文章來源：公眾號：Datawhale,作者：張怡

鏈接：https://mp.weixin.qq.com/s/kreVG3PA1wO2xXwX5MCF5A

正文：

經(jīng)常有朋友私信問，如何學(xué)python呀，如何敲代碼呀，如何進(jìn)入AI行業(yè)呀？

正好回頭看看自己這一年走過的路，進(jìn)行一次經(jīng)驗(yàn)總結(jié)。

來看看你距離成為一名AI工程師還有多遠(yuǎn)吧~

?具體內(nèi)容：

?? 我是因?yàn)槭裁撮_始接觸敲代碼

?? 人工智能/機(jī)器學(xué)習(xí)/深度學(xué)習(xí)

?? 自學(xué)如何尋找學(xué)習(xí)資料

?? 如何選擇編程語言/框架

?? 校招/社招/實(shí)習(xí)/面試經(jīng)驗(yàn)

?? 一碗雞湯

?聲明：

?? 本篇內(nèi)容均屬于個人觀點(diǎn)，建議采納對自己有用的經(jīng)驗(yàn)，如有疏漏，歡迎指正，共同進(jìn)步！

?? 2017年5月開始第一份實(shí)習(xí) / 2017年7月開始學(xué)敲代碼 / 2017年11月碩士畢業(yè)

?? 擅長的編程語言：R / Python

?? 不花錢報(bào)班，全靠自學(xué)，最初是因?yàn)楦F，后來發(fā)現(xiàn)“開源”的世界真是太美好了！

?我是因?yàn)槭裁撮_始接觸敲代碼？

我的第一個模型是什么

由于本科是數(shù)學(xué)，研究生是量化分析，第一份實(shí)習(xí)是一家金融科技公司，開始接觸所謂的“Fintech”??

第一個任務(wù)就是做客戶的信用評分卡模型，目的給每個用戶打一個信用分?jǐn)?shù)，類似支付寶的芝麻信用分。這是銀行標(biāo)配的一個模型，最常見最傳統(tǒng)的算法用的就是邏輯回歸。

在課堂上使用的工具是SAS，SPSS，屬于有操作界面的，菜單非常齊全，只需要鼠標(biāo)點(diǎn)一點(diǎn)就能建模，很好上手。但是SAS這些要付錢的，年費(fèi)還是相當(dāng)?shù)馁F，所以深圳大部分公司進(jìn)行數(shù)據(jù)分析和建模工作都選擇開源免費(fèi)的R語言或者Python。這就體現(xiàn)了掌握一門編程語言的重要性。

雖然說是建模任務(wù)，但是前三個月跟建?；径汲恫簧线叀６荚谧鰯?shù)據(jù)清洗，表格整理（攤手），都在library各種包，用的最多的可能是data.table和dplyr。沒辦法，很多模型都有包可以直接調(diào)用，是最簡單的環(huán)節(jié)了。其實(shí)一開始，我一直在犯很低級的錯誤，各種報(bào)錯，沒有l(wèi)ibrary啦，標(biāo)點(diǎn)符號沒打?qū)?，各種很low的錯誤犯了一次又一次，而且連報(bào)錯的內(nèi)容都不會看，不知道怎么去改正。如果你也像我一樣，真的請不要灰心，我就是這樣走過來的。對著錯誤一個個去解決就好了~

當(dāng)時(shí)什么都不知道的時(shí)候，覺得真難呀，每個環(huán)節(jié)都有那么多細(xì)節(jié)要照顧，要學(xué)的那么多，做完一個還有一個，還要理解業(yè)務(wù)含義。但是當(dāng)完整的做一遍之后再回頭，就會覺得，其實(shí)，也沒那么難嘛~

