做 ML 有关的工作,需要哪些技能?

标签: IT技术 机器学习 | 发表时间:2018-01-30 23:08 | 作者:Agatha
出处:http://blog.jobbole.com

【导读】:有位网友在 Quora 上提问:做与机器学习有关的工作,需要些什么技能呢?

我是一个自学者,现在家中自学线性代数。希望有天能在机器学习领域工作,但是我不太确定:

  • a) 这种工作/面试需要什么技术上的技能?
  • b) 有没有什么(做这种工作)必须的相关工作经历

比起空想,我至少开始行动了。任何的建议/指导对我来说都很有用。十分感谢!

本文摘编了 2 位 Quora 网友的回答。

Jonathan A. Cox(机器学习和应用物理研究人员)的回答:

这里有很多回复都提到了一些创业公司常用的工具。值得注意的是,在你 35 岁以上的职业生涯中,这些工具会变得完全不同。所以最好的办法是熟悉基本概念和数学。

其次,机器学习领域太过繁杂,根本不可能真正深入理解几十种不同的算法。我觉得你可以先深究几个最有前景的算法。说是这么说,你也要很了解一些基础的东西才行,比如说朴素贝叶斯、支持向量机、感知器、决策树。

最后,很多创业公司,或者非研究领域的人会告诉你要专注于那些快要老掉牙的算法(比如支持向量机 (SVM))和大数据的数据库工具(比如说Hadoop)。考虑到你刚刚起步,我觉得你可以专注于那些很快会发展起来的架构:神经网络,单指令流多数据流(SIMD)向量计算(比如说GPU)。神经网络最近 10 年内开始革命性地颠覆自然语言处理、机器视觉、语音识别和其他领域。鉴于它的强大,这个影响还会继续下去。

综上,我会选择诸如 GPU 加速这类算法来自学和实现,再加一些分布式数据库的知识。以下是值得考虑的算法:

1. 深度置信网或者层叠降噪自动编码机 / Deep Belief Nets or Stacked Denoising Autoencoders
2. 卷积神经网络(CNN)
3. 长短记忆(LSTM)时间递归神经网络
4. 结构递归神经网络(通常用于自然语言处理)
5. word2vec 神经网络以及相关通过上下文学习词语的相关算法

另外一个很有前景的领域是强化学习,尤其是 Deep Mind 的 Q-learning。当你用到延迟奖励功能(比如玩 Atari 游戏时的得分),并且不能在你的网络中直接计算参数梯度时,你会用到强度学习。当你熟悉了上述的算法之后,你大约会想探索一下这个领域。这个领域跟机器人以及,更现实一点,关于人和动物是怎么学习的模拟,很有关联。

补充:我现在有这样的想法:过去的一年中,结合不同的神经算法,得到一个“深度“系统的方法逐渐显露出重大进步;因为这个方法的整体大于它的组成部分。鉴于奠基石已经铺下,我预计最显著的进步很可能会落在这个方向。一定程度上,细致整顿整个系统之前训练好个体模块,以及更快的计算群让这种进步成为了可能。(然而我们仍会在单个的算法中看到进展。)

换句话说,现在结合了卷积神经网络和多层感知器(MLP)的 LSTM,可以做到用句子描述图像之类的事情(来源:Goolge/Stanford)。类似地,已经有了具备强化学习能力的卷积神经网络和 MLP 组成的 Atari 游戏竞技网络。

往这个清单加上新东西同样很容易:把通过 word2vec/GloVe/skip-gram 训练出来的词向量输送给这样的复合网络,或者甚至是用递归神经网络训练的情感分析层。

有了神经网络和反向传播,在任意几何体上结合/叠加层,以及把组合作为整体系统来训练都变得容易了,它们可以扩展出强大的能力。

由许多不同种类的神经网络组成,用各种技术连接在一起,单独训练,协同微调,这些混合系统将继续向我们展示充满戏剧性的新能力。

二、 Joseph Misiti 的回答分享,4400+ 顶

个人认为,以下是部分必需技能:

