楼主想要高工资的话，可以去投猿辅导，他们给实习生开的工资能达到 1000/天。全职肯定不会只给做 4 个月的。

再增加一张增长率表。

数值稳定就是增长率绝对值小于 a

峰值的话，如果只是检测突增、突减，就看增长率绝对值 是否大于 b。如果需要看两边，则需要在增长率表上做滑动窗口计算

增加、下降的趋势，这个你可以设定滑动窗口，在窗口内做个线性回归就好。

其实方法很多，灵活应用吧。

去找实习，去和更多的人接触，交流。自己一个人闷着想只会越来越自闭，也无法解决问题。个人的亲身经历，我读书的时候也对前途特别迷茫，也就开始干活之后才在工作中找到了方向。

听力问题的话还是建议花点钱配一副助听器，毕竟工作交流还是很重要的。

@anyV base64 解码

我就是学统计学的，现在在做数据工程师，感觉还不错。


首先不建议你做 Java 开发，完全发挥不出自己统计学专业的优势，建议还是走数据领域。


就我自己的个人体验，以及对同事们的观察来说。如果你在学校的时候有认真学习的话，统计专业在数据工作上的优势非常明显。你会对数据有独特的敏感性，无论是做开发还是分析都很有优势，学习各种算法和模型，效率也比其它专业的人更有优势。
在求职上的优势也非常明显，统计专业强校，即使你什么都不会，面试官也会愿意给你一个机会，因为他相信你的专业和学校，这都是我自己的切身体会，我当初入行的时候，面试时连简单的 SQL 题都没写对，还是拿到了 offer。


然后说说该做数据领域里的哪个职位。
现在市面上的数据岗位有这么几种：
数据分析师
数据科学家
算法工程师
数据工程师
大数据工程师
爬虫工程师

初级数据分析师待遇不高，而且由于入行门槛最低，竞争也最激烈。所做的事情主要是给业务部门取数、扯皮等等，想要做分析的话得看你的部门职能还有 leader 给不给机会，最重要的是 SQL 和 Excel 用得好，Python 掌握得好也是加分项。最不推荐，但实在没办法了也可以做，你的专业优势能让你很容易拿到 offer，数据驱动的理念越来越深入人心，许多公司都会提供相应的坑位，努力一把还是能找到的工作，只是可能待遇通常都不太令人满意。

数据科学家，比数据分析师的 level 更高一些，你会有机会做一些算法和模型。面试的要求通常会比较高，而且由于每家公司的需求不一样，问的问题会非常杂，覆盖面很广，基本没法提前针对性准备。这个岗位最难的是过面试关，你要是能拿到 offer，待遇通常都不会太差，做的事情也很有挑战性，很有趣。有些公司可能挂个数据分析师的岗位但要求是数据科学家的，这个只能自己看看 JD 了。

算法工程师，需要你深入了解机器学习算法，最好能发几篇相关领域的论文啥的。待遇没得说，同数据科学家一样，难在面试。如果你在学校的时候没有深耕，就不建议投这个岗位了。

数据科学家和算法工程师这两个岗位，都是高薪、高挑战的岗位，面试也非常难。而且这些岗位成本高，又缺乏落地方法论，所以通常来说坑位偏少，加上高薪吸引大量人才，你面对的竞争最为激烈。数据分析师是人多，但你仍然有优势。而在这两个岗位上，你将面对各种 985 以上的优秀人才的竞争，自己估量一下吧。而且数据科学家对经验的要求同样很高，许多公司都只想招有经验的人，初级岗位很少，比较常见的是数据分析师升上来或者从别的岗位转过来的。


数据工程师，也就是我的岗位，日常主要是做 ETL，数据仓库建设，基础设施运维等等。工作内容繁杂枯燥。需要维护 ETL 定时任务，所以每天都得看一眼监控，遇到任务出错也和运维一样需要及时抢修，大数据文摘翻译过一篇文章《数据工程师的没落》，对这些情况讲得很清楚了。
需要的技能就是 SQL、Python 以及各种开源软件的使用（ Hive、HBase、Spark、Kafka、Airflow 等等）。要做好这个工作，除了数据处理能力，还需要能理解各种算法模型，因为会需要帮助数据科学家把算法工程化。
待遇就是一般的研发工程师水平，比算法工程师和数据科学家低，比数据分析师高。竞争激烈程度不高，因为很多编程好的人没有数据 sense，有数据 sense 的人编程不一定行，就算编程还可以，一般也是优先考虑数据科学家。
坑位很多，毕竟要搞数据驱动的话，必然需要人手来建设数据仓库的，在很长一段时间内，都会是一个必不可少的角色。

大数据工程师，偏底层运维性质，主要是维护大数据集群和相关服务，以及基于开源生态做二次开发。很多公司会把这个和数据工程师混淆，自己看 JD 判断吧。这个岗位需要对开源生态很熟悉，了解底层知识，阅读过源码。待遇和数据工程师类似，坑位主要是大公司有，中小公司一般是数据工程师兼任这部分职能，只有大公司才会有定制化开发的需求。开源组件基本能满足大部分数据需求了，所以实际上岗位需求比较有限。

