正因为如此，很多公司会针对自己的业务类型和团队分工，给这群与大数据打交道的人一些新的头衔和定义：数据挖掘工程师、大数据专家、数据研究员、用户分析专家等都是经常在国内公司里出现的Title，我们将其统称为“大数据工程师”。
在颜莉萍看来，大数据工程师这个角色很重要的一点是，不能脱离市场，因为大数据只有和特定领域的应用结合起来才能产生价值。所以，在某个或多个垂直行业的经历能为应聘者积累对行业的认知，对于之后成为大数据工程师有很大帮助，因此这也是应聘这个岗位时较有说服力的加分项。
对应岗位有数据科学家、数据挖掘工程师、机器学习工程师等，即通过从海量数据中发现规律，但是该领域学习起点高、难度大。
机器学习是人工智能的重要组成和技术基础，伴随着人工智能几十年的发展，期间几次大起大落。作为机器学习的高级阶段，最近几年深度学习算法在自然语言处理、语音识别、图像处理等领域的突破应用和广泛接受。这也标志着机器学习已经彻底迈出实验室大门，走向实践，推动着人工智能向更高阶段发展。数据应用和人工智能发展已经引起了全球关注。企业对机器学习的人才需求增大，与之密切相关的数据科学家、数据挖掘工程师、大数据分析师、机器学习工程师等数据分析类人才成为本世纪最有吸引力的职业。根据相关企业估计，上述人才的增长高峰将持续6-8年。本课程就是对深度学习感兴趣的学员准备的。
注意：我的判断维度里没有“就业数据”，很多答主判断机构的方法必然会带上“就业数据”（包括以前的训哥儿），那么请问，学生如何得知机构真正的就业信息？员工都不一定知情，别说学生了，说一个根本无法掌握的维度，跟没说一样。如果学生真的能获得各个机构真实的就业数据，那么其它方面基本不用看了，谁家就业率高去谁家准没错，因为对绝大多数学生而言培训就是为了就业。
因此分析历史、预测未来、优化选择，这是大数据工程师在“玩数据”时最重要的三大任务。通过这三个工作方向，他们帮助企业做出更好的商业决策。
真正融合且大数据占比业内**高的课程大数据已成技术发展的必然趋势，必将成为高薪职业新的爆点。但从 工程师跃升大数据工程师，并非靠几堂新技术介绍课或三五天的“Hello World”级别的内容就能达成。大数据内容占比高、实战多、融合好，才能培养出货真价实的大数据人才。蓝鸥课程不仅大数据、 融合高，蓝鸥集团本身就拥有大数据公司，能给学员提供更真实的实训环境。
根据不同企业的业务性质，大数据工程师可以通过数据分析来达到不同的目的。以腾讯来说，能反映大数据工程师工作的最简单直接的例子就是选项测试(ABTest)，即帮助产品经理在A、B两个备选方案中做出选择。在过去，决策者只能依据经验进行判断，但如今大数据工程师可以通过大范围地实时测试—比如，在社交网络产品的例子中，让一半用户看到A界面，另一半使用B界面，观察统计一段时间内的点击率和转化率，以此帮助市场部做出最终选择。
大数据工程师这个角色很重要的一点是，不能脱离市场，因为大数据只有和特定领域的应用结合起来才能产生价值。所以，在某个或多个垂直行业的经历能为应聘者积累对行业的认知，对于之后成为大数据工程师有很大帮助，因此这也是应聘这个岗位时较有说服力的加分项。
