这份宝典火了,小哥学后加薪30W+( 二 )


在这里 , 可能有人会疑惑 , 不应该先学习数学、统计和算法吗?
对此作者认为 , 如果从头开始学习如何编写算法 , 可能并不是快速上手数据分析 。
所以 , 他更推荐从实战中学习这些技能 。
简单来看可以分为三步:
把机器学习应用在实际问题上;尝试使用不同的算法;对比不同的应用结果 。
在这方面需要用到哪些工具呢?
Tidymodels和H2O是作者推荐的两个软件包 。
另外 , Recipes中具有很多预处理工具 , 可以转换数据、创建数据特征 。
接下来 , 作者推荐你开始学习时间序列分析 。
因为这个技能意味着你可以对未来的一些数据进行预测 , 掌握这项技能也会使你成为大厂手中炙手可热的人才 。
在这方面 , 你需要掌握的技能如下:
时间序列分析:处理日期/日期时间数据、聚合、转换、可视化时间序列、使用timetk预测:ARIMA、指数平滑、Prophet、机器学习(XGBoost、随机森林、GLMnet等)、深度学习(GluonTS)、集成、调整超参数、扩展预测、modeltime包 。
进行到这一步后 , 你就可以尝试去创建一个模型并投入使用了 。
在这里 , 作者推荐了一个能够将模型集成到应用程序中的工具——Shiny 。
这个程序包可以用来创建交互式Web应用程序 , 代码可以在本地或服务器上托管 。
OneMoreThing
看完这份技能树后 , 也有网友提出了疑问:
为什么没有看到深度学习?
作者回复表示:针对商业应用 , 机器学习会更实用 。
作者表示 , 有位小哥在他们网站选择了快速进修的课程后 , 得到了微软机器学习工程师的offer 。
当然 , 这份完整的学习计划是可以白嫖的(链接请见文末) 。
对于这篇分享 , 你怎么看?
欢迎留言讨论~
学习清单:https://www.business-science.io/r-cheatsheet
参考链接:[1]https://www.business-science.io/careers/2022/03/11/which-data-science-skills-are-important.html[2]https://twitter.com/mdancho84/status/1507698140853555204