敲代碼容易嗎

因?yàn)槲也皇怯?jì)算機(jī)專業(yè)的，所以基本上屬于沒怎么敲過代碼的那種。

后來發(fā)現(xiàn)程序員也有好多種類的，前端后端等，因此敲的代碼種類也很多，才會有幾十種的編程語言，下圖是一些這幾年的主流語言。

實(shí)習(xí)時(shí)我一直被隊(duì)友嫌棄很蠢，而且一開始敲的東西怎么也運(yùn)行不通，運(yùn)行出來的都是鬼結(jié)果。有n次想放棄的念頭，“我干嘛一定要敲這玩意兒？”，但也有n+1次想堅(jiān)持的理由，因?yàn)槲艺娴南矚g我正在做的事。為什么用“堅(jiān)持”，因?yàn)檎娴牟蝗菀?。不難，但真的需要有耐心。

一開始我的狀態(tài)就是一行行代碼的運(yùn)行，一個個命令的熟悉，反復(fù)看，反復(fù)運(yùn)行。

• 從敲出第一行代碼到敲出第一個完整的模型花了3個月

• 學(xué)習(xí)XGBoost，光是理論學(xué)了3個月，因?yàn)榍捌阡亯|要學(xué)的還有adaboost/gbdt和各種機(jī)器學(xué)習(xí)的知識模塊

• 從R切換到python花了1個月

• 從機(jī)器學(xué)習(xí)(Machine Learning)切換到自動機(jī)器學(xué)習(xí)(Auto Machine Learning)花了2個月

• 從NLP零基礎(chǔ)到搭建一個智能問答機(jī)器人花了1個月

從一年前的“什么是過擬合，什么是交叉檢驗(yàn)，損失函數(shù)有哪些”到后來參加全球人工智能峰會時(shí)都能聽懂的七七八八，會覺得，努力沒有白費(fèi)呀！

可以看出，經(jīng)過前面的積累，后面會學(xué)的越來越快。

慢慢的就從一開始的那種“唉，怎么又報(bào)錯啊，好挫敗”的心態(tài)變成現(xiàn)在的“啊？沒error？感覺不對啊，再查驗(yàn)一遍吧”這種抖M傾向的人。代碼虐我千百遍，我已經(jīng)被磨的沒有了脾氣。

已經(jīng)有幾個朋友說想轉(zhuǎn)行了，我何曾沒想過，只是不知不覺中堅(jiān)持了下來而已。因?yàn)闊釔?，越虐越停不下??

小結(jié)

??設(shè)定一個非常清晰的目標(biāo)

為什么第一個寫：“我是因?yàn)槭裁撮_始敲代碼的”，因?yàn)閯訖C(jī)真的非常重要！

所以，很多人在問我“如何學(xué)python？”這種問題時(shí)，我的第一回答都是“你學(xué)python用來干嘛？”

在學(xué)校也敲打過python，做個爬蟲demo什么的，因?yàn)槟康男圆粡?qiáng)沒多久就放一邊了。清晰的目標(biāo)就比如說你要做NLP，你要知道NLP的應(yīng)用有智能問答，機(jī)器翻譯，搜索引擎等等。然后如果你要做智能問答你要知道現(xiàn)在最發(fā)達(dá)的技術(shù)是深度學(xué)習(xí)，使用的算法有RNN/LSTM/Seq2Seq/等等一系列。而我的清晰目標(biāo)是在實(shí)習(xí)的時(shí)候給我的任務(wù)。當(dāng)任務(wù)很明確的時(shí)候，所需要的語言就明確了，所要學(xué)習(xí)的算法也就明確了，很多東西就順理成章了不用一頭亂撞了。

??從金融到科技

AI的應(yīng)用范圍很廣，每一個研究方向都是無窮盡的。由于金融公司很少與圖像處理，NLP等技術(shù)會有交集，而我強(qiáng)大的好奇心讓我決定去純粹的科技公司一探究竟。目前已投身于智能家居，目標(biāo)是Javis??

