Re: [問題] 有點迷惘於python的世界

看板Python作者 (dark hatter)時間5年前 (2019/01/16 00:33), 5年前編輯推噓24(24推 0噓 52→)
留言76則, 21人參與, 5年前最新討論串3/3 (看更多)
※ 引述《asd2213857 (RyanF)》之銘言： : 我非本科系相關學生，是心理系的學生，原本只是因為學到中統希望有一些工具輔助， 但 : 又不想再用spss、excel等彈性較低的軟體，因而往python、R再繼續發展，卻意外發現 了 : 機器學習、資料分析的大坑，不小心就越陷越深，默默的學習到了機器學習初階、網路 爬 : 蟲。 : 然而，卻發現若要往這方向走，還要學習js 等，甚至是前後端的部分，原以為把pytho n : 的機器學習、深度學習學完後就可以是個專業人士了，殊不知自己想的太淺又太蠢.... .. : 真的越來越迷惘該如何走，該照原進度繼續學習到深度學習完嗎？還是把現在的機器學 習 : 讀完就轉向學習其他部分？（SQL、node red、JavaScript 等） 好疑惑，不知該往哪 走 : ，也不知該怎麼走......想請各位大大解惑 看到這篇我也想拋磚引玉一下 小弟最近對人工智慧有興趣，曾經用聊天機器人拿過黑客松的獎，未來想當資料科學家 使用過Python覺得蠻得心應手的 我數學不好，也不是念資訊科系，而是念教育相關科系 和樓下推文相反的是，我覺得人工智慧理論蠻簡單好理解的@@，是自我感覺良好產生的 錯覺嗎?? 請問如果要自己進修，看什麼書籍會比較好? 123學校圖書館裡的圖書真的是，又老又舊@@，都是1980年代的老骨董 看這些書籍會被時代淘汰掉嗎? 然後我看的書好像是寫給大眾看的，code比較少，也偏心理學，這樣會不會太淺? 請各位大神指點迷~~ -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 111.242.13.32 ※ 文章網址: https://www.ptt.cc/bbs/Python/M.1547570014.A.390.html
推
01/16 00:56, 5年前 , 1F
對...因為你只懂非常high level 裡面數學沒有很簡單
01/16 00:56, 1F
→
01/16 00:57, 5年前 , 2F
呼叫API到是很簡單 人人都可以呼叫API當DS做ML
01/16 00:57, 2F
推
01/16 01:45, 5年前 , 3F
4
01/16 01:45, 3F
推
01/16 02:32, 5年前 , 4F
一堆數學好懂？我覺得蠻難的
01/16 02:32, 4F
推
01/16 03:29, 5年前 , 5F
Yan Goodfellow 寫的那本可以看一下
01/16 03:29, 5F
推
01/16 05:57, 5年前 , 6F
其實難的數學就是沒學過的數學 都學過的話就會變簡單了
01/16 05:57, 6F
推
01/16 08:34, 5年前 , 7F
覺得很簡單可能很有天分吧
01/16 08:34, 7F
→
01/16 08:34, 5年前 , 8F
或是套件狂XD
01/16 08:34, 8F
推
01/16 08:53, 5年前 , 9F
去面試就知道是不是自我感覺良好了xd
01/16 08:53, 9F
我之前參加科技公司黑客松 在情緒辨識連結了知覺心理學和 自閉症相關的知識 主管聽完遞了名片 目前是拿到面試通知了 可是公司要的是Java 看版友分享的那張工作分類圖 Java似乎偏軟體工程 像Python這種資料科學似乎要補學歷? ※ 編輯: arsl400 (49.216.162.234), 01/16/2019 10:30:42
推
01/16 11:01, 5年前 , 10F
XD
01/16 11:01, 10F
推
01/16 11:03, 5年前 , 11F
一堆人把數學妖魔化,其實ML只要會基本線代就可以理
01/16 11:03, 11F
→
01/16 11:04, 5年前 , 12F
解了,根本沒難到哪,難的是一些很前沿的model
01/16 11:04, 12F
→
01/16 11:05, 5年前 , 13F
但那些東西大部分都離實用很遠
01/16 11:05, 13F
推
01/16 11:09, 5年前 , 14F
是研究還是應用，程度上應該有差
01/16 11:09, 14F
推
01/16 15:08, 5年前 , 15F
我不認為如此 研究上大部份結果 現在都寫成程式庫了
01/16 15:08, 15F
→
01/16 15:09, 5年前 , 16F
隨著時間 越多的contributor投入 能用的工具就越多
01/16 15:09, 16F
推
01/16 15:49, 5年前 , 17F
要提出新的方法/模型,並以數學證明收斂性,才需要很強
01/16 15:49, 17F
→
01/16 15:50, 5年前 , 18F
