作者loser113 (洨大鲁蛇ㄍ)
看板DataScience
标题[讨论] 增强技能方向
时间Fri Jun 21 22:47:41 2019
目前 已经懂一些常用ML方法(林轩田YOUTUBE的课看完) 跟用PYTHON跑分析
但还是有很多不足的地方 想请教该进步的方向
目前目标来说想进业界工作
1.理论弄懂
因为已经会用 理论要搞懂觉得很花时间 像演算法中间的数学
理论弄清楚应该会帮助逻辑思考 但是也要花一段时间
2.python 技能加强 OR 新的程式语言
本人非资工出身 不会太难的程式技巧 目前跑分析大部分都看得懂
3.学习新的演算法
演算法众多 不知道该怎麽下手
4.多看别人分析作品
觉得实务上满实际 除了kaggle 还有没有推荐的网站
5.往深度学习发展
知道在影音部分有用到 目前也是热门技术 相对竞争对手也很多
6.资料库
个人比较偏向专攻ML技术 资料库太多种 但跟分析也是高度关系
7.英文能力
就国际语言
-----
请指教
--
※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 27.242.173.153 (台湾)
※ 文章网址: https://webptt.com/cn.aspx?n=bbs/DataScience/M.1561128463.A.061.html
※ 编辑: loser113 (27.242.173.153 台湾), 06/21/2019 22:51:23
※ 编辑: loser113 (27.242.173.153 台湾), 06/21/2019 22:57:42
※ 编辑: loser113 (27.242.173.153 台湾), 06/21/2019 23:02:21
1F：推 bessgaga: 7跟1吧 数学跟英文底子好 可以很快弄懂最新技术 感觉是 06/21 23:35
2F：→ bessgaga: 业界比较需要的能力 06/21 23:35
3F：→ sxy67230: 1很重要，没弄懂ml的原理跟不会用没有太大的差别，除非 06/22 00:32
4F：→ sxy67230: 你都只拿别人的专案跑，或是只做简单的算法。否则你今 06/22 00:32
5F：→ sxy67230: 天拿到一个没人做过的，老板希望你用ml来增强，你不会想 06/22 00:32
6F：→ sxy67230: 每个model都套套看，看哪个好吧？ 06/22 00:32
7F：→ sxy67230: 还有现在很多真正走入产品的都是透过pipline混合多个模 06/22 00:34
8F：→ sxy67230: 型跟方法才能达到不错的效果，组织pipline也是需要懂原 06/22 00:34
9F：→ sxy67230: 理的。 06/22 00:34
10F：→ f496328mm: kaggle 打进排名 06/22 09:24
11F：→ f496328mm: 你想进业界，kaggle 是非常好呈现你能力的地方 06/22 09:24
12F：→ f496328mm: 如果面试，与其说你会ML，不如直接拿 kaggle 成绩 06/22 09:25
13F：→ f496328mm: 更能说服人 06/22 09:25
14F：→ ice80712: 现在哪些公司会看kaggle? 06/22 09:50
15F：→ f496328mm: 回楼上，你google 104 kaggle 就会看到了 06/22 10:02
16F：→ f496328mm: 履历上，说自己会什麽，太抽象了，不如说自己做过什麽 06/22 10:04
17F：→ f496328mm: 一般都会做 project，而 ML，对应到的就是 kaggle 06/22 10:04
18F：→ sxy67230: kaggle跟leetcode都是基本的，目前大多公司都是以leetco 06/22 15:13
19F：→ sxy67230: de当指标(programming 永远都不要觉得自己很够)，kaggle 06/22 15:13
20F：→ sxy67230: 跟project主要是加分。 06/22 15:13
21F：推 sxy67230: 但是其实基本上懂不懂问了大概就知道程度在哪边 06/22 15:17