?人工智能/機(jī)器學(xué)習(xí)/深度學(xué)習(xí)

我經(jīng)常在公交的廣告牌上看見這些詞，好像哪家公司沒有這個技術(shù)就落后了似的。更多的還有強(qiáng)化學(xué)習(xí)，遷移學(xué)習(xí)，增量學(xué)習(xí)等各種學(xué)習(xí)。

這些詞兒之間到底什么關(guān)系

機(jī)器學(xué)習(xí)是人工智能的一種，深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一種。學(xué)AI先學(xué)機(jī)器學(xué)習(xí)。

計(jì)算機(jī)的“算法” 與 數(shù)學(xué)的“算法” 的區(qū)別

理論知識對于AI算法工程師極其重要。敲代碼只是思路的一個實(shí)現(xiàn)過程。這里的“算法”和計(jì)算機(jī)CS的“算法”還不太一樣，AI算法是偏數(shù)學(xué)推導(dǎo)的，所以數(shù)學(xué)底子還是需要點(diǎn)的，學(xué)的越深，要求越高。面試的時(shí)候，很少讓手寫代碼，90%都是在問模型摳算法細(xì)節(jié)。

在學(xué)校我是一個不愛記筆記的人，甚至是一個不愛上課的人。但是自從入了機(jī)器學(xué)習(xí)的坑后，筆記寫的飛起~

機(jī)器學(xué)習(xí)的框架

按照數(shù)據(jù)集有沒有Y值可以將機(jī)器學(xué)習(xí)分為監(jiān)督學(xué)習(xí)、半監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)。監(jiān)督學(xué)習(xí)是分類算法，無監(jiān)督學(xué)習(xí)是聚類算法。

機(jī)器學(xué)習(xí)的通用流程和相關(guān)技術(shù)如下圖：

ML這棵樹還可以有更多的分支。先有個整體感受，再一個一個的解決掉。這里的知識點(diǎn)也是面試最愛問的幾個，是重點(diǎn)呀！面試過的同學(xué)應(yīng)該都不陌生了。

機(jī)器學(xué)習(xí)如何入門

機(jī)器學(xué)習(xí)之大，初學(xué)者都無從下手。說白了，機(jī)器學(xué)習(xí)就是各種模型做預(yù)測，那么就需要有數(shù)據(jù)，要想有好的效果，就要把原始的臟數(shù)據(jù)洗干凈了才能用。數(shù)據(jù)內(nèi)隱藏的信息有時(shí)候是肉眼不可見的，那么就需要一些相關(guān)技巧來把有用信息挖出來。所有絞盡腦汁使用的技巧，都是為了能預(yù)測的更準(zhǔn)確。但是誰也沒辦法做到百分百的命中。

這里簡單介紹下機(jī)器學(xué)習(xí)的三大塊：傳統(tǒng)的機(jī)器學(xué)習(xí)ML、圖像處理CV、自然語言處理NLP

再推薦一個入門神器：

Kaggle（www.kaggle.com）

這是一個世界級的最權(quán)威的機(jī)器學(xué)習(xí)比賽，已被谷歌收購。上面的賽題不僅很有代表性，還有很多免費(fèi)的優(yōu)秀的數(shù)據(jù)集供你使用，要知道收集數(shù)據(jù)是機(jī)器學(xué)習(xí)的第一大難題，它就幫你解決了。入門不用立馬參加比賽，把數(shù)據(jù)下載下來，盡情折騰就好了，要是沒有思路，去網(wǎng)上搜別人的解題筆記和代碼借鑒一下也很美好~因?yàn)檫@是大家都爭相打榜的比賽，所以你并不孤單。

??ML入門該參加的賽題（Titanic）

??圖像入門該參加的賽題（數(shù)字識別）

??NLP入門該參加的賽題（情感分析、quora問句語義匹配）

等做完第一個titanic的比賽應(yīng)該就有點(diǎn)感覺了。上面4個比賽我都做過，覺得很經(jīng)典，很適合入門。

深度學(xué)習(xí)的入門算法有哪些

如今的樣本輸入可以是文字，可以是圖像，可以是數(shù)字。

深度學(xué)習(xí)是跟著圖像處理火起來的。甚至現(xiàn)在這個概念都火過了“機(jī)器學(xué)習(xí)”。

深度學(xué)習(xí)的算法主要都是神經(jīng)網(wǎng)絡(luò)系列。入門推薦CNN(卷積神經(jīng)網(wǎng)絡(luò))的一系列：

?? LeNet5

?? AlexNet

?? VGG

?? GoogleNet

?? ResNet

?自學(xué)如何尋找學(xué)習(xí)資料？

開源的世界，美好的世界?

