作者arsl400 (dark hatter)
看板Python
标题Re: [问题] 有点迷惘於python的世界
时间Wed Jan 16 00:33:31 2019
※ 引述《asd2213857 (RyanF)》之铭言：
: 我非本科系相关学生，是心理系的学生，原本只是因为学到中统希望有一些工具辅助，
但
: 又不想再用spss、excel等弹性较低的软体，因而往python、R再继续发展，却意外发现
了
: 机器学习、资料分析的大坑，不小心就越陷越深，默默的学习到了机器学习初阶、网路
爬
: 虫。
: 然而，却发现若要往这方向走，还要学习js 等，甚至是前後端的部分，原以为把pytho
n
: 的机器学习、深度学习学完後就可以是个专业人士了，殊不知自己想的太浅又太蠢....
..
: 真的越来越迷惘该如何走，该照原进度继续学习到深度学习完吗？还是把现在的机器学
习
: 读完就转向学习其他部分？（SQL、node red、JavaScript 等） 好疑惑，不知该往哪
走
: ，也不知该怎麽走......想请各位大大解惑
看到这篇我也想抛砖引玉一下
小弟最近对人工智慧有兴趣，曾经用聊天机器人拿过黑客松的奖，未来想当资料科学家
使用过Python觉得蛮得心应手的
我数学不好，也不是念资讯科系，而是念教育相关科系
和楼下推文相反的是，我觉得人工智慧理论蛮简单好理解的@@，是自我感觉良好产生的
错觉吗??
请问如果要自己进修，看什麽书籍会比较好?
123学校图书馆里的图书真的是，又老又旧@@，都是1980年代的老骨董
看这些书籍会被时代淘汰掉吗?
然後我看的书好像是写给大众看的，code比较少，也偏心理学，这样会不会太浅?
请各位大神指点迷~~
--
※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 111.242.13.32
※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Python/M.1547570014.A.390.html
1F：推 ChuckHayes44: 对...因为你只懂非常high level 里面数学没有很简单01/16 00:56
2F：→ ChuckHayes44: 呼叫API到是很简单 人人都可以呼叫API当DS做ML01/16 00:57
3F：推 ghmsxtwo: 401/16 01:45
4F：推 f496328mm: 一堆数学好懂？我觉得蛮难的 01/16 02:32
5F：推 ericakcc: Yan Goodfellow 写的那本可以看一下01/16 03:29
6F：推 Kazimir: 其实难的数学就是没学过的数学 都学过的话就会变简单了01/16 05:57
7F：推 HenryLiKing: 觉得很简单可能很有天分吧01/16 08:34
8F：→ HenryLiKing: 或是套件狂XD01/16 08:34
9F：推 sean50301: 去面试就知道是不是自我感觉良好了xd01/16 08:53
我之前参加科技公司黑客松
在情绪辨识连结了知觉心理学和
自闭症相关的知识
主管听完递了名片
目前是拿到面试通知了
可是公司要的是Java
看版友分享的那张工作分类图
Java似乎偏软体工程
像Python这种资料科学似乎要补学历?
※ 编辑: arsl400 (49.216.162.234), 01/16/2019 10:30:42
10F：推 woogee: XD 01/16 11:01
11F：推 thefattiger: 一堆人把数学妖魔化,其实ML只要会基本线代就可以理 01/16 11:03
12F：→ thefattiger: 解了,根本没难到哪,难的是一些很前沿的model 01/16 11:04
13F：→ thefattiger: 但那些东西大部分都离实用很远 01/16 11:05
14F：推 kokolotl: 是研究还是应用，程度上应该有差 01/16 11:09
15F：推 Angesi: 我不认为如此 研究上大部份结果 现在都写成程式库了 01/16 15:08
16F：→ Angesi: 随着时间 越多的contributor投入 能用的工具就越多 01/16 15:09
17F：推 thefattiger: 要提出新的方法/模型,并以数学证明收敛性,才需要很强 01/16 15:49
18F：→ thefattiger: 的数学背景,只是要看懂paper,一般理工学硕绰绰有余 01/16 15:50
19F：推 f496328mm: ML明明一堆统计，最好只要最基本的线代01/16 19:56
20F：→ f496328mm: 况且 time series, Markov chain, lasso 等等01/16 19:57
21F：→ f496328mm: 上面都是一堆数学01/16 19:57
22F：→ f496328mm: SVM, gradient boosting, loss function 也是一堆数学01/16 20:00
23F：→ f496328mm: 林轩田的影片，里面也讲很多数学01/16 20:00
24F：→ f496328mm: 回原PO，资料科学不一定要有学历，现在更多看你的作品01/16 20:02
25F：→ f496328mm: github 的 project，kaggle 拿铜牌银牌01/16 20:03
26F：→ f496328mm: 也是另外一种能力呈现方式01/16 20:03
27F：→ purestone: 不认同楼上，觉得这领域是学历和作品都很重要，资料分01/16 20:40
28F：→ purestone: 析这块感觉很重视血统，外人要跨领域进来很难01/16 20:41
29F：→ s860134: 是怎麽让别人 "相信我" 嘴炮也是能力好ㄇ~01/16 21:37
小弟火影迷"相信我之术"蛮强的，在学校模拟面试老师都说我在人工智慧理论讲的蛮好的
30F：→ Mchord: 看paper cp值很低，练习跑code跟改code比较有帮助 01/16 21:51
