机器学习工程师有没有前途？如何正确入门.doc

《机器学习工程师有没有前途？如何正确入门.doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、机器学习工程师有没有前途？如何正确入门　　机器学习在很多眼里就是香饽饽，因为机器学习相关的岗位在当前市场待遇不错，但同时机器学习在很多人面前又是一座大山，因为发现它太难学了。在这里我分享下我个人入门机器学习的经历，希望能对大家能有所帮助。　　这篇文章不会有太多机器学习方面的专业知识　　更多的只是学习经历与经验分享　　机器学习工程师到底值几斤几两呢　　入门之前先来让大家心里看个数据，机器学习工程师在市场上到底值几斤几两呢？我们在拉勾网上搜索机器学习关键字，得到了下面的结果：　　　　可以看出来，这个待

2、遇在当前IT行业中还是很不错的，究其原因，是由于这个市场目前是供不应求，人才紧缺，自然而然与之相关的岗位待遇会相对IT行业中的其他岗位较高。　　我是如何入门的呢　　入门前的基础　　先来分享下在开始入门前我的基础吧，先罗列下当时我所掌握掌握的知识吧。　　掌握了JavaSE　　本科所学的微积分，线性代数，概率论中的知识忘得所剩无几　　看了上面两点，你会发现，当时的我其实除了掌握JavaSE之外，连Python也不会，此外，微积分，线性代数，概率论中的知识我也基本上全都还给了大学老师了。　　这时你再想想

3、你当前的情况，你是不是发现你的情况跟我很像，甚至会比我的情况还好呢。　　像我这样的条件都可以入了门，你们有什么理由无法入门呢？　　入门过程中　　首先说明一点，我个人在入门过程中经过了有看过视频、也有看过书，看过博客，也有直接做一些项目，这些过程是交互进行的，现在我将这些按照相对顺序来介绍下。　　聊聊Python　　在当时Python在机器学习领域已经使用非常多了，另外Python除了也可做机器学习外，还可以做后端（如Django/Flask等）。所以我首先学习的是Python，在准备学习它的时候，

4、我最开始采取的方式是看教学视频，但是发现太耗时了，所以看了两节之后果断放弃，进而我发现了廖雪峰关于Python的教程，看博客或者看书的方式会相对比看视频快很多，由于我个人有Java编程的基础，所以在看廖雪峰关于Python的教程时相对容易点。这里建议如果没有任何编程基础，建议还是选个Python的入门视频来学习。　　如果说单纯的学习一门语言的话，这水其实是很深的，但对于我们大多数人来说，尤其是入门的时候，我们并不需要将Python的方方面面都学会，我们只需要有重点的掌握Python我们所需要的几个

5、部分就好，剩下的我们可以在之后工作项目中进步学习和加深。　　对于要入门机器学习的同学们，我这里整理下前期Python所需要学习的部分：　　Python语法基础，包括数据类型和变量、条件控制语句（ifelse、for、while）、列表（list）、集合（set）、字典（dict）、元组（tuple）等　　面向对象部分，包括函数的使用、函数的多种参数、匿名函数、类和实例、继承和多态等　　Python高级特性，包括切片、迭代、列表生成式、字典生成式、迭代器、生成器等　　IO操作及异常处理，包括读写文本

6、文件、读写二进制文件、异常捕获和处理等　　常用的内置模块，包括datetime、os、system、re等　　除了以上的关于Python的基础外，还有一些第三方模块我们需要掌握的。由于在使用机器学习算法时，经常需要处理数据以及可视化结果。在这里推荐以下几个第三方模块：　　pandas，数据分析必备神器，功能众多，前期我们只需要掌握它的一些基本用法就OK　　matplotlib，Python中众多数据数据可视化的一个基础库，能够使用它绘制基本图形即可　　对于我来说，这些第三方模块都是在工作的时候学习

7、的，并不是刚开始就学习的。以我的经验给大家指出一个陷阱，在我们入门阶段，不建议大家刚开始就深入学习这些模块的底层，我的原则是：先学会使用，再研究原理。以pandas为例，pandas底层用到了numpy、scipy、matplotlib，如果你要先系统地把这些底层所有的知识学习一遍，你会发现在你有限的时间内，你根本学不完，即便你有这么多时间去学完，你会发现学了后面，忘了前面。　　聊聊机器学习算法课程　　在掌握了Python的基本用法后，我开始寻找学习机器学习的资料，当时的情况是市面上并没有众多关于

8、这方面的培训机构，经过各种搜集，最后选择了吴恩达在Coursera上的机器学习课程。虽说课程语音是英文，但有中文字幕，所以看起来还是很方便的。在将吴恩达课程学完之后，你会对常用的机器学习算法有一个基本的了解。　　这里列举出课程中所讲解的一些常用算法和内容：　　线性回归　　逻辑回归　　神经网络　　支持向量机　　非监督学习　　降维、异常检测　　推荐系统　　应用机器学习建议　　看了上面的各种算法，你可能会问，这么多听起来很牛逼是算法，我的数学基础（微积分、线性代数、概率论）不好，能听的懂