“開源”，我的愛！代碼屆里開源的中心思想就是，share and free??

對于機(jī)器學(xué)習(xí)，網(wǎng)上的社區(qū)氛圍特別好，分享的很多很全面，而且MLer都非常樂于助人。

介紹幾個我經(jīng)常逛的社區(qū)，論壇，和網(wǎng)頁：

??kaggle （www.kaggle.com）

全球最權(quán)威的機(jī)器學(xué)習(xí)比賽，已被谷歌收購。賽題覆蓋傳統(tǒng)機(jī)器學(xué)習(xí)、nlp、圖像處理等，而且都是很實(shí)際的問題，來自各行各業(yè)。kaggle是數(shù)一數(shù)二完善的ML社區(qū)了，賽題開放的數(shù)據(jù)集就很有用，非常適合新手練手。對優(yōu)秀的kaggler也提供工作機(jī)會。

??github（www.github.com）

全球最大同性交友網(wǎng)站，適合搜項(xiàng)目，開源大社區(qū)，大家一起看星星，看issue~

??StackOverFlow（www.stackoverflow.com）

代碼報(bào)錯找它，代碼不會敲找它！所有與代碼相關(guān)的坑，基本都有人踩過啦??

??csdn（www.csdn.net）

最接地氣的博客聚集地，最常看的網(wǎng)頁之一，一般用來搜索細(xì)節(jié)知識點(diǎn)或者代碼報(bào)錯時(shí)

??sklearn（scikit-learn.org/stable）

專業(yè)做機(jī)器學(xué)習(xí)100年！各算法各技巧的例子code應(yīng)有盡有

??medium（medium.com）

創(chuàng)辦人是Twitter的創(chuàng)始人，推崇優(yōu)質(zhì)內(nèi)容，國內(nèi)很多AI公眾大號的搬運(yùn)都來自于這里，medium里每個作者都有自己獨(dú)特的見解，值得學(xué)習(xí)和開拓眼界，需要科學(xué)上網(wǎng)

??towards data science（towardsdatascience.com）

與medium很像，需要科學(xué)上網(wǎng)

??google AI blog（ai.googleblog.com）

谷歌的AI團(tuán)隊(duì)維護(hù)的博客，每天至少更新一篇技術(shù)博客。剛在上海開的谷歌開發(fā)者大會宣布將會免費(fèi)開放機(jī)器學(xué)習(xí)課程，值得關(guān)注一下，畢竟是AI巨頭

??各種大神的技術(shù)博客/個人網(wǎng)站

有很多的網(wǎng)站，會不定期的更新在我的個人博客里

有口碑的AI公開課平臺

首先說明我沒有上課，也沒有報(bào)班，屬于個人學(xué)習(xí)習(xí)慣問題。但考慮到學(xué)習(xí)差異性，所以還是總結(jié)了口碑排名靠前的課程系列。前提，需要有一定數(shù)學(xué)基礎(chǔ)，沒有的可以順便補(bǔ)一補(bǔ)。

??coursera（www.coursera.org/browse）

??吳恩達(dá)(Andrew Ng)機(jī)器學(xué)習(xí)

