Re: [問題] 有點迷惘於python的世界

[arsl400 (dark hatter)]

※ 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 ChuckHayes44: 對...因為你只懂非常high level 裡面數學沒有很簡單
→ ChuckHayes44: 呼叫API到是很簡單 人人都可以呼叫API當DS做ML
推 ghmsxtwo: 4
推 f496328mm: 一堆數學好懂？我覺得蠻難的
推 ericakcc: Yan Goodfellow 寫的那本可以看一下
推 Kazimir: 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
推 HenryLiKing: 覺得很簡單可能很有天分吧
→ HenryLiKing: 或是套件狂XD
推 sean50301: 去面試就知道是不是自我感覺良好了xd
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 woogee: XD
推 thefattiger: 一堆人把數學妖魔化,其實ML只要會基本線代就可以理
→ thefattiger: 解了,根本沒難到哪,難的是一些很前沿的model
→ thefattiger: 但那些東西大部分都離實用很遠
推 kokolotl: 是研究還是應用，程度上應該有差
推 Angesi: 我不認為如此 研究上大部份結果 現在都寫成程式庫了
→ Angesi: 隨著時間 越多的contributor投入 能用的工具就越多
推 thefattiger: 要提出新的方法/模型,並以數學證明收斂性,才需要很強
→ thefattiger: 的數學背景,只是要看懂paper,一般理工學碩綽綽有餘
推 f496328mm: ML明明一堆統計，最好只要最基本的線代
→ f496328mm: 況且 time series, Markov chain, lasso 等等
→ f496328mm: 上面都是一堆數學
→ f496328mm: SVM, gradient boosting, loss function 也是一堆數學
→ f496328mm: 林軒田的影片，裡面也講很多數學
→ f496328mm: 回原PO，資料科學不一定要有學歷，現在更多看你的作品
→ f496328mm: github 的 project，kaggle 拿銅牌銀牌
→ f496328mm: 也是另外一種能力呈現方式
→ purestone: 不認同樓上，覺得這領域是學歷和作品都很重要，資料分
→ purestone: 析這塊感覺很重視血統，外人要跨領域進來很難
→ s860134: 是怎麼讓別人 "相信我" 嘴砲也是能力好ㄇ~
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

→ Mchord: 看paper cp值很低，練習跑code跟改code比較有幫助
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 sean50301: 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
→ sean50301: 的data scientist只懂線代可能就不太行...
→ thefattiger: 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
→ thefattiger: data scientist這是高門檻職缺,不能與工程師混為一談
→ thefattiger: 林軒田李宏毅和Andrew Ng的課我都看過,都是大學數學
→ thefattiger: 就夠用了,少部分以前沒學過補一補就好
推 thefattiger: 另外看paper跟寫code是相輔相成的,怎麼會說cp值低...
→ f496328mm: 有能力自學，跟學得會是兩回事
→ f496328mm: 照你這樣講，數學系只要開微積分跟線代就好了
→ f496328mm: 其他通通自學
→ thefattiger: 你在講什麼...這篇不就是在討論跨領域學習嗎
→ thefattiger: 事實上就是ML/DL領域的學習門檻很低啊
→ thefattiger: 我自學過量力,要先補很多東西才能聽得懂,但ml不用
→ thefattiger: 當初第一堂ML課程是史丹佛CS229,完全無痛入門
→ f496328mm: 數學系開專門一個課教 time series, Markov chain
→ f496328mm: 你自學就能會，你強
→ f496328mm: 不要說 ML 沒有碰到上面的東西
→ f496328mm: 門檻很低，因為套件都幫你寫好了 model 誰都會 train
推 thefattiger: 你剛剛說林軒田的課,現在又扯數學系教的time series
→ thefattiger: 到底在扯啥,我只是想說ML的數學門檻就是沒這麼高而已
→ thefattiger: 很多東西本來就是不會再去看就好,難道我只是想知道
→ thefattiger: HMM,CRF是啥,還要去數學系修Markov Chain?又不是學生
→ thefattiger: 當然我以上說的都是給ML工程師,不是data scientist
→ thefattiger: 後者跨領域除非超強者,不然還是別想了
推 Kazimir: 機統還是要會啦 主要是模型87%以這個觀點詮釋 沒學會看
→ Kazimir: 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
→ Kazimir: 之後最佳化 資訊論 實分析 其他隨機過程之類的看目標
推 purpleboy01: 理論很好理解 自刻一個好的程式很累
你跟我想的完全一樣(擊掌!
推 bibo9901: 會覺得無痛入門的, 要嘛天才, 要嘛是完全沒入門吧XDD
→ bibo9901: 調包俠算程式基礎能力, 不算入門喔
※ 編輯: arsl400 (111.242.13.32), 01/17/2019 19:53:06
→ Mchord: DL而言對寫code有幫助的paper我還真不知道要推薦什麼，但
→ Mchord: 是畫唬爛的paper你隨便搜都有。
→ Mchord: 入門而言去知乎搜別人整理的paper心得還比較有效率。
推 vrvr323: 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
→ vrvr323: 式，只需要線代就可以了啦，但如果你想瞭解背後的原理可
→ vrvr323: 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
→ vrvr323: 摸多深。題外話修完後我覺得統計比線代重要就是了…
→ lithan: 其他板看到的：#1SFGjxZX (Soft_Job)
這篇有看過，感恩啦！
※ 編輯: arsl400 (101.15.128.87), 01/19/2019 03:03:43
推 agario: 感覺學的差不多就可以試著發一篇 ICLR 或者NeuriPS 論文
推 TheOneisNEO: 你覺得很好理解有可能是因為你看到最終結果的解釋
→ TheOneisNEO: 而探討這個結果的過程有很多數學相關的東西 自己要想
→ TheOneisNEO: 到不容易 甚至說看到了但不能了解
→ TheOneisNEO: 但要不要花時間弄懂這些 就看你的目標吧
推 shala: 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
推 shala: 不是的話就是要知道很多結論和操作方法
→ shala: 這是我的想法