學習筆記，僅供參考，有錯必糾
摘自：《機器學習實戰(zhàn)》作者Peter Harrington：如何成為一位數(shù)據(jù)科學家
訪談對象：Peter Harrington

---

• 機器學習似乎比其他計算機科學學科都要難，特別是對于數(shù)學不太好的程序員而言。你對這些程序員有什么樣的建議呢？

我建議應該先自學基本的概率、統(tǒng)計，以及線性代數(shù)。你不需要學一個學期那么長的課，這些基礎(chǔ)知識就會讓你有很大收獲。有很多在線資源，比如Kahn academy視頻。（我在56.com和Kahn academy找了一下有很多英文的，也有一些中文的。）也有一些比較容易起步的書，我比較熟悉有美國英文版的“teach yourself”（自學）系列, “statistics for dummies”（傻瓜統(tǒng)計）, “probability refresher”（概率補習），“statistics demystified”（統(tǒng)計解惑）等等。

我其實認為這里面其實很有商機。Kahn academy視頻很不錯，因為它們都很短，但遺憾的是這些視頻都是英文的。我看見的中文線性代數(shù)視頻都很長。如果你能做出像Kahn academy那樣的中文視頻，我覺得是會非常受歡迎的。

• 如何進階學習機器學習？對于初學者是否有一個類似于路線圖的東西？你有什么推薦書單嗎？

我會讀Witten 和 Frank所著的《數(shù)據(jù)挖掘：實用機器學習工具與技術(shù)》，這里面涉及的數(shù)學很少，但是又對普通算法做了很好的介紹。我覺得緊接著就該讀Tan, Steinbach, 以及Kumar的《數(shù)據(jù)挖掘?qū)д摗贰?/p>

當然，這些書都很厚，如果你想馬上就搞明白一些東西，估計就不想讀這些大部頭了。如果要把某個算法弄明白，我會在網(wǎng)上找很多教程。比如Adboost算法，我認為多讀一些不同的教程比只讀一個，深入鉆研要好很多。

最后我覺得應該多動手玩玩實例。問問你自己：如果我改變這個數(shù)據(jù)，結(jié)果會是怎么樣的呢？

• 對于有些人來說“算法”才是機器學習真正有趣的地方，但是機器學習里面總有一些苦活累活不那么有意思，比如數(shù)據(jù)預處理。你是怎么完成這些“不那么有趣”的工作的？

當然，肯定有無聊的工作，所以你一定要把這部分工作自動化，這樣你就不需要重復做這些無聊的工作了。這樣做也會讓你變成一個更好的軟件開發(fā)者。

• 數(shù)據(jù)科學家被評為世界上最火的工作之一，你認同嗎？您本人作為一個數(shù)據(jù)科學家，有什么可以和我們分享的經(jīng)驗嗎？要成為一個數(shù)據(jù)科學家需要有什么條件？

我認為數(shù)據(jù)科學家現(xiàn)在確實很好找工作。什么是數(shù)據(jù)科學家呢？我認為數(shù)據(jù)科學家是介于統(tǒng)計學家和軟件工程師中間的一種工作。公司、個人、NPO，甚至運動隊都需要根據(jù)數(shù)據(jù)來做決策。他們需要可以分析數(shù)據(jù)的人。這需要我之前提過的兩種條件。人們不需要單純的統(tǒng)計學家，這些人可能對于爭論自己到底用不用貝葉斯定理更感興趣，人們需要的是真正能做實事的人。

所以我也建議大家多動手做一些東西。這是什么意思呢？創(chuàng)造一些項目，收集數(shù)據(jù)，預處理數(shù)據(jù)，然后做一些數(shù)據(jù)分析，展示數(shù)據(jù)，最后向公眾展示這些數(shù)據(jù)。如果你做了很多這樣的事情，那么你就有一個可以用來向你未來老板或者其他人展示的檔案夾。幾乎我書里的每個例子都可以用來做成一個網(wǎng)站或者智能電話app，這些都是你可以示人的資本。

• 很多大（數(shù)據(jù)）公司，比如Google, Facebook 和 Baidu都投入很多精力在深度學習上。你認為深度學習會在未來取代“人工特性+機器學習”的方法嗎？

不，我不認為深度學習會取代人工特性+機器學習。有很多領(lǐng)域，深度學習確實很擅長，比如識別圖片。但是仍然有很多領(lǐng)域現(xiàn)存算法的表現(xiàn)更勝一籌。

總結(jié)

以上是生活随笔為你收集整理的如何成为一位数据科学家(图灵访谈)的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。