??deeplearning.ai（www.deeplearning.ai）

??fast.ai（www.fast.ai）

專注于深度學(xué)習(xí)。Fast.ai的創(chuàng)始人就蠻有意思的，是橫掃kaggle圖像處理的高手，不擺架子，也不故弄玄虛。中心思想就是深度學(xué)習(xí)很簡單，不要怕。fast.ai有博客和社區(qū)。Jeremy和Rachel鼓勵撰寫博客，構(gòu)建項(xiàng)目，在會議中進(jìn)行討論等活動，以實(shí)力來代替?zhèn)鹘y(tǒng)證書的證明作用。

??udacity（in.udacity.com）

有中文版，課程覆蓋編程基礎(chǔ)，機(jī)器學(xué)習(xí)，深度學(xué)習(xí)等。

??網(wǎng)易云課堂

碎片時(shí)間

科技圈也是有潮流要趕的，等你入坑就知道。

追最新的論文，最新的算法，最新的比賽，以及AI圈的網(wǎng)紅是哪些~有條件的開個twitter，平時(shí)娛樂看看機(jī)器學(xué)習(xí)板塊還是蠻有意思的，有很多自嘲的漫畫~

推薦幾個我超愛看的AI主題美劇

??硅谷（強(qiáng)推！簡直是我日常生活，太有共鳴了~下飯劇??）

??西部世界（看的時(shí)候不要學(xué)我一直在思考如何實(shí)現(xiàn)這個那個技術(shù)??）

實(shí)用的小技巧

??瀏覽器首推 chrome

??當(dāng)閱讀英文網(wǎng)頁呼吸困難時(shí)，右擊選擇“翻成中文（簡體）”

考過雅思和GMAT，曾經(jīng)我也是一個熱愛英文的孩子，如今跪倒在海量技術(shù)文檔和文獻(xiàn)里茍活

??搜索問題一定用google，如果沒解決是你的問題不是google的鍋??

baidu？？？ummm......別為難我......很少用

??學(xué)會提問很重要，搜索格式推薦

語言+問題，例如：python how to convert a list to a dataframe

直接復(fù)制錯誤信息，例如：ValueError: No variables to save...

請把所有的問題往上拋，網(wǎng)上查比問人快！總是問別人會引起關(guān)系破裂的~

??學(xué)會順藤摸瓜

當(dāng)你讀到一個非常不錯的技術(shù)文檔時(shí)，看完別急著關(guān)掉。這可能是一個個人網(wǎng)站，去觀察菜單欄里有沒有【About】選項(xiàng)?；蛘哌@也可能是一個優(yōu)秀的社區(qū)，看看有沒有【Home】選項(xiàng)，去看看po的其它的文章。

??很多優(yōu)秀網(wǎng)站都是英文，科學(xué)上網(wǎng)必不可少

??學(xué)習(xí)費(fèi)用不來自課程，可能來自于硬件要求，學(xué)生黨要利用好學(xué)校資源

小結(jié)

雖然說了那么多，但還是要說請放棄海量資料！用多少，找多少就好了?。▌e把這句話當(dāng)耳旁風(fēng)??）

資料不在量多而在于內(nèi)容是有質(zhì)量保證的。很多課程或者公眾號只管塞知識，你有疑問它也解答不了的時(shí)候，這樣出來的效果不好，就像一個模型只管訓(xùn)練，卻不驗(yàn)證，就是耍流氓。

?如何選擇編程語言/框架

首選英語！！?。瓤?，我認(rèn)真的??）

說到底，語言只是工具，不去盲目的追求任何一種技術(shù)。根據(jù)任務(wù)來選擇語言，不一樣的程序員選擇不一樣的編程語言。很多人最后不是把重點(diǎn)放在能力而是炫工具，那就有點(diǎn)走偏了。

據(jù)觀察，在機(jī)器學(xué)習(xí)組里R和Python是使用率最高的兩門語言，一般你哪個用的順就用哪個，只要能達(dá)到效果就行，除非強(qiáng)制規(guī)定。

我使用之后的感受是，人生苦短，我用python??