爬虫工程师，需要对爬虫知识有全面的了解，这里也不多谈。有爬虫需求的公司很多，但需求一般都不会强到单独设置爬虫岗位，都是其它岗位的人根据需求临时开发一下。坑位是非常非常少的，大公司也不一定有。


综上来说，你觉得自己能力强就去拼一把数据科学家和算法工程师，要是能拿到 offer，待遇通常不会差。
如果觉得自己竞争不过，就去试试数据工程师吧，需要的知识技能比较固定，面试很好准备，面试官也很青睐统计学这个专业。
保底的选择就是数据分析师，相信我，凭着这个专业，无论怎样你总能找到一份工作的，如果你不满意待遇和前景，可以先做着积攒经验，以后找机会再跳槽就行了。数据领域的工作，岗位边界其实并不明确，如果你愿意，完全有机会在完成本职工作之后申请干点别的事。

大数据工程师、爬虫工程师，如果你没有相关经验，就不推荐了，现在来不及准备。



最后，我们公司正在招人，base 深圳。数据科学家、算法工程师（ NLP ）、数据工程师、爬虫工程师都有需求。
我们是一家 ToB 的数据服务公司，拥有爬虫、数据清洗、挖掘数据价值的全链路数据能力，服务的公司有好几个全球知名的快消品巨头。

有兴趣的话加我微信了解详细情况 dXNlcjkxOWx4

按照你的需求， 部署 Airflow 配置个 LocalExecutor 就足够满足了。

1. 写一套东西，以后添加新定时任务的时候直接扔代码和运行配置
Airflow 的任务是用 Python 写的，你完全可以写成动态的形式，可以通过读取数据库或者 csv 文件来动态生成定时任务，事实上我在实践中经常这么用。

2. 能够出错重试，然后对结果啥的能进行查看
Airflow 提供 Web UI 界面，可以查看每个周期下的 task 的运行状态，还有完整的信息（执行时间、重试次数、运行日志等等），出错自动重试，可以发送邮件，并且有按钮能让你重试任务，连 ssh 登陆服务器都不需要。

我是做数据开发的，需要处理大量的定时任务，还有重重复杂的依赖关系。
很推荐用 Airflow，已经有非常多的公司在使用这个调度系统了，就调度这件事而言，我觉得它提供的功能已经非常全面了，足够满足你的需求。
如果觉得官方文档比较难懂，可以参考我写的几篇博客，http://longfei.leanote.com/cate/bigdata 不过我这几篇都是概念和使用方法。如果你要想了解如何安装部署，要么看官方文档，要么就搜一下网络上的教程。

遵循你自己的兴趣。

如果你真的很热爱编程，希望在这上面有长远发展，就选第一份。真正热爱的人，一周工作 80 个小时也不嫌累的，如果你去看早期的程序员大神的传记，这样的情况比比皆是。当然，他们是在为自己工作，这与我们为工资工作还是有本质区别的。不过这也取决于你怎么看待自己手上的工作。如果你觉得这工作与自己无关，就是资本家在剥削你，早点干完下班当然是最好的。

如果只当成是工作，当然选第二份，钱同样多，还轻松。别说什么下了班再搞自己的个人项目或者自习，要做到这一点的，乃至于做得出彩足够成为简历上的亮点，需要强大的自制力，或者养成习惯，这都不是朝夕可成的。事实上，更常见的情况是，下了班就随便玩玩，把时间浪费掉了。而且，应该往长远看，你就满足于这 14k 吗？也得考虑一下工资增速。

这两种选择并没有高低之分，只是每个人想法不一样罢了。
上面的回复清一色地都选第二份，但我觉得如果真心热爱开发的话，第二份是个很糟糕的选择，这意味着你有一段空档期，不要小看这段空档期，对成长的伤害是非常大的，等你再回来的时候，很多东西都得重头再来。
当然，第一份也不好，因为是强制的加班，这通常会伴随着较大的工作压力，得不到良好的休息，导致工作效率降低，甚至损害身体，得不偿失。 如果有可能，尽量寻找一份不需要强制加班，或者加班强度不那么大的开发工作。

这个要求至少得 3000 起

这个我有研究过。
switch+ 马里奥派对 /just dance/arms 这几款是最适合的。
这些游戏能多人同玩，依靠体感操作，游戏逻辑简单，能让小孩子能迅速上手，玩得开心，是亲子游戏的最佳选择。

目标城市？

正好住在附近，有意

就喜欢这种啥套路都没有的活动！ 之前参加 Rails Girl 中了个倍恰的 T-shirt，还是很棒的。

同 PS4+NS+Steam
PS4 游戏 2000+，额外三个手柄 380*3
Steam 游戏 500+ ，XBOX 手柄 450
NS 游戏 2000+，joycon 460，pro 440

不过我是有时间玩的，每周五晚上组织公司同事一起玩，周末在家自己玩或者去找朋友玩。

建议 NS 留在家里和小孩子一起玩。NS 上有非常多适合亲子同乐的游戏，比较推荐的是那种操作简单，能充分发挥 joycon 体感功能的游戏，比如马里奥聚会，Just Dance，Arms 等等。

