Re: [问题] 有点迷惘于python的世界

楼主: arsl400 (dark hatter)   2019-01-16 00:33:31
※ 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,

: 又不想再用spss、excel等弹性较低的软件,因而往python、R再继续发展,却意外发现

: 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、网络

: 虫。
: 然而,却发现若要往这方向走,还要学习js 等,甚至是前后端的部分,原以为把pytho
n
: 的机器学习、深度学习学完后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

: 读完就转向学习其他部分?(SQL、node red、JavaScript 等) 好疑惑,不知该往哪

: ,也不知该怎么走......想请各位大大解惑
看到这篇我也想抛砖引玉一下
小弟最近对人工智能有兴趣,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,我觉得人工智能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,看什么书籍会比较好?
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?
然后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~~
作者: ChuckHayes44 (ChuckHayes)   2019-01-16 00:56:00
对...因为你只懂非常high level 里面数学没有很简单呼叫API到是很简单 人人都可以呼叫API当DS做ML
作者: ghmsxtwo (YI)   2019-01-16 01:45:00
4
作者: f496328mm (为什么会流泪)   2019-01-16 02:32:00
一堆数学好懂?我觉得蛮难的
作者: ericakcc (小邹)   2019-01-16 03:29:00
Yan Goodfellow 写的那本可以看一下
作者: Kazimir (Kazimir)   2019-01-16 05:57:00
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
作者: HenryLiKing (HenryLiKing)   2019-01-16 08:34:00
觉得很简单可能很有天分吧或是套件狂XD
作者: sean50301 ( (づ′・ω・)づ)   2019-01-16 08:53:00
去面试就知道是不是自我感觉良好了xd
作者: woogee (woogee)   2019-01-16 11:01:00
XD
作者: thefattiger (LT)   2019-01-16 11:03:00
一堆人把数学妖魔化,其实ML只要会基本线代就可以理解了,根本没难到哪,难的是一些很前沿的model但那些东西大部分都离实用很远
作者: kokolotl (nooooooooooo)   2019-01-16 11:09:00
是研究还是应用,程度上应该有差
作者: Angesi (小云豹)   2019-01-16 15:08:00
我不认为如此 研究上大部份结果 现在都写成程式库了随着时间 越多的contributor投入 能用的工具就越多
作者: thefattiger (LT)   2019-01-16 15:49:00
要提出新的方法/模型,并以数学证明收敛性,才需要很强的数学背景,只是要看懂paper,一般理工学硕绰绰有余
作者: f496328mm (为什么会流泪)   2019-01-16 19:56:00
ML明明一堆统计,最好只要最基本的线代况且 time series, Markov chain, lasso 等等上面都是一堆数学SVM, gradient boosting, loss function 也是一堆数学林轩田的影片,里面也讲很多数学回原PO,资料科学不一定要有学历,现在更多看你的作品github 的 project,kaggle 拿铜牌银牌也是另外一种能力呈现方式
作者: purestone (天空之子)   2019-01-16 20:40:00
不认同楼上,觉得这领域是学历和作品都很重要,资料分析这块感觉很重视血统,外人要跨领域进来很难
作者: s860134 (s860134)   2019-01-16 21:37:00
是怎么让别人 "相信我" 嘴砲也是能力好ㄇ~
作者: Mchord (Mchord)   2019-01-16 21:51:00
看paper cp值很低,练习跑code跟改code比较有帮助
作者: sean50301 ( (づ′・ω・)づ)   2019-01-17 09:08:00
对数学的要求可能还要取决于你待哪个部门吧 如果是在RD的data scientist只懂线代可能就不太行...
作者: thefattiger (LT)   2019-01-17 11:46:00
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data scientist这是高门槛职缺,不能与工程师混为一谈林轩田李宏毅和Andrew Ng的课我都看过,都是大学数学就够用了,少部分以前没学过补一补就好另外看paper跟写code是相辅相成的,怎么会说cp值低...
作者: f496328mm (为什么会流泪)   2019-01-17 13:16:00
有能力自学,跟学得会是两回事照你这样讲,数学系只要开微积分跟线代就好了其他通通自学
作者: thefattiger (LT)   2019-01-17 13:26:00
你在讲什么...这篇不就是在讨论跨领域学习吗事实上就是ML/DL领域的学习门槛很低啊我自学过量力,要先补很多东西才能听得懂,但ml不用当初第一堂ML课程是史丹佛CS229,完全无痛入门
作者: f496328mm (为什么会流泪)   2019-01-17 13:32:00
数学系开专门一个课教 time series, Markov chain你自学就能会,你强不要说 ML 没有碰到上面的东西门槛很低,因为套件都帮你写好了 model 谁都会 train
作者: thefattiger (LT)   2019-01-17 13:39:00
你刚刚说林轩田的课,现在又扯数学系教的time series到底在扯啥,我只是想说ML的数学门槛就是没这么高而已很多东西本来就是不会再去看就好,难道我只是想知道HMM,CRF是啥,还要去数学系修Markov Chain?又不是学生当然我以上说的都是给ML工程师,不是data scientist后者跨领域除非超强者,不然还是别想了
作者: Kazimir (Kazimir)   2019-01-17 14:42:00
机统还是要会啦 主要是模型87%以这个观点诠释 没学会看不懂 一堂3个月大概半年时间补起来吧 这样大部分就ok了之后最佳化 资讯论 实分析 其他随机过程之类的看目标
作者: purpleboy01 (紫喵)   2019-01-17 16:06:00
理论很好理解 自刻一个好的程式很累
作者: bibo9901 (function(){})()   2019-01-17 17:10:00
会觉得无痛入门的, 要嘛天才, 要嘛是完全没入门吧XDD调包侠算程式基础能力, 不算入门喔
作者: Mchord (Mchord)   2019-01-18 00:15:00
DL而言对写code有帮助的paper我还真不知道要推荐什么,但是画唬烂的paper你随便搜都有。入门而言去知乎搜别人整理的paper心得还比较有效率。
作者: vrvr323 (批踢踢常驻程式)   2019-01-18 23:59:00
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式,只需要线代就可以了啦,但如果你想了解背后的原理可就没这么简单了,所以机器学习需要什么数学知识端看你想摸多深。题外话修完后我觉得统计比线代重要就是了…
作者: lithan   2019-01-19 00:43:00
其他板看到的:#1SFGjxZX (Soft_Job)
作者: agario (Agar.io)   2019-01-19 06:32:00
感觉学的差不多就可以试着发一篇 ICLR 或者NeuriPS 论文
作者: TheOneisNEO (Thomas Anderson)   2019-01-19 14:05:00
你觉得很好理解有可能是因为你看到最终结果的解释而探讨这个结果的过程有很多数学相关的东西 自己要想到不容易 甚至说看到了但不能了解但要不要花时间弄懂这些 就看你的目标吧
作者: shala (沙罗)   2019-02-02 17:36:00
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不是的话就是要知道很多结论和操作方法这是我的想法

Links booklink

Contact Us: admin [ a t ] ucptt.com