用python建個模型到底多難？

算法任務(wù)大致分為兩種，一種是普通算法工程師做的“調(diào)包、調(diào)參”，另一種是高級算法工程師做的，可以自己創(chuàng)建一個算法或者能靈活修改別人的算法。

先說說建個模到底有多簡單吧。

??有優(yōu)秀的算法封裝框架

tensorflow / caffe / keras /...?

??Auto ML 是不可阻擋的一個方向

Auto ML(auto machine learning)，自動機(jī)器學(xué)習(xí)。就是你只管丟進(jìn)去數(shù)據(jù)，坐等跑出結(jié)果來就行了。前一陣子谷歌的CloudML炒的很火，愿景是讓每個人都能建模，但畢竟這種服務(wù)是要錢的。所以我研究了下開源的auto sklearn框架的代碼，發(fā)現(xiàn)了什么呢？建模到底有多簡單呢？就，簡單到4行代碼就可能打敗10年工作經(jīng)驗(yàn)的建模師。

再說回來，如果你自己根本不知道自己在做什么，只能跑出來一個你不能負(fù)責(zé)的結(jié)果，就是很糟糕的，那還不是一個合格的算法工程師。你的模型必須像你親生的那樣。但是，只要你想，絕對能做到的！

學(xué)習(xí)python電腦上要裝哪些東西

??Anaconda

對，就是這么簡單粗暴，裝這個就ok了

學(xué)python的應(yīng)該都會面臨到底是python2還是python3的抉擇吧。語言版本和環(huán)境真的很讓人頭疼，但是Anaconda驚艷到我了，就是可以自定義python環(huán)境，你可以左手py2右手py3??

推薦幾個python的IDE

??Spyder

Anaconda自帶的ide。界面排版與Rstudio和Matlab很相似。輸入什么就輸出什么結(jié)果，適合分析工作，我寫小功能的時(shí)候很喜歡用。

??Jupyter Notebook

Anaconda自帶的ide，屬于web界面的。當(dāng)你程序跑在虛擬機(jī)，想調(diào)代碼的時(shí)候適合用。

??PyCharm

對于寫項(xiàng)目的，或者代碼走讀的比較友好。當(dāng)你需要寫好多python文件互相import時(shí)，特別好用。

我的筆記本配置

（不考慮經(jīng)濟(jì)約束的請忽略這條）

牌子+型號：ThinkPad X1 Carbon

推薦配置：i7+16G內(nèi)存+256G(或更多)硬盤

系統(tǒng)推薦：Linux，因?yàn)殚_源，有空可以玩玩

?校招/社招/實(shí)習(xí)/面試經(jīng)驗(yàn)

??如何安排校招

大廠的開放時(shí)間會比較早，密切關(guān)注網(wǎng)申時(shí)間節(jié)點(diǎn)：

2019屆的秋招：2019年7月 - 2019年11月

2020屆的春招：2020年2月 - 2020年4月

2020屆的暑期實(shí)習(xí)：2020年3月 - 2020年5月

2020屆的秋招：2020年7月 - 2020年11月

（以此類推）

??手撕代碼能力

建議提早半年開始準(zhǔn)備。我的代碼也是從實(shí)習(xí)開始敲起，敲了半年才覺得下手如有神哈哈。不要做沒實(shí)際意義的課后題，也不要照著書本例題敲，敲完你就忘了，書本這些都是已經(jīng)排除萬難的東西，得不到什么成長。

入門修煉：全國大學(xué)生數(shù)學(xué)建模競賽、全美大學(xué)生數(shù)學(xué)建模競賽、kaggle、天池…

??項(xiàng)目經(jīng)歷/實(shí)習(xí)經(jīng)歷

如果明確自己的職業(yè)方向?yàn)槿斯ぶ悄?數(shù)據(jù)挖掘類的，請不要浪費(fèi)時(shí)間去申請其他與技術(shù)無關(guān)的實(shí)習(xí)。端茶送水，外賣跑腿，打印紙并不能幫你。當(dāng)時(shí)由于身邊同學(xué)都斷斷續(xù)續(xù)出去實(shí)習(xí)，面前有一份大廠行政的實(shí)習(xí)，我…竟然猶豫了一下，好在也還是拒絕了。