更新:我在 Github 创建了一个 repo,里面有上百的资源链接能够帮你起步。

https://github.com/josephmisiti/awesome-machine-learning

1. Python/C++/R/Java

假如你想在机器学习领域里找一份工作,你大概迟早要学会这些语言。Python 的 Numpy and Scipy 库 [2] 非常有用,因为这些库不仅有跟 MATLAB 相似的功能,而且将其整合进Web Service,或者在 Hadoop(见下)里使用的时候也十分简单。在加快代码运行速度的时候会用到C++。R [3] 在统计和画图的时候非常好用。Hadoop [4] 是用 Java写的,所以当你实现 mappers 和 reducers 的时候可能需要用到 Java(虽然你也可以通过 Hadoop streaming  [5] 使用脚本语言)。

2. 概率和统计

学习算法里的很大一部分都基于概率和统计理论,比如说朴素贝叶斯 [6]、高斯混合模型 [7]、隐Markov模型 [8]。 想要理解这些模型,就需要扎实的概率和统计功底。测度论 [9] 怎么拼命学都不过分。把统计作为模型的评价指标,比方说混淆矩阵、ROC 曲线、p值等等。

3. 应用数学和算法

对于 SVM [10] 这些判别模型,就需要算法理论的扎实基础了。即便你不需要从头开始实现SVM,学习算法理论也可以帮助你理解算法。需要学习的东西有凸优化 [11],梯度下降 [12],二次规划 [13],拉格朗日 [14],偏微分方程等等。要习惯看求和符号 [16]。

4. 分布式计算

如今大部分的机器学习工作都要求使用大型数据集(见《数据科学》)[17]。处理这些数据并不能凭借一台机器,而是需要把工作分派给整一个集群。像 Apache Hadoop [4] 这样的项目和亚马逊的 EC2 [18] 这样的云服务就能以合理的成本方便地处理这些数据。虽然 Hadoop 把很多硬核的分布式计算问题隐去了,对 map-reduce [22] 和分布式文件系统 [19] 等方面有透彻的理解还是十分必要的。Apache Mahout [20] 和 Apache Whirr [21] 也很值得一看。

5.精通 Unix/Linux 工具

除非你运气好,不然你总是需要修改你数据集的格式来载入到 R、Hadoop、HBase 等。Python这些脚本语言(使用 python 里的 re)也能用来完成这个事情,但是最好的方法大约还是掌握专门为此设计的 unix 工具:cat [24]、grep [25]、find [26]、awk [27]、sed [28]、sort [29]、cut [30]、tr [31]等。因为最有可能在基于 Linux 的机器上处理这些数据(我记得 Hadoop 并不能在 Windows 上运作),你一定可以用到这些工具。要学会热爱并尽可能地使用这些工具。这些工具让事情简单多了,比如这个例子 [1]。

6.熟悉Hadoop的子项目

HBase、Zookeeper [32]、Hive [33]、Mahout 等。这些项目可以储存或读取数据,而且他们可扩展。

7. 了解高级信号处理的技术

特征提取是机器学习最重要的部分之一。如果你的特性提取得不好,那不论你使用什么算法,性能都不会好。根据具体情况,你可能可以应用一些很酷炫的高级信号处理算法,比方说 wavelets [42]、shearlets [43]、curvelets [44]、contourlets [45]、bandlets [46]。了解并尝试应用时间-频率分析方法 [47]。如果你还没有了解傅里叶分析和卷积的话,这些东西也值得学习。后面提到的这俩是信号处理的基础知识。

最后,尽量多练习、多阅读。有空的时候可以读读像 Google Map-Reduce [34]、Google File System [35]、Google Big Table [36]、The Unreasonable Effectiveness of Data [37] 上的论文。网上也有很多关于机器学习的好书的免费资源,这些也应该多读。[38][39][40] 我找到了一个很好的课程,并且在转发到Github了 [41]。与其直接使用开源的扩展包,不如自己写一份并且对比结果。如果你能从头写一个支持向量机,你就会明白像支持向量、gamma、cost、hyperplanes 等的概念。载入数据并开始训练并不难,难的是理解这所有的概念。

祝好运!

