如何成為一位資料科學家(圖靈訪談)

學習筆記，僅供參考，有錯必糾

機器學習似乎比其他計算機科學學科都要難，特别是對于數學不太好的程式員而言。你對這些程式員有什麼樣的建議呢？

我建議應該先自學基本的機率、統計，以及線性代數。你不需要學一個學期那麼長的課，這些基礎知識就會讓你有很大收獲。有很多線上資源，比如Kahn academy視訊。（我在56.com和Kahn academy找了一下有很多英文的，也有一些中文的。）也有一些比較容易起步的書，我比較熟悉有美國英文版的“teach yourself”（自學）系列, “statistics for dummies”（傻瓜統計）, “probability refresher”（機率補習），“statistics demystified”（統計解惑）等等。

我其實認為這裡面其實很有商機。Kahn academy視訊很不錯，因為它們都很短，但遺憾的是這些視訊都是英文的。我看見的中文線性代數視訊都很長。如果你能做出像Kahn academy那樣的中文視訊，我覺得是會非常受歡迎的。

• 如何進階學習機器學習？對于初學者是否有一個類似于路線圖的東西？你有什麼推薦書單嗎？

我會讀Witten 和 Frank所著的​​《資料挖掘：實用機器學習工具與技術》​​​，這裡面涉及的數學很少，但是又對普通算法做了很好的介紹。我覺得緊接着就該讀Tan, Steinbach, 以及Kumar的​​《資料挖掘導論》​​。

當然，這些書都很厚，如果你想馬上就搞明白一些東西，估計就不想讀這些大部頭了。如果要把某個算法弄明白，我會在網上找很多教程。比如Adboost算法，我認為多讀一些不同的教程比隻讀一個，深入鑽研要好很多。

最後我覺得應該多動手玩玩執行個體。問問你自己：如果我改變這個資料，結果會是怎麼樣的呢？

• 對于有些人來說“算法”才是機器學習真正有趣的地方，但是機器學習裡面總有一些苦活累活不那麼有意思，比如資料預處理。你是怎麼完成這些“不那麼有趣”的工作的？

當然，肯定有無聊的工作，是以你一定要把這部分工作自動化，這樣你就不需要重複做這些無聊的工作了。這樣做也會讓你變成一個更好的軟體開發者。

• 資料科學家被評為世界上最火的工作之一，你認同嗎？您本人作為一個資料科學家，有什麼可以和我們分享的經驗嗎？要成為一個資料科學家需要有什麼條件？

我認為資料科學家現在确實很好找工作。什麼是資料科學家呢？我認為資料科學家是介于統計學家和軟體工程師中間的一種工作。公司、個人、NPO，甚至運動隊都需要根據資料來做決策。他們需要可以分析資料的人。這需要我之前提過的兩種條件。人們不需要單純的統計學家，這些人可能對于争論自己到底用不用貝葉斯定理更感興趣，人們需要的是真正能做實事的人。

是以我也建議大家多動手做一些東西。這是什麼意思呢？創造一些項目，收集資料，預處理資料，然後做一些資料分析，展示資料，最後向公衆展示這些資料。如果你做了很多這樣的事情，那麼你就有一個可以用來向你未來老闆或者其他人展示的檔案夾。幾乎我書裡的每個例子都可以用來做成一個網站或者智能電話app，這些都是你可以示人的資本。

• 很多大（資料）公司，比如Google, Facebook 和 Baidu都投入很多精力在深度學習上。你認為深度學習會在未來取代“人工特性+機器學習”的方法嗎？