的數學背景,只是要看懂paper,一般理工學碩綽綽有餘
01/16 15:50, 18F
推
01/16 19:56, 5年前 , 19F
ML明明一堆統計，最好只要最基本的線代
01/16 19:56, 19F
→
01/16 19:57, 5年前 , 20F
況且 time series, Markov chain, lasso 等等
01/16 19:57, 20F
→
01/16 19:57, 5年前 , 21F
上面都是一堆數學
01/16 19:57, 21F
→
01/16 20:00, 5年前 , 22F
SVM, gradient boosting, loss function 也是一堆數學
01/16 20:00, 22F
→
01/16 20:00, 5年前 , 23F
林軒田的影片，裡面也講很多數學
01/16 20:00, 23F
→
01/16 20:02, 5年前 , 24F
回原PO，資料科學不一定要有學歷，現在更多看你的作品
01/16 20:02, 24F
→
01/16 20:03, 5年前 , 25F
github 的 project，kaggle 拿銅牌銀牌
01/16 20:03, 25F
→
01/16 20:03, 5年前 , 26F
也是另外一種能力呈現方式
01/16 20:03, 26F
→
01/16 20:40, 5年前 , 27F
不認同樓上，覺得這領域是學歷和作品都很重要，資料分
01/16 20:40, 27F
→
01/16 20:41, 5年前 , 28F
析這塊感覺很重視血統，外人要跨領域進來很難
01/16 20:41, 28F
→
01/16 21:37, 5年前 , 29F
是怎麼讓別人 "相信我" 嘴砲也是能力好ㄇ~
01/16 21:37, 29F
小弟火影迷"相信我之術"蠻強的，在學校模擬面試老師都說我在人工智慧理論講的蠻好的
→
01/16 21:51, 5年前 , 30F
看paper cp值很低，練習跑code跟改code比較有幫助
01/16 21:51, 30F
真的嗎@@感謝建議，看paper真的比較慢 ※ 編輯: arsl400 (111.242.13.32), 01/16/2019 22:06:56
推
01/17 09:08, 5年前 , 31F
對數學的要求可能還要取決於你待哪個部門吧 如果是在RD
01/17 09:08, 31F
→
01/17 09:08, 5年前 , 32F
的data scientist只懂線代可能就不太行...
01/17 09:08, 32F
→
01/17 11:46, 5年前 , 33F
f你講的這些不就是懂基本線代微積分就有能力自學的嗎
01/17 11:46, 33F
→
01/17 11:46, 5年前 , 34F
data scientist這是高門檻職缺,不能與工程師混為一談
01/17 11:46, 34F
→
01/17 11:47, 5年前 , 35F
林軒田李宏毅和Andrew Ng的課我都看過,都是大學數學
01/17 11:47, 35F
→
01/17 11:48, 5年前 , 36F
就夠用了,少部分以前沒學過補一補就好
01/17 11:48, 36F
推
01/17 11:51, 5年前 , 37F
另外看paper跟寫code是相輔相成的,怎麼會說cp值低...
01/17 11:51, 37F
→
01/17 13:16, 5年前 , 38F
有能力自學，跟學得會是兩回事
01/17 13:16, 38F
→
01/17 13:17, 5年前 , 39F
照你這樣講，數學系只要開微積分跟線代就好了
01/17 13:17, 39F
→
01/17 13:17, 5年前 , 40F
其他通通自學
01/17 13:17, 40F
→
01/17 13:26, 5年前 , 41F
你在講什麼...這篇不就是在討論跨領域學習嗎
01/17 13:26, 41F
→
01/17 13:27, 5年前 , 42F
事實上就是ML/DL領域的學習門檻很低啊
01/17 13:27, 42F
→
01/17 13:29, 5年前 , 43F
我自學過量力,要先補很多東西才能聽得懂,但ml不用
01/17 13:29, 43F
→
01/17 13:30, 5年前 , 44F
當初第一堂ML課程是史丹佛CS229,完全無痛入門
01/17 13:30, 44F
→
01/17 13:32, 5年前 , 45F
數學系開專門一個課教 time series, Markov chain
01/17 13:32, 45F
→
01/17 13:32, 5年前 , 46F
你自學就能會，你強
01/17 13:32, 46F
→
01/17 13:32, 5年前 , 47F
不要說 ML 沒有碰到上面的東西
01/17 13:32, 47F
→
01/17 13:33, 5年前 , 48F
門檻很低，因為套件都幫你寫好了 model 誰都會 train