 

[1] http://radar.oreilly.com/2011/04…

[2] http://numpy.scipy.org/

[3] http://www.r-project.org/

[4] http://hadoop.apache.org/

[5] http://hadoop.apache.org/common/…

[6] http://en.wikipedia.org/wiki/Nai…

[7] http://en.wikipedia.org/wiki/Mix…

[8] http://en.wikipedia.org/wiki/Hid…

[9] http://en.wikipedia.org/wiki/Mea…

[10] http://en.wikipedia.org/wiki/Sup…

[11] http://en.wikipedia.org/wiki/Con…

[12] http://en.wikipedia.org/wiki/Gra…

[13] http://en.wikipedia.org/wiki/Qua…

[14] http://en.wikipedia.org/wiki/Lag…

[15] http://en.wikipedia.org/wiki/Par…

[16] http://en.wikipedia.org/wiki/Sum…

[17] http://radar.oreilly.com/2010/06…

[18] http://aws.amazon.com/ec2/

[19] http://en.wikipedia.org/wiki/Goo…

[20] http://mahout.apache.org/

[21] http://incubator.apache.org/whirr/

[22] http://en.wikipedia.org/wiki/Map…

[23] http://hbase.apache.org/

[24] http://en.wikipedia.org/wiki/Cat…

[25] http://en.wikipedia.org/wiki/Grep

[26] http://en.wikipedia.org/wiki/Find

[27] http://en.wikipedia.org/wiki/AWK

[28] http://en.wikipedia.org/wiki/Sed

[29] http://en.wikipedia.org/wiki/Sor…

[30] http://en.wikipedia.org/wiki/Cut…

[31] http://en.wikipedia.org/wiki/Tr_…

[32] http://zookeeper.apache.org/

[33] http://hive.apache.org/

[34] http://static.googleusercontent….

[35] http://static.googleusercontent….

[36] http://static.googleusercontent….

[37] http://static.googleusercontent….

[38] http://www.ics.uci.edu/~welling/…

[39] http://www.stanford.edu/~hastie/…

[40] http://infolab.stanford.edu/~ull…

[41] https://github.com/josephmisiti/…

[42] http://en.wikipedia.org/wiki/Wav…

[43] http://www.shearlet.uni-osnabrue…

[44] http://math.mit.edu/icg/papers/F…

[45] http://www.ifp.illinois.edu/~min…

[46] http://www.cmap.polytechnique.fr…

[47 ] http://en.wikipedia.org/wiki/Tim…

[48] http://en.wikipedia.org/wiki/Fou…

[49 ] http://en.wikipedia.org/wiki/Con…

做 ML 有关的工作,需要哪些技能?,首发于 文章 - 伯乐在线

相关 [ml 工作 需要] 推荐:

做 ML 有关的工作,需要哪些技能?

- - 文章 – 伯乐在线
【导读】:有位网友在 Quora 上提问:做与机器学习有关的工作,需要些什么技能呢. 我是一个自学者,现在家中自学线性代数. 希望有天能在机器学习领域工作,但是我不太确定:. a) 这种工作/面试需要什么技术上的技能. b) 有没有什么(做这种工作)必须的相关工作经历. 比起空想,我至少开始行动了.

ML一小时意味着什么???(~>_

- 白开水易拉罐 - 天朝娱乐 | 每天开心一下!
感谢 暴强楼主 投递给天朝娱乐. 呵呵,刚刚和女友做完,65分钟,看表做的,不包括前戏,频率平均每分钟150下. 要不是她催着要去吃东西,我真的不知还能做多久. 这事儿用不着说 假,又没有奖品得. 以前有过两个多小时的记录,那次把包P都弄青了,最后还是不能S,两个人都觉得没什么意思了,就没继续了. 不 过平时也就半个小时的样子,只要女朋友说她吃饱了我就不继续了.