真的吗@@感谢建议，看paper真的比较慢
※ 编辑: arsl400 (111.242.13.32), 01/16/2019 22:06:56
31F：推 sean50301: 对数学的要求可能还要取决於你待哪个部门吧 如果是在RD 01/17 09:08
32F：→ sean50301: 的data scientist只懂线代可能就不太行... 01/17 09:08
33F：→ thefattiger: f你讲的这些不就是懂基本线代微积分就有能力自学的吗 01/17 11:46
34F：→ thefattiger: data scientist这是高门槛职缺,不能与工程师混为一谈 01/17 11:46
35F：→ thefattiger: 林轩田李宏毅和Andrew Ng的课我都看过,都是大学数学01/17 11:47
36F：→ thefattiger: 就够用了,少部分以前没学过补一补就好01/17 11:48
37F：推 thefattiger: 另外看paper跟写code是相辅相成的,怎麽会说cp值低...01/17 11:51
38F：→ f496328mm: 有能力自学，跟学得会是两回事01/17 13:16
39F：→ f496328mm: 照你这样讲，数学系只要开微积分跟线代就好了01/17 13:17
40F：→ f496328mm: 其他通通自学01/17 13:17
41F：→ thefattiger: 你在讲什麽...这篇不就是在讨论跨领域学习吗01/17 13:26
42F：→ thefattiger: 事实上就是ML/DL领域的学习门槛很低啊01/17 13:27
43F：→ thefattiger: 我自学过量力,要先补很多东西才能听得懂,但ml不用01/17 13:29
44F：→ thefattiger: 当初第一堂ML课程是史丹佛CS229,完全无痛入门01/17 13:30
45F：→ f496328mm: 数学系开专门一个课教 time series, Markov chain01/17 13:32
46F：→ f496328mm: 你自学就能会，你强01/17 13:32
47F：→ f496328mm: 不要说 ML 没有碰到上面的东西01/17 13:32
48F：→ f496328mm: 门槛很低，因为套件都帮你写好了 model 谁都会 train 01/17 13:33
49F：推 thefattiger: 你刚刚说林轩田的课,现在又扯数学系教的time series01/17 13:39
50F：→ thefattiger: 到底在扯啥,我只是想说ML的数学门槛就是没这麽高而已 01/17 13:39
51F：→ thefattiger: 很多东西本来就是不会再去看就好,难道我只是想知道01/17 13:40
52F：→ thefattiger: HMM,CRF是啥,还要去数学系修Markov Chain?又不是学生01/17 13:40
53F：→ thefattiger: 当然我以上说的都是给ML工程师,不是data scientist 01/17 13:41
54F：→ thefattiger: 後者跨领域除非超强者,不然还是别想了 01/17 13:41
55F：推 Kazimir: 机统还是要会啦 主要是模型87%以这个观点诠释 没学会看 01/17 14:42
56F：→ Kazimir: 不懂 一堂3个月大概半年时间补起来吧 这样大部分就ok了 01/17 14:46
57F：→ Kazimir: 之後最佳化 资讯论 实分析 其他随机过程之类的看目标01/17 14:48
58F：推 purpleboy01: 理论很好理解 自刻一个好的程式很累01/17 16:06
你跟我想的完全一样(击掌!
59F：推 bibo9901: 会觉得无痛入门的, 要嘛天才, 要嘛是完全没入门吧XDD01/17 17:10
60F：→ bibo9901: 调包侠算程式基础能力, 不算入门喔01/17 17:10
※ 编辑: arsl400 (111.242.13.32), 01/17/2019 19:53:06
61F：→ Mchord: DL而言对写code有帮助的paper我还真不知道要推荐什麽，但01/18 00:15
62F：→ Mchord: 是画唬烂的paper你随便搜都有。01/18 00:15
63F：→ Mchord: 入门而言去知乎搜别人整理的paper心得还比较有效率。01/18 00:25
64F：推 vrvr323: 我这学期刚修完田神的基石啦，如果只要懂训练的方法及公01/18 23:59
65F：→ vrvr323: 式，只需要线代就可以了啦，但如果你想了解背後的原理可01/18 23:59
66F：→ vrvr323: 就没这麽简单了，所以机器学习需要什麽数学知识端看你想01/18 23:59
67F：→ vrvr323: 摸多深。题外话修完後我觉得统计比线代重要就是了…01/18 23:59
这篇有看过，感恩啦！
※ 编辑: arsl400 (101.15.128.87), 01/19/2019 03:03:43
69F：推 agario: 感觉学的差不多就可以试着发一篇 ICLR 或者NeuriPS 论文 01/19 06:32
70F：推 TheOneisNEO: 你觉得很好理解有可能是因为你看到最终结果的解释 01/19 14:05
71F：→ TheOneisNEO: 而探讨这个结果的过程有很多数学相关的东西 自己要想 01/19 14:05
72F：→ TheOneisNEO: 到不容易 甚至说看到了但不能了解 01/19 14:06
73F：→ TheOneisNEO: 但要不要花时间弄懂这些 就看你的目标吧 01/19 14:06
74F：推 shala: 要能发展出自己的理论或改进别人的理论就要懂很多数学 02/02 17:36
75F：推 shala: 不是的话就是要知道很多结论和操作方法 02/02 17:38
76F：→ shala: 这是我的想法 02/02 17:39