[討論] 增強技能方向

看板DataScience作者 (洨大魯蛇ㄍ)時間5年前 (2019/06/21 22:47), 5年前編輯推噓2(2019)
留言21則, 4人參與, 5年前最新討論串1/1
目前 已經懂一些常用ML方法(林軒田YOUTUBE的課看完) 跟用PYTHON跑分析 但還是有很多不足的地方 想請教該進步的方向 目前目標來說想進業界工作 1.理論弄懂 因為已經會用 理論要搞懂覺得很花時間 像演算法中間的數學 理論弄清楚應該會幫助邏輯思考 但是也要花一段時間 2.python 技能加強 OR 新的程式語言 本人非資工出身 不會太難的程式技巧 目前跑分析大部分都看得懂 3.學習新的演算法 演算法眾多 不知道該怎麼下手 4.多看別人分析作品 覺得實務上滿實際 除了kaggle 還有沒有推薦的網站 5.往深度學習發展 知道在影音部分有用到 目前也是熱門技術 相對競爭對手也很多 6.資料庫 個人比較偏向專攻ML技術 資料庫太多種 但跟分析也是高度關係 7.英文能力 就國際語言 ----- 請指教 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 27.242.173.153 (臺灣) ※ 文章網址: https://www.ptt.cc/bbs/DataScience/M.1561128463.A.061.html ※ 編輯: loser113 (27.242.173.153 臺灣), 06/21/2019 22:51:23 ※ 編輯: loser113 (27.242.173.153 臺灣), 06/21/2019 22:57:42 ※ 編輯: loser113 (27.242.173.153 臺灣), 06/21/2019 23:02:21

06/21 23:35, 5年前 , 1F
7跟1吧 數學跟英文底子好 可以很快弄懂最新技術 感覺是
06/21 23:35, 1F

06/21 23:35, 5年前 , 2F
業界比較需要的能力
06/21 23:35, 2F

06/22 00:32, 5年前 , 3F
1很重要,沒弄懂ml的原理跟不會用沒有太大的差別,除非
06/22 00:32, 3F

06/22 00:32, 5年前 , 4F
你都只拿別人的專案跑,或是只做簡單的算法。否則你今
06/22 00:32, 4F

06/22 00:32, 5年前 , 5F
天拿到一個沒人做過的,老闆希望你用ml來增強,你不會想
06/22 00:32, 5F

06/22 00:32, 5年前 , 6F
每個model都套套看,看哪個好吧?
06/22 00:32, 6F

06/22 00:34, 5年前 , 7F
還有現在很多真正走入產品的都是透過pipline混合多個模
06/22 00:34, 7F

06/22 00:34, 5年前 , 8F
型跟方法才能達到不錯的效果,組織pipline也是需要懂原
06/22 00:34, 8F

06/22 00:34, 5年前 , 9F
理的。
06/22 00:34, 9F

06/22 09:24, 5年前 , 10F
kaggle 打進排名
06/22 09:24, 10F

06/22 09:24, 5年前 , 11F
你想進業界,kaggle 是非常好呈現你能力的地方
06/22 09:24, 11F

06/22 09:25, 5年前 , 12F
如果面試,與其說你會ML,不如直接拿 kaggle 成績
06/22 09:25, 12F

06/22 09:25, 5年前 , 13F
更能說服人
06/22 09:25, 13F

06/22 09:50, 5年前 , 14F
現在哪些公司會看kaggle?
06/22 09:50, 14F

06/22 10:02, 5年前 , 15F
回樓上,你google 104 kaggle 就會看到了
06/22 10:02, 15F

06/22 10:04, 5年前 , 16F
履歷上,說自己會什麼,太抽象了,不如說自己做過什麼
06/22 10:04, 16F

06/22 10:04, 5年前 , 17F
一般都會做 project,而 ML,對應到的就是 kaggle
06/22 10:04, 17F

06/22 15:13, 5年前 , 18F
kaggle跟leetcode都是基本的,目前大多公司都是以leetco
06/22 15:13, 18F

06/22 15:13, 5年前 , 19F
de當指標(programming 永遠都不要覺得自己很夠),kaggle
06/22 15:13, 19F

06/22 15:13, 5年前 , 20F
跟project主要是加分。
06/22 15:13, 20F

06/22 15:17, 5年前 , 21F
但是其實基本上懂不懂問了大概就知道程度在哪邊
06/22 15:17, 21F
文章代碼(AID): #1T3EuF1X (DataScience)
文章代碼(AID): #1T3EuF1X (DataScience)