想转型机器学习 本科生 二本。怎么破?
大学时学的是数学,专业是信息与计算科学。大学时在搞建模,也参加过几次数据挖掘竞赛,可惜成绩都不理想。
下过功夫在机器学习上,了解传统的机器学习算法,认真研究过神经网络(非深度学习),概率与数理统计、多元统计方面没有问题。拥有相对深厚的计算机科学知识和编程经验。
接触过NLP,只可惜没有过多的参考资源,paper也有点难懂。不懂机器视觉和语音处理。由于无法查找更多有用的资料,至今无法搞明卷积神经网络的细节。
现在做C++服务器相关工作,毕业一年了。
怎么突围呀?
最新评论
不知道 帮顶 好多东西 都是公司学的 而且 想换方向 确实比较困难 好多都是一毕业就做这个方向的
赞
英语得好。
google
赞
楼主很厉害了,基础过硬, 我自学了2个月的机器学习,买了一堆的书最后放弃了, 感觉自己一个小码农也就是用用库还行,什么算法设计调优也搞不了, 自己也没有数据分析的思维。 只能搬搬砖了。 如果自己喜欢可以跳槽换个方向,毕竟刚毕业吗,还有试错的机会。
赞
同问,和楼主同专业。打算回炉一把,滚去读书,做机器学习
赞
同C++,是得转型了。
我觉得楼主要逼迫自己去面试机器学习方向,看看面试需要什么,然后学习相关面试内容,面试过了就辞职。
赞
除非你数学底子很好,英文不要太烂,年龄也得考虑,否则没必要冒风险,如果是在想转,可以转服务器端..
赞
LeCun的论文看了吗?他的论文里介绍CNN很详细的…网上中文学习资源也比较多啊,论文里的经典示意图应该一搜一大片的。
另外,建议结合开源库或者实例来学习,比较高效。
赞
那个图谁不知道,但想要动手一步步实现这个算法,这些都还不够呀。
赞
要是我有那么好有基础就不需要纠结了。。。
赞
第一步了解机器学习是什么、能做什么、有什么类别(无监督:聚类、降维,监督:回归、分类)
第二步把 API 弄熟。看 NumPy 和 Matplotlib 的文档。看 Scikit-Learn 文档中的示例(很详细)。重点了解预处理、回归分类聚类、交叉验证那几个模块。
第三步了解应用场景。从 Kaggle 上下载数据集来分析,知道如何调参和清洗,模型选择等等。。。
第四步看看背后的数据原理,看西瓜书、PRML、CS229等,这种书很多,不具体介绍了。
最后才是刷面试题。
1 赞
另外机器学习有不同的应用场景,比如医疗、交通、商业、文本、生物信息等等等。。
但背后基本是做预测。只有特征选取那块可能需要点行业知识,其它的都一样。
赞
机器学习,入门经典的教材。就是 吴恩达在coursera的课程啊,最近退出了一套全新的课程,只要英语好一点,学什么其实都可以的。如果看不懂英语,只能看中文文档的话,也就更初级程序员,掉方法实现功能一样的了。
看完课程之后,就知道机器学习到底是什么,有哪些算法,之后自己就可以规划了。
赞
我能说这些基础课程的内容我都会了吗?
赞
。。。。那就试着投简历。。找工作啊。。。。。
赞
我们一个专业
赞
你这样的基础找个相关的工作应该不是什么难事,万事开关难,找个相关的工作入门就好。
赞
我已经再转了,每天瞎比看,numpy,pandas,sklearn学完了,然后学了python,从java 转向了python,现在在一家 大型 P2P做大数据部门,做爬虫工程师,距离 数据分析、机器学习 还有点距离
https://github.com/zgbgx/P2PDA 这是我 今年 找工作时做的 一个 简单的项目
赞
同问,已经做了几年的linux driver想转机器学习,但是一看书,都是数学,早都忘记了,而且算法感觉还是比较难,做linux driver几乎不怎么写代码!
赞