01/17 13:33, 48F
推
01/17 13:39, 5年前 , 49F
你剛剛說林軒田的課,現在又扯數學系教的time series
01/17 13:39, 49F
→
01/17 13:39, 5年前 , 50F
到底在扯啥,我只是想說ML的數學門檻就是沒這麼高而已
01/17 13:39, 50F
→
01/17 13:40, 5年前 , 51F
很多東西本來就是不會再去看就好,難道我只是想知道
01/17 13:40, 51F
→
01/17 13:40, 5年前 , 52F
HMM,CRF是啥,還要去數學系修Markov Chain?又不是學生
01/17 13:40, 52F
→
01/17 13:41, 5年前 , 53F
當然我以上說的都是給ML工程師,不是data scientist
01/17 13:41, 53F
→
01/17 13:41, 5年前 , 54F
後者跨領域除非超強者,不然還是別想了
01/17 13:41, 54F
推
01/17 14:42, 5年前 , 55F
機統還是要會啦 主要是模型87%以這個觀點詮釋 沒學會看
01/17 14:42, 55F
→
01/17 14:46, 5年前 , 56F
不懂 一堂3個月大概半年時間補起來吧 這樣大部分就ok了
01/17 14:46, 56F
→
01/17 14:48, 5年前 , 57F
之後最佳化 資訊論 實分析 其他隨機過程之類的看目標
01/17 14:48, 57F
推
01/17 16:06, 5年前 , 58F
理論很好理解 自刻一個好的程式很累
01/17 16:06, 58F
你跟我想的完全一樣(擊掌!
推
01/17 17:10, 5年前 , 59F
會覺得無痛入門的, 要嘛天才, 要嘛是完全沒入門吧XDD
01/17 17:10, 59F
→
01/17 17:10, 5年前 , 60F
調包俠算程式基礎能力, 不算入門喔
01/17 17:10, 60F
※ 編輯: arsl400 (111.242.13.32), 01/17/2019 19:53:06
→
01/18 00:15, 5年前 , 61F
DL而言對寫code有幫助的paper我還真不知道要推薦什麼，但
01/18 00:15, 61F
→
01/18 00:15, 5年前 , 62F
是畫唬爛的paper你隨便搜都有。
01/18 00:15, 62F
→
01/18 00:25, 5年前 , 63F
入門而言去知乎搜別人整理的paper心得還比較有效率。
01/18 00:25, 63F
推
01/18 23:59, 5年前 , 64F
我這學期剛修完田神的基石啦，如果只要懂訓練的方法及公
01/18 23:59, 64F
→
01/18 23:59, 5年前 , 65F
式，只需要線代就可以了啦，但如果你想瞭解背後的原理可
01/18 23:59, 65F
→
01/18 23:59, 5年前 , 66F
就沒這麼簡單了，所以機器學習需要什麼數學知識端看你想
01/18 23:59, 66F
→
01/18 23:59, 5年前 , 67F
摸多深。題外話修完後我覺得統計比線代重要就是了…
01/18 23:59, 67F
→
01/19 00:43, 5年前 , 68F
其他板看到的：#1SFGjxZX (Soft_Job)
01/19 00:43, 68F
這篇有看過，感恩啦！ ※ 編輯: arsl400 (101.15.128.87), 01/19/2019 03:03:43
推
01/19 06:32, 5年前 , 69F
感覺學的差不多就可以試著發一篇 ICLR 或者NeuriPS 論文
01/19 06:32, 69F
推
01/19 14:05, 5年前 , 70F
你覺得很好理解有可能是因為你看到最終結果的解釋
01/19 14:05, 70F
→
01/19 14:05, 5年前 , 71F
而探討這個結果的過程有很多數學相關的東西 自己要想
01/19 14:05, 71F
→
01/19 14:06, 5年前 , 72F
到不容易 甚至說看到了但不能了解
01/19 14:06, 72F
→
01/19 14:06, 5年前 , 73F
但要不要花時間弄懂這些 就看你的目標吧
01/19 14:06, 73F
推
02/02 17:36, 5年前 , 74F
要能發展出自己的理論或改進別人的理論就要懂很多數學
02/02 17:36, 74F
推
02/02 17:38, 5年前 , 75F
不是的話就是要知道很多結論和操作方法
02/02 17:38, 75F
→
02/02 17:39, 5年前 , 76F
這是我的想法
02/02 17:39, 76F
‣ 更多 arsl400 的文章
文章代碼(AID): #1SFWjUEG (Python)
‣ 更多 arsl400 的文章
文章代碼(AID): #1SFWjUEG (Python)