谷歌和微软的AutoML等服务 ， 只需要上传数据集并选择目标变量 ， 就可以轻松使用机器学习 。但是这些事情还在初始阶段 ， 尚未成形 。如果你是开发人员 ， 只需要fast.ai这样的库 ， 就可以在几行代码中使用最先进的模型 ， 以及各种模型的预建的模型 ， 例如 ， PyTorch hub和TensorFlow提供相同的功能 。
这意味着什么？虽然机器学习已经如此方便 ， 但是仍然需要了解数据科学和机器学习的基本原理 ， 更重要的是要知道如何恰当的运用他们 。
Math or Code？It is a problem
对于我处理的客户端问题 ， 代码优先,所有的机器学习和数据科学代码都是Python 。有时我会通过阅读论文并进行复现来涉足数学 ， 但99.9％的情况下 ， 现有的框架已经包含数学的库 。
虽说在现实生活中 ， 数学并没有想象中的那么重要 ， 毕竟机器学习和深度学习都是数学的应用 。但是知道最小矩阵相乘 ， 一些线性代数和微积分 ， 特别是链式法则依旧是重中之重 。
请记住 ， 我的目标不是发明一种新的机器学习算法 ， 而是向客户展示机器学习对他们的业务是否有帮助,有了坚固的基础 ， 你就可以建立你自己的最好模型 ， 而不是重复使用已有的模型了 。
软件行业的快速迭代
你去年所做的工作明年可能就没用了哦！这是客观事实 ， 由于软件工程和机器学习工程的融合 ， 这种情况越来越严重 。但是你既然已经加入了机器学习的大家庭 ， 我来告诉你什么保持不变——框架会变化 ， 库会变化 ， 但基础统计 ， 概率论 ， 数学永远不会变 。最大的挑战仍然是：如何应用它们 。
说了这么多 ， 希望以上建议能对与机器学习的入门者和从业者有所帮助 ， 最后玩的开心 ， 开启你的数据之旅吧！
推荐阅读
- 老年人学起来！冬季锻炼遵循三原则
- 来月经流鼻血怎么回事
- 面试时写不出排序算法？看这篇就够了
- 剩茶洗头可缓解头皮潮湿瘙痒
- 网络工程师必须了解的ARP知识
- 前端开发工程师必会的5种网页布局方式
- 夏天吃苦养生？需慎重
- 作为网络工程师必须牢记的几个命令
- 百度近期算法调整，“未能抓取成功”不收录怎么办？
- 限流算法之漏桶算法、令牌桶算法