学习

Summary

这份 Activity 的核心目的就是：用真实的招聘与搜索数据来“画像”数据科学岗位，并练习从文本中提炼信息的思维与方法。具体想让你达成——

理解岗位与术语热度/需求的关系：先用 Google Trends 比较 “Data Scientist / Big Data / Data Analyst / Data Science”，再把结果和澳洲招聘现状对照，体会地域与时间差异（美国趋势 vs 澳洲当下）。
认识市场与技能构成：在澳洲与英国的权威/招聘站点（Hudson、ABS、Jobs & Skills、Adzuna）查看公司、技能、薪资、地域等概览，并留意相关职位名（如 Business Analyst）。
练习“获取—清洗—对齐”数据：思考如何从搜索结果页拿到数据、如何清洗页面噪声（如 Seek 的“Add to shortlist”），为后续分析做准备。
手工信息抽取：从5 条招聘里提取主要术语/技能/资格/公司/地点/薪资，体会同义词（munging vs wrangling）、歧义（“Apple”到底是公司、苹果还是地名）和人工方法是否可扩展。
对比自动抽取：把一条招聘文本丢进 OpenCalais 做实体标注，看看哪些正确哪些不准，并顺带认识 RDF 的表示方式。
理解文本挖掘的挑战：从这次练习认识到信息抽取/文本挖掘为什么难（同义词、歧义、上下文依赖、标注质量等）。

一句话总结：这项活动让你用数据驱动的方式去“描述岗位”——看趋势、看市场、手工+自动抽取，再反思信息抽取与清洗的难点，从而形成对 Data Scientist/相关岗位更现实、可操作的认知。

Search for “Data Scientist", "Big Data", "Data Analyst”

Search for the same exact terms on Seek.com.au

Activity 2.1: Describing the Job

这份 Activity 的核心目的就是：用真实的招聘与搜索数据来“画像”数据科学岗位，并练习从文本中提炼信息的思维与方法。具体想让你达成——

理解岗位与术语热度/需求的关系：先用 Google Trends 比较 “Data Scientist / Big Data / Data Analyst / Data Science”，再把结果和澳洲招聘现状对照，体会地域与时间差异（美国趋势 vs 澳洲当下）。
认识市场与技能构成：在澳洲与英国的权威/招聘站点（Hudson、ABS、Jobs & Skills、Adzuna）查看公司、技能、薪资、地域等概览，并留意相关职位名（如 Business Analyst）。
练习“获取—清洗—对齐”数据：思考如何从搜索结果页拿到数据、如何清洗页面噪声（如 Seek 的“Add to shortlist”），为后续分析做准备。
手工信息抽取：从5 条招聘里提取主要术语/技能/资格/公司/地点/薪资，体会同义词（munging vs wrangling）、歧义（“Apple”到底是公司、苹果还是地名）和人工方法是否可扩展。
对比自动抽取：把一条招聘文本丢进 OpenCalais 做实体标注，看看哪些正确哪些不准，并顺带认识 RDF 的表示方式。
理解文本挖掘的挑战：从这次练习认识到信息抽取/文本挖掘为什么难（同义词、歧义、上下文依赖、标注质量等）。