2017年含金量最高的机器学习技能或知识有哪些?

2017年含金量最高的机械进修技能或常识有哪些?

一、来自Vladimir Novakovski的答复：

对机械进修做出最大年夜供献的平日都是通才。特别是在2017年，有很多关于机械进修的大年夜肆炒作。很多求职者在网上进修一些深度进修的课程，这让我想起20世纪90年代时，有很多人不去读计算机科学教材，而是去读一皓号称“20天学会VBScript”的速成书本。(其实今天依然有如许的人)

依旧重要的技能包含：(a)懂得统计学、优化、建立量化模型的基来源基本理;(b)懂得模型和数据分析是若何实际应用到产品和营业中的。

除了上述两点以外，以下几点技能在2017年也至关重要：

知道若何编写高质量的软件。一个团队编写质量垃圾的软件，另一个团队负责完美的时代已经以前了。应用Python和R如许的编程说话和它们的软件包，可以轻松处理数据和模型，是以数据科学家和机械进修工程师应当可以或许具备较高程度的编程才能，并懂得体系设计的基本常识。
应用大年夜型数据集。固然“大年夜数据”这个术语应用的太过频繁，但数据存储的成本确切出现急剧降低趋势。这意味着愈来竽暌国多的来自不合范畴的数据集在处理和应用模型。

是的，一旦你对一些常识有根本的懂得和响应的技巧程度后，懂得至少一个热点范畴，例如计算机视觉和感知的深度进修、推荐引擎、NLP(天然说话处理)等，都邑对你大年夜规语益。

二、来自Shivam Kohli 的答复：

技能#1：编程

这也许是数据科学家必备的最根本的技能——数据科学家的工作要比传一切计学家的工作实际的多。编程在很多方面都很重要，包含以下三点：

编程能加强你做数据统计的才能。如不雅你有一大年夜堆统计数据，但却没有办法去处理，那么你的统计常识将无用武之地。
编程能使你有分析大年夜型数据集的才能。你在业界工作的数据集并不像样本iris数据集(Iris数据集是常用的分类实验数据集，由Fisher, 1936收集整顿。)那么小可爱，你能轻松获得数以百万计甚至更多的数据。
经由过程编程，你可以创建更好的数据处理对象。这包含建立数据的可视化体系，创建主动分析实验的框架，以及治理公司的数据流，以便所需的数据可以手到擒来。

技能#2：定量分析

定量分析是数据科学家必备的核心技能。数据科学的大年夜部分内容是经由过程分析天然科学和实验所产生的数据来懂得一个特别复杂的科学体系的行动。定量分析技能在很多方面都很重要，包含以下三点：

实验设计和分析：特别是对大年夜事花费互联网应用的数据科学家—数据记录的方法和实验的运行方法，为大年夜量的实验测试各类假设供给了门路。实验分析是很可能掉足的(这一点可以询问任何统计学家)，是以，在这方面，数据科学家可以供给很多赞助。
复杂型经济/增长体系建模：一些经典建模是较为常见的，如客户流掉模型或客户毕生价值模型。更复杂的建模，如供给汉孟耋建模，匹配供给商和供给商之间经济最优办法，以及建模公司的增长渠道，来更好的量化分析哪些增长途径最有价值。最有名的例子是Uber的价格飙升建模。
机械进修：即使没有实现机械进修模型，对于数据科学家来说，他们也可以供给赞助创建原型来测试假设，选择和创造的功能，以及剖断现有机械进修体系中的优势和在该范畴的机会。

沙龙晃荡 | 去哪儿、陌陌、ThoughtWorks在主动化运维中的实践！10.28不见不散！

哪些数据科学范畴的人员对这项技能最有需求呢?1。物理学家2。统计学家3。经计揭捉?家4。运筹学家5。更多，他们异常习惯经由过程自上而下的办法(模型)或自下而上的办法来懂得复杂的体系(数据揣摸)。

2017年，哪些机械进修范畴的常识技能最具有价值?Quora上有两个答复，共提到10个最重要的机械进修技能。以下是译文。

技能#3：产品直觉

产品直觉是一种技能，它与数据科学家对体系进行定量分析的才能有关。产品常识意味着要懂得生成数据科学家分析的所稀有据的复杂体系。这个技能的重要性表如今：

产生假设：一个异常懂得产品的数据科学家可以用一种特定的方法改变体系的行动方法。假设是基于“预感”关于体系的某些方面若何表示，你须要知道体系对它是若何工作的有预感。
定义度量标准：传统的分析技能集包含肯定公司可以用来跟踪特定目标成功的重要和次要指标。数据科学家须要懂得产品，以便创建两个产品指标：1。衡量意图2。衡量具有推动价值的器械。
调试分析：“难以置信”的结不雅经常是因为体系的“令人难以置信”的特点而引起的。优胜的产品常识有助于晋升产品检查速度，赞助更快地辨认出可能掉足的器械。

产品常识平日包含应用公司创造的产品。如不雅那是弗成能的，那么至少试着去懂得那些实际应用产品的人。

这项技能很重要，有助于明显进步上述所有技能的影响力。这一点特别重要，是差别好的数据科学家和巨大年夜的数据科学家的重要标准。优胜的沟通可以以多种方法表现，包含：

沟通看法：一些数据科学家将其称之为“讲故事”。这里最重要的是以清楚、简明和有效的方法交换看法，以便公司中的其他人可以或许有效地舆解这些看法。
数据可视化出现：一幅清跋扈了了的图表胜过千言万语。
总体沟通：作为一名数据科学家，几乎老是意味着作为一个团队在工作，包含与工程师、设计师、产品经理、运营人员以及更多的角色合作。优胜的总体沟通有助于促进信赖和懂得，对于被宛转治理数据的仁攀来说，这是极其重要的。

技能#5：团队合作

1/2 1 2 下一页尾页

　　推荐阅读

　　云存储成本分析的5大技巧

沙龙晃荡 | 去哪儿、陌陌、ThoughtWorks在主动化运维中的实践！10.28不见不散！如今，越来越多的组织转向采取>>>详细阅读

地址：http://www.17bianji.com/lsqh/38114.html