• 林彦
    2018-08-23
    非计算机/统计/数学/金融专业毕业,之前不是程序员。作为一名工科毕业生,自己数学和逻辑的基础应能超出平均水平。想谋求一份以工程和数学为基础的技术职位作为职场生存的立足点之一。

    自己接下去工作会接触到SQL,很可能会有pandas,numpy这些数据分析的模块,也许还会用到Spark及Hadoop的一些相关知识/技能。编程经验除了业余自学的基础的Python和有限的pandas实践外,其他很少或差不多忘了。

    想问王老师除了理论学习和书籍阅读,做好现在的本职工作(SQL,网站分析工具等)外,业余或有可能在工作的项目中最好先从哪些领域练习/实践起。已报了持续数月的机器学习/深度学习的课程。马上要从事金融领域,也报了班补一补金融领域的数据建模/分析。现在课程非常多,可以看的书或领域对于基础不高的我有很多路径。有家庭的情况下必须有重点的选择。

    谢谢。
    展开

    作者回复: 纸上得来终觉浅,绝知此事要躬行。我理解你是要做些实践类的项目。
    首先可以看看诸如Harrington《机器学习实战》这一类的书籍,了解一下从输入到输出完整的过程。专栏里的例子都是toy example,在真实项目里,数据预处理和特征工程这些都是不可或缺的。
    有了大体的认识之后,就可以做一些更贴近实际的项目了。Kaggle,还有一些其他的国内的网站都是很好的选择,你可以找一找。里面的项目都是基于真实数据集的完整问题,相当于亲手实战了。
    再深入的话就是做真刀真枪的项目了。这种项目离不开垂直领域,需要完全从零开始地分析解决。如果对金融有兴趣,你可以找一些相关的案例看一看,学习这个领域特有的方法技巧,有的放矢。但问题是如果没有企业或者研究背景的话,这种纯实践的横向项目恐怕接触不到。
    以上就是我的一点建议,但仅仅是一般化的路径,每个人的基础不同,还需要根据自己的情况找到最合适的道路。
    祝你达到心中的目标!

    
     2
  • 彭燕林
    2019-11-26
    王老师的课由浅入深,抽丝剥茧,真正的对我打开机器学习的大门,值得反复学习。我本身做计算机工程,学习理论是一个参考,有这样一个指引方向的课程如遇甘霖,非常受益,十分感谢。
    
    
  • zhoujie
    2018-09-13
    感知机算法属于参数非线性模型这一点没问题,那它是不是也属于全局非线性模型呢?因为感知机算法和逻辑回归一样都是将线性组合转为非线性,只不过逻辑回归是0,1区间的软分类,感知机是符号函数的0,1硬分类

    作者回复: 感知器属于全局模型,一套参数适用于所有输入

    
    
  • zhoujie
    2018-09-11
    关于分布式表示,深度学习可以理解,朴素贝叶斯为什么属于分布式表示,从哪里体现出来?

    作者回复: 朴素贝叶斯把属性之间的关联去掉,让属性之间相互独立,让每个样本都可以从单个属性的角度来观察,可以理解成是最简单的分布式表示了。

    
    
  • never_giveup
    2018-08-07
    老师,出现病态矩阵问题,有比较好的解决方法吗?
    
    
  • never_giveup
    2018-08-07
    老师,出现病态矩阵问题,有比较好的解决方法吗?

    作者回复: 怎么处理取决于应用场景了。最简单的方法是给对角线元素加个扰动,改善下特征值,这相当于做个岭回归。要是矩阵求逆可以借助奇异值分解。

    
    
我们在线,来聊聊吧