盡量選擇大廠的技術(shù)實(shí)習(xí)，畢竟以后想進(jìn)去會更難。但是不要因?yàn)橐粋€月拿3000塊就只干3000塊的活。把整個項(xiàng)目跟下來，了解框架的架構(gòu)，優(yōu)化的方向，多去嘗試，就算加班（加班在深圳很正常）也是你賺到，思考如何簡化重復(fù)性工作，去嘗試了解自己部門和其他部門的工作內(nèi)容與方向，了解的越多你對自己想做的事情了解的也越多。我實(shí)習(xí)做的評分卡模型，除了傳統(tǒng)邏輯回歸，也嘗試新的XGB等等，而且雖然別人也在做，但是私下自己會把整個模型寫一遍，包含數(shù)據(jù)清洗和模型調(diào)優(yōu)等，這樣對業(yè)務(wù)的了解也更透徹，面試起來所有的細(xì)節(jié)都是親手做過的，也就比較順了。

如果沒有實(shí)習(xí)在手，世界給我們數(shù)據(jù)挖掘選手的大門還是敞開著的。kaggle上有專門給數(shù)據(jù)挖掘入門者的練習(xí)場。相關(guān)的比賽還有很多，包括騰訊、阿里等大廠也時(shí)不時(shí)會發(fā)布算法大賽，目測這樣的算法大賽只會越來越多，你堅(jiān)持做完一個項(xiàng)目，你在平臺上還可以得到相關(guān)名次，名次越靠前越有利哈哈哈這是廢話。

??BAT常見的面試題（不分先后）

自我介紹/項(xiàng)目介紹

類別不均衡如何處理

數(shù)據(jù)標(biāo)準(zhǔn)化有哪些方法/正則化如何實(shí)現(xiàn)/onehot原理

為什么XGB比GBDT好

數(shù)據(jù)清洗的方法有哪些/數(shù)據(jù)清洗步驟

缺失值填充方式有哪些

變量篩選有哪些方法

信息增益的計(jì)算公式

樣本量很少情況下如何建模

交叉檢驗(yàn)的實(shí)現(xiàn)

決策樹如何剪枝

WOE/IV值計(jì)算公式

分箱有哪些方法/分箱原理是什么

手推SVM：目標(biāo)函數(shù)，計(jì)算邏輯，公式都寫出來，平面與非平面

核函數(shù)有哪些

XGB原理介紹/參數(shù)介紹/決策樹原理介紹/決策樹的優(yōu)點(diǎn)

Linux/C/Java熟悉程度

過擬合如何解決

平時(shí)通過什么渠道學(xué)習(xí)機(jī)器學(xué)習(xí)（好問題值得好好準(zhǔn)備）

決策樹先剪枝還是后剪枝好

損失函數(shù)有哪些

偏向做數(shù)據(jù)挖掘還是算法研究（好問題）

bagging與boosting的區(qū)別

模型評估指標(biāo)有哪些

解釋模型復(fù)雜度/模型復(fù)雜度與什么有關(guān)

說出一個聚類算法

ROC計(jì)算邏輯

如何判斷一個模型中的變量太多

決策樹與其他模型的損失函數(shù)、復(fù)雜度的比較

決策樹能否有非數(shù)值型變量

決策樹與神經(jīng)網(wǎng)絡(luò)的區(qū)別與優(yōu)缺點(diǎn)對比

數(shù)據(jù)結(jié)構(gòu)有哪些

model ensembling的方法有哪些

??小結(jié)

問題是散的，知識是有關(guān)聯(lián)的，學(xué)習(xí)的時(shí)候要從大框架學(xué)到小細(xì)節(jié)。

沒事多逛逛招聘網(wǎng)站看看招聘需求，了解市場的需求到底是什么樣的。時(shí)代變化很快，捕捉信息的能力要鍛煉出來。你可以關(guān)注的點(diǎn)有：職業(yè)名/職業(yè)方向/需要會什么編程語言/需要會什么算法/薪資/...

