|
2017 年 11 月 8 日，在北京国家会议中心举办的 AI WORLD 2017 世界人工智能大会开放售票！早鸟票 5 折，抢票倒计时 6 天开抢。还记得去年一票难求的AI WORLD 2016盛况吗？今年，我们邀请了冷扑大师”之父 Tuomas 亲临现场，且谷歌、微软、亚马逊、BAT、讯飞、京东和华为等企业重量级嘉宾均已确认出席。 关于大会，了解更多，请关注新智元微信公众号或访问活动行页面：http://www./event/2405852054900?td=4231978320026 1新智元编译 来源：Quora 译者：常佩琦 【新智元导读】2017年，哪些机器学习领域的知识技能最具价值？以下内容选自Quora，答主Vladimir Novakovski是Euclid Analytics公司的前CTO，Quora机器学习负责人；而Shivam Kohli曾就读于Guru Tegh Bahadur Institute of Technology。 “2017年，哪些机器学习领域的知识技能最具价值？”这个问题最早在Quora上发布。以下是Quora上的两个回答，其中共提到了10个最重要的机器学习技能。 以下是来自用户Vladimir Novakovski的回答： 对机器学习做出最大贡献的通常是通才。特别是在2017年，有很多关于机器学习的炒作。很多求职者在网上学习一些深度学习课程，这让我想起20世纪90年代时，有很多人不去读计算机科学教材，而是去读一些号称“20天学会VBScript“的速成书籍。 而真正具有价值的技能包括：了解统计学、优化、建立量化模型的基本原理；了解模型和数据分析是如何实际应用到产品和业务中。 除了上述两点，以下几点技能也至关重要： 1.知道如何去编写高质量软件。一个团队编写质量不高的软件，另一个团队负责完善的时代已经过去了。使用Python和R等程序设计语言及其软件包可轻松处理数据和模型，因此数据科学家或机器学习工程师应该能够具备高水平的编程能力，并了解系统设计的基础。 2. 使用大数据集。虽然“大数据”是一个常用的术语，但数据存储的成本确实呈现下降趋势。这意味着有越来越多的来自不同领域的数据集来处理和应用模型。 3. 当你理解基本原理又技术熟练后，了解至少一个热门领域，例如计算机视觉和感知深度学习、推荐引擎、自然语言处理等，都对你大有裨益。 以下是来自用户Shivam Kohli的回答： 必备技能1：编程 编程是数据科学家最重要的技能。编程有很多重要性，包括以下三点： 1）编程能增加你的数据统计能力。如果你有一大堆数据，却无法处理，那么你的统计学知识将无用武之地。 2）编程能帮助你分析海量数据集。通过编程，你能轻松获得以百万计甚至更多的数据。 3）你能编写程序，创造更好的数据处理工具。包括建立数据可视化系统、自动分析实验的框架、管理公司的数据流以便所需数据可以手到擒来。 必备技能2：量化分析 量化分析是数据科学家所需的核心技能。数据科学的大部分内容是分析自然和实验产生的数据结果，来了解特别复杂的科学系统行为。量化分析很重要，表现在以下几点： 1）实验设计和分析：（对从事消费者互联网app的数据科学家尤为重要）实验分析是很可能出错的。如果不相信，你可以去问问任何一个统计学家。因此，在这方面，数据科学家能帮不少忙。 2）复杂型经济／增长系统建模：一些经典建模是较为常见的，如客户流失模型或客户终身价值模型。更复杂的建模，如供应需求建模，匹配供应商和供应商的经济最优方法，以及建模增长渠道来更好量化分析哪些增长途径最有价值。最着名的例子是Uber的定价建模。 3）机器学习：即使没有实现机器学习模型，数据科学家也可以提供帮助创建原型来测试假设，选择和创建功能，以及判定现有机器学习系统里的优势和潜力。 必备技能3：产品直觉 产品直觉与数据科学家对系统进行定量分析的能力有关。产品知识意味着要理解生成所有数据的复杂系统。这个技能的重要性体现在： 1）产生假设：一个非常了解产品的数据科学家可以产生关于系统如何以特定方式改变行为方式的假设。 2）定义指标：传统分析技能包括确定公司跟踪特定目标成功的主要和次要指标。数据科学家需要了解产品，以创建能够测量意图和具有推动价值的产品指标。 3）调试分析：良好的产品知识可以提升产品检查速度，帮助更快识别可能出错的东西。 必备技能4：沟通能力 沟通能力能有效加强上述所有能力。沟通能力是区别“好的数据科学家”和“伟大的数据科学家“的重要标准。这一技能体现在： 1）沟通见解：一些数据科学家将其称之为“讲故事“。清晰简洁有效地进行沟通至关重要，这能帮助公司其他员工。 2）数据可视化呈现：有时候，一幅清楚明晰的图表胜过千言万语。 必备技能5：团队合作 最后这项技能将以上4个技能连接起来。数据科学家不能离开团队单独工作。团队合作的重要性体现在以下几点： 1）无私：包括为他人提供帮助和指导，并将公司的使命放在自己的个人职业生涯野心之上。 2）不断的迭代：要重视反馈。数据科学家的大部分工作都需要与其他人进行反复迭代和反馈，以达成有影响力的解决方案。 3）与他人分享知识：由于数据科学职业是一个新近出现的工作，基本上没有人拥有完整的技能。因此对于数据科学家来说，不断分享他们的知识，方法和成果，非常重要。 原文：https://www./As-of-2017-what-set-of-skills-or-knowledge-pertaining-to-machine-learning-are-most-valuable-to-the-industry-including-research-positions |
|
|
来自： taotao_2016 > 《计算机》
