背景:数据分析在读研究生,目前研一,对自己未来的学习方向和职业方向没有清晰的认知。疫情在家学习,突然顿悟,要给自己一个明确的学习方向和职业方向。以下是我通过查找多方面资料自己的一些简介。
参考资料链接:
学习链接:
更新于 2020年3月3日
- 首先明确倾向于研究员还是工程师
- 如果倾向于研究员,在学习已有机器算法的基础上,需要深入学习数据、概率论、矩阵论等相关数学知识。注意,研究员考虑的问题是如何使已有的算法效率更高,或通过改造算法或发明一种新的算法(尽管这很难,但也必须有人做。)这一部分人对于这个行业的发展非常非常重要。同时,门槛比较高,对于数据功底要求非常高。我的理解是这一部分人通常具有一些常人不具备的天赋。比如超强记忆力或者空间想象能力。
- 工程师的话,就更倾向于实际的项目和问题了。这样的话,我们关注点就不再是算法的优化问题了,而是算法与实际问题的匹配和调整问题。也就是平常我们所说的对于模型结果不理想,我们需要去调整模型参数。所以,我们不需要太多的数学基础(当然,最底线也要有大一大二的高数基础),但是需要了解更多的算法。我们需要对这些算法的原理有大致认识,应用范围场景要有清楚的认识。我觉得这个比较适合平凡的我,一个普通的机器学习者。
- 最近两天我有去了解一些数据分析的网站和竞赛,也会去看那些竞赛题目和解决方法。给我感觉在遇到实际需求的时候,最终要的就是对当前需求进行特征分析,选取合适的一种模型或多个模型来解决问题。
- 有时可以会把一些算法看作一个黑盒,只需要关注输入和输出即可,具体里面是怎么运作的。
所以,目前我计划的学习路线就是:
了解机器学习算法->例子实战->比赛强化