，clustering到一些deep learning 的CNN RNN各种算法都要了解。

常用的编程软件是Python，Java等。很多python里 DL，NLP的包还是比较好用的，需要熟悉这些包的使用。

此类岗位要求还是算高的，方方面面统计的理论基础要扎实，前沿的ML，DL算法要懂，要对数据敏感，会提出问题并从data中找到答案。

一般都需要一定时间的相关工作经验。

三、Financial Quantitative Analyst(定量分析师)

这也是一个偏应用的岗位，通常也是要求会讲故事，基础扎实，会提取信息等能力。和前面Data Scientist有一些方面类似，不过从科技商业场景转到金融相关场景。

金融建模，然后分析模型进行投资。然后这个统计知识要求不是特别高，但是要求金融，宏观经济知识。

四、Machine Learning Engineer(机器学习算法工程师)

从名字可以看出这是一个集开发模型，调试，优化于一体的工作。需要扎实的机器学习理论基础。