【残稿】ML笔记(0):开始之前

- polycount - 崔添翼 § 翼若垂天之云
今年,Stanford将计算机课程的公开度又向前迈了一步,将机器学习(Machine Learning)、人工智能(Artificial Intelligence)和数据库基础(Introduction to Databases)三门课全面在网上开放. 我打算坚持学习其中的机器学习这门课程,并以笔记的形式向大家分享.

Spark-ML-数据获取/处理/准备

- - CSDN博客综合推荐文章
UCL机器学习知识库:包括近300个不同大小和类型的数据集,可用于分类、回归、聚类 和推荐系统任务. 数据集列表位于: http://archive.ics.uci.edu/ml/. Amazon AWS公开数据集:包含的通常是大型数据集,可通过Amazon S3访问. 这些数据 集包括人类 基因组项目 、 Common Crawl 网页语料 库、维基百 科数据和 Google Books Ngrams.

从事造价工作需要多少施工知识?

- - 知乎每日精选
有很多朋友问过同样一个问题,就是学造价是不是要先做几年施工员再转行比较好,今天咱们来谈谈这个问题. 感谢 @陈子善 先生的提醒, 本文中的造价师是指在造价咨询公司工作的造价师,对于在施工单位做成本管理的造价师并不是特别适用. 首先先回答一个问题,有些人会说,你如果都施工工艺一窍不通,那么叫人怎么说服别人同意你的方案.

有那么多企业级软件 ,还需要用 Facebook 工作吗?

- - 博客园_新闻
两年前微软收购 Yammer 时, CNNMoney 上一篇文章预测了企业软件未来的 5 个趋势,其中一个是“企业软件社交化”. 果然,在今年,除了整合了邮件、信息、文件和社交功能的企业级沟通工具 Slack 火了;现在连 Facebook 也要进军企业级市场. 据  《金融时报》报道,Facebook 正在计划推出一款名为“Facebook at Work”的服务,要让它的 10 亿多用户不仅将 Facebook 用于生活娱乐,还得满足他们在工作时间也能光明正大地刷 Facebook.

为何程序员完成最后20%的工作需要的时间跟之前的80%一样多?

- - 博客园_新闻
英文原文: Let me tell you why the last 20% of work takes the same amount of time as the first 80%. 这句话在程序员的工作中同样适用,到底是为何呢. Matija 用一个精巧的比喻揭示了个中道理. 其实这就好比在高峰期从郊外开车回市中心.

Google 需要性爱

- cantrip - 酷壳 - CoolShell.cn
看到一篇趣文Google Needs Sex,翻译过来. Brad DeLong 给我们写了 两篇关于“Google遇到的麻烦”的文章(墙),这两篇文章基本上是说, 制造网络欺诈和网络垃圾信息的人会尽其一切努力来和搜索引擎进行博弈,这样一来,其会让搜索到的结果对我们越来越没有帮助(译注:百度的竞价排名成为了制造网络欺诈和网络垃圾信息甚至洗脑的温床).

都需要过程

- Terence - 左岸读书_blog
我一直相信,这个世界所有的事情都建立在一定的规则之上,最根本的规则. 其上一切规则都要依次规则,一旦上层规则违背了底层的规则,则必然会出现问题. 而那些根本的规则,其实在最初我们就已经知道,只是无法意识到. 记得有一句好象是说:最初,看山是山,看水是水;然后,看山不是山,看水不是水;最后才发现,山仍然山,水仍然是水.

父母给毕业生最可怕的毕业礼物:1)告诉孩子该怎么走,因为你知道更多,2)要孩子去找份安稳无意义的工作,不要追随自己的心,3)靠关系安排孩子的工作,4)让孩子弥补自己未完成的遗憾,5)给孩子犯罪感和压力,让他们回到你身边工作(虽然并非真正年老需要照顾)。

- 飞 - 李开复老师的新浪微博
父母给毕业生最可怕的毕业礼物:1)告诉孩子该怎么走,因为你知道更多,2)要孩子去找份安稳无意义的工作,不要追随自己的心,3)靠关系安排孩子的工作,4)让孩子弥补自己未完成的遗憾,5)给孩子犯罪感和压力,让他们回到你身边工作(虽然并非真正年老需要照顾).