每個面試的結(jié)尾，面試官會問你有沒有什么想問的，請注意這個問題也很關(guān)鍵。

比如：這個小組目前在做什么項(xiàng)目/實(shí)現(xiàn)項(xiàng)目主要用什么語言和算法/…

盡量不要問加不加班，有沒有加班費(fèi)之類的，別問我為什么這么說（攤手）

在面試中遇到不理解的，比如C++語法不懂，可以問這個C++具體在項(xiàng)目中實(shí)現(xiàn)什么功能。如果你提出好問題，能再次引起面試官對你的興趣，那就能增加面試成功率。

應(yīng)屆生就好好準(zhǔn)備校招，別懶，別怕輸，別怕被拒，從哪里跌倒從哪里起來。社招不是你能招呼的，會更挫敗，因?yàn)槟闶裁匆矝]做過。

雖然是做技術(shù)的，但是日常social一下還是收益很大的。實(shí)習(xí)的時(shí)候，也要與周圍同事和平相處，尤其是老大哥們，也許哪天他就幫你內(nèi)推大廠去了。內(nèi)推你能知道意想不到的信息，面試官，崗位需求，最近在做什么項(xiàng)目之類的。

挑選給你機(jī)會的公司，不要浪費(fèi)自己的時(shí)間。不要每家都去，去之前了解這家公司與你的匹配度。

尤其社招，你一改動簡歷就很多人給你打電話，你要有策略的去進(jìn)行面試，把握總結(jié)每個機(jī)會。像我就是東一榔頭西一榔頭的，好多都是止步于第一面，就沒回信兒了，因?yàn)槊看蚊嫱隂]有好好反思總結(jié)，等下次再遇到這問題還是抓瞎，十分消耗自己的時(shí)間和信心。

?一碗雞湯

??一切才剛剛開始，別著急

AI才剛剛起步，為什么呢？因?yàn)樯蠑?shù)學(xué)課的時(shí)候，課本上都是柯西，牛頓，高斯等等，感覺他們活在遙遠(yuǎn)的時(shí)代，很有陌生感。但是現(xiàn)在，我每天用的模型是比我沒大幾歲的陳天奇創(chuàng)造出來的，我甚至follow他的社交賬號，他就鮮活在我的世界里，這種感覺，很奇妙。每次查論文查文獻(xiàn)的時(shí)候，看2017年出來的都覺得晚了，懊悔自己怎么學(xué)的這么慢，看2018年2月出來的才心里有點(diǎn)安慰。這個證明，你在時(shí)代發(fā)展的浪潮上，也是一切剛剛起步的證明。機(jī)遇與挑戰(zhàn)并肩出現(xiàn)的時(shí)候，是你離創(chuàng)造歷史最近的時(shí)候。而所謂的風(fēng)口所謂的浪尖都不重要，重要的是，因?yàn)槟阆矚g。

??找一件可以堅(jiān)持的事，不要停止去尋找的腳步

當(dāng)人做喜歡的事情時(shí)，會發(fā)光呀！

當(dāng)你因?yàn)檎娴臒釔勰臣?，而不斷接近它的時(shí)候，你的靈魂像是被上帝指點(diǎn)了迷津，受到了指示，受到了召喚。你會很自然的知道該做什么，你想做什么，好像生而為了這件事而來。你有時(shí)候自己都想不明白為什么做這件事。看過月亮與六便士的應(yīng)該懂這種使命感~

我不是屬于聰明的那類人，我是屬于比較倔的那種。就是只要我認(rèn)定的，我認(rèn)定到底。天知道我有多少次懷疑過自己，有多少次想放棄，但我還是選擇咬牙向前，選擇相信自己。堅(jiān)持的意義就在這里。