PS4 可以考虑带去公司放着，有空时大家玩几局实况或者 NBA2K 之类的，挺不错的。

Steam 就喜加 1 吧，好歹能混点等级经验呢（手动滑稽

既然楼上有人说批评得似是而非，那我就来详细说说。

为什么大家都喜欢扎堆在互联网？

1、薪资待遇好：这个不用多说，现在行业平均薪资已经到第一位了，这一点传统行业怎么都比不了。刚毕业觉得没钱无所谓，再过几年要用钱了再来看看？钱就是关乎你活着的尊严。

2、上升通道明确：你努力钻研技术提升自己，就有很大机会晋升，即使在这家公司不行，你也完全可以跳槽，只要实力硬，大把公司抢着要。

3、 同事、领导水平高：薪资高随之也吸引了高学历人才。稍微好一点的互联网公司，名校人才大把抓。学历是一方面，能力同样也很出色，和他们一起合作很舒服。

还有很多很多条可以写，不过没必要了，楼主看看传统行业能不能满足这几条。
选择工作，一是要获得足够的回报（工资、技能提升、人脉等等），二是要工作开心（领导管理好，同事优秀等等），我觉得互联网公司在这两方面都做得最好。
抱怨互联网行业不好，无非就是觉得加班多，没有自己的生活。这一点我同意的，不过也和你所在的公司和部门有直接的关系。我有个师妹在腾讯，她就很少加班，我自己也只是偶尔项目忙的时候需要加。然而传统行业也不是个个都不加班的，还是得看公司、部门、直接领导、岗位职责的情况。用这个理由来说互联网不好是有问题的，你只能说某个公司某个部门不好。

@vowers

我自己也是做大数据方面的工作，现在是一名数据工程师。我对未来的方向还是比较清晰的，我的目标就是深耕数据工程这个领域，不拘泥于技术（当然，主流技术是要学习的，只是不过分深究细节），把重点放在建立数据体系上，总的来说，就是让数据变得更易使用。

首先推荐你看一篇文章，《数据工程师的崛起》，Airflow 的开发者写的，大数据文摘翻译。流传比较广，随便搜一下就有了。这篇文章对数据工程师的工作做了比较全面的总结，可以帮助你梳理一下数据工程的整体概况，对未来的方向会有更清晰的认识。

然后如果找不到方向，建议学习一下数据仓库的相关知识。就我自己的经验来看，有数据仓库项目经验的工程师，在求职时真的非常有优势。很多公司都开始意识到数据仓库的重要性了，都想建数据仓库，但懂得怎么搞的人真的不多，能把大数据和传统数仓结合起来的人就更少了。这东西投入大，见效慢，风险高。我之前的公司，就有这种情况：大老板专门成立一个部门搞数据仓库，但搞了几个月都没什么产出，最后又解散掉了。

另外，可以去买一本阿里数据部出的《大数据之路》看一下。这本书讲的东西都比较浅，但内容全面，数据工程涉及的方方面面都有提及，你完全可以选其中比较感兴趣的部分深入研究。

如果打算在这个行业里继续发展，还是考虑到一线城市去，到有数据氛围的公司去。这些公司，一则对数据比较重视，使用的场景也多，相应地踩坑也多，有很多可以学习的相关经验。二则数据量大，种类丰富，需求多样，对你自己是挑战也是提升自我的机会。三则数据分析师比较优秀，你的工作的价值会得到体现（数据仓库建得再好，也得有人用才有意义）

就我自己了解的情况来看。国内有名的大公司里面，阿里和美团在这方面应该是做得最好的公司了，他们有非常强大的工程和分析团队，还有自己开发的各种系统，满足方方面面的数据需求。

遇到过最恶心的套路

HR：期望薪资是多少？
我 ：XX k (月）

HR：所以是 XX*12 k 一年对吧？
我： 嗯……对的，这个没算年终奖吧。

HR：blabla， 顾左右而言他
我： 好的那就这样

过几天发 offer

HR：你好我们给开的薪水是 (XX*12)/14 每月，年终奖是两个月的薪水
我：？？？

这种行为真的让人非常生气，但除了拒 offer 没别的办法反制。要接受了去入职的话心里也会有疙瘩，很难受。
这也从此让我在薪酬谈判的时候，对 HR 非常警惕。

还有，HR 如果没法在薪酬、福利上给出更多的时候，他们就会开始扯说公司会培养你之类的话。
但是，没有给出计划的所谓培养，都不过是把你丢在工作里自生自灭而已，不要相信 HR 的鬼话。（直到我来到现在这家公司才知道什么是真正的培养：会出钱给我们去参加培训，会找 CEO 级别的大佬来给我们上课，还有一对一聊天的机会）

@guancyxx

www.yimian.com.cn/career/

到这里看一下你觉得合适的岗位，稍后我会把你的简历转给面试官看看。
我们组在招的岗位：Python 工程师（数据平台）、大数据工程师、ETL 工程师