作者：呼广跃
链接：https://www.zhihu.com/question/57667844/answer/154021428
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
我先说下自己平时工作的流程吧。 当拿到一个实际问题的时候，一般分为下面几个阶段：
1. 数据清洗： 这部分内容包括：数据的结构化，把非结构化数据转换成结构化数据，比如最初的输入是一组文本，那么我们需要从中提取出各种特征，生成结构化数据，或者说把数据向量化。这部分工作一般要跟数据库打交道，因此sql语句是必选项。另外有些时候，也会写一些简单的脚本，shell脚本，或者python脚本等。
2. 当把数据结构化或者向量化之后，就是一个模型筛选的问题，好在现在有很多开源的工具，比如眼下比较火的tensorflow等。对于某些简单的问题，可能用这些开源的软件包，把数据导进去，直接出结果，轻松搞定。但往往我们需要不断调优模型，优化参数，提高效率。对于一些复杂的问题，可能简单用开源的工具解决不了，这个时候，可能需要做一些扩展开发，但往往也是基于开源的工具做扩展。
3. 当一个模型或者算法上线后，接下来的还要不断的根据上线后的效果，做优化，做调整。好多模型或者算法，衰减很快，上线一段时间后，效果可能就不理想了，这个时候要根据线上反馈的结果反过来再优化模型。上面这三个过程需要的基本技能： a. sql 编程是必选项，我见过牛逼的人，能用sql语句实现很复杂的数据挖掘算法的。 b. python语言，机器学习的好多工具都是基于python的。但假如你精通了一门编程语言，比如java，你再学习其他的语言，其实门槛很低。 c. 我上面写的第三部分，其实是需要结合业务，行业和具体的应用场景的，但对目前的题主来说，可能这点并不重要。 d. 模型的调优不止是调参那么简单，需要一定的算法理论功底,对于你用到的算法，不仅要知其然，还要知其所以然。说到数学基础，其实，我在之前回答别人的问题中，曾经提到过，这里还是列下课程名字吧 《线性代数》《微积分》 《概率论》《数理统计》《信息论》这几门课是机器学习的基础，有了这几门课的功底，才能看懂周志华那本《机器学习》。 楼主可以先看下《机器学习》这本书，然后不懂的地方，回过去补基础知识。 另外，个人经验，一个算法，如果学了不用，时间一久，可能知识在脑海中就清零了； 如果你用一个算法解决过实际问题，能加深你对算法的理解，网上有很多公开的数据集，可以拿来练练手。
打赏
微信扫一扫，打赏作者吧～
同乐学堂
