看板Soft_Job
我目前從事資料科學相關工作，
時間分配上，扣除泡咖啡、開會、喇賽等等時間以後
95% Data mining（包含資料視覺化）、5% Machine Learning
以下是我的大數據課程心得:
--
[機器學習 3學分]
最早在學校修這門課的時候，不知道需要什麼先備知識。
沒有機率、統計等基礎就傻傻跑去修，
線代只學過工程數學那些，而且還忘得差不多了...
結果，除了 k-mean 以外什麼都沒學到，所以就被當了。
--
之後，我把田神的 HW0 拿來做，
想說：「寫出這些題目，應該就有捲土重來的本錢了吧...」
當時 HW0 都是找某位經濟系的同學請教才弄懂，給我看的都是五專會統科的課本。
我跟她說：「天啊妳有超有做AI的天分，只要會寫程式的話就超強惹!」
結果，她現在跑去綠地球當空姐。
--
[Pattern Recognition 3學分]
然後，我覺得自己應該準備好了，就去修這門課。
選課前，我還拿著 HW0 問老師：「懂這些夠嗎？」
修課以後學到特徵、資料正規化、訓練集、測試集，交叉驗證等等觀念，
才慢慢建立起比較完整的資料科學觀念輪廓。
雖然考數學題的時候，成績還是很慘烈，
但是老師要求我們在紙上一步步推演 Perceptron 的運作過程，
推演完以後有一點點"奇妙的"感覺，但我說不清楚是什麼。
為了弄清楚，為了讓這個感覺更強烈，我用C++自幹出一個 Perceptron，
搭配 OpenCV 把過程視覺化。
跑訓練的時候，看著自己寫的 Perceptron 不停移動，
真的慢慢把兩類 sample set 切得越來愈開。
我第一次感到自己寫的程式有智慧，真的會自己發現些什麼，那種感動是難以言喻的~
這門課還有學到貝氏機率、kNN、SVM 等其他模型，
以及升維、降維等等一些入門的特徵處理手法。
--
當時深度學習在台灣還沒紅，至少在台灣學界並不是廣為人知的。
TensorFlow 也還沒出來。
之後更進階的東西我大多數都是靠自修、或者和朋友同事討論，
就沒再上過這種正式的課程，但修了 Pattern Recognition 應該是把我帶入門的關鍵。
--
沒錯
在我深深的腦海中~~
沒有不用，我只是把這兩樣當作 data mining 理所當然的一部分
homework 0
※ 批踢踢實業坊(ptt.cc), 來自: 180.177.53.142※ 文章網址: https://www.ptt.cc/bbs/Soft_Job/M.1491121154.A.C9F.html
推 gerojeng: 讚讚讚 04/02 17:10
推 cuteSquirrel: 推薦這篇文章。 04/02 18:48
推 ahahahahah: 猛 04/02 18:59
推 starcraftiii: 一般來說資料視覺化大概佔了七八成的時間 04/02 19:28
→ starcraftiii: 不然麻瓜會看不懂我們在做什麼 04/02 19:28
推 waterdisney: 經濟系同學的圖呢？ 04/02 19:39
推 popxpopxpop: 推 04/02 20:01
推 kenshin528: 羨慕不用做 data clean 和 etl 04/03 00:58
→ spiderway: 那你就視覺化啊 04/03 00:59
→ angusyu: HWO是什麼？ 04/03 02:24
推 a1982213: 給一下樓上 林軒田 homework 0 04/04 19:17