※ 引述《asd2213857 (RyanF)》之銘言：
: 我非本科系相關學生，是心理系的學生，原本只是因為學到中統希望有一些工具輔助，
但
: 又不想再用spss、excel等彈性較低的軟體，因而往python、R再繼續發展，卻意外發現
了
: 機器學習、資料分析的大坑，不小心就越陷越深，默默的學習到了機器學習初階、網路
爬
: 蟲。
: 然而，卻發現若要往這方向走，還要學習js 等，甚至是前後端的部分，原以為把pytho
n
: 的機器學習、深度學習學完後就可以是個專業人士了，殊不知自己想的太淺又太蠢....
..
: 真的越來越迷惘該如何走，該照原進度繼續學習到深度學習完嗎？還是把現在的機器學
習
: 讀完就轉向學習其他部分？（SQL、node red、JavaScript 等） 好疑惑，不知該往哪
走
: ，也不知該怎麼走......想請各位大大解惑
看到這篇我也想拋磚引玉一下
小弟最近對人工智慧有興趣，曾經用聊天機器人拿過黑客松的獎，未來想當資料科學家
使用過Python覺得蠻得心應手的
我數學不好，也不是念資訊科系，而是念教育相關科系
和樓下推文相反的是，我覺得人工智慧理論蠻簡單好理解的@@，是自我感覺良好產生的
錯覺嗎??
請問如果要自己進修，看什麼書籍會比較好?
123學校圖書館裡的圖書真的是，又老又舊@@，都是1980年代的老骨董
看這些書籍會被時代淘汰掉嗎?
然後我看的書好像是寫給大眾看的，code比較少，也偏心理學，這樣會不會太淺?
請各位大神指點迷~~

對...因為你只懂非常high level 裡面數學沒有很簡單呼叫API到是很簡單 人人都可以呼叫API當DS做ML

4

一堆數學好懂？我覺得蠻難的

Yan Goodfellow 寫的那本可以看一下

其實難的數學就是沒學過的數學 都學過的話就會變簡單了

覺得很簡單可能很有天分吧或是套件狂XD

去面試就知道是不是自我感覺良好了xd

XD

一堆人把數學妖魔化,其實ML只要會基本線代就可以理解了,根本沒難到哪,難的是一些很前沿的model但那些東西大部分都離實用很遠

是研究還是應用，程度上應該有差

我不認為如此 研究上大部份結果 現在都寫成程式庫了隨著時間 越多的contributor投入 能用的工具就越多

要提出新的方法/模型,並以數學證明收斂性,才需要很強的數學背景,只是要看懂paper,一般理工學碩綽綽有餘

ML明明一堆統計，最好只要最基本的線代況且 time series, Markov chain, lasso 等等上面都是一堆數學SVM, gradient boosting, loss function 也是一堆數學林軒田的影片，裡面也講很多數學回原PO，資料科學不一定要有學歷，現在更多看你的作品github 的 project，kaggle 拿銅牌銀牌也是另外一種能力呈現方式

不認同樓上，覺得這領域是學歷和作品都很重要，資料分析這塊感覺很重視血統，外人要跨領域進來很難

是怎麼讓別人 "相信我" 嘴砲也是能力好ㄇ~

看paper cp值很低，練習跑code跟改code比較有幫助

對數學的要求可能還要取決於你待哪個部門吧 如果是在RD的data scientist只懂線代可能就不太行...

f你講的這些不就是懂基本線代微積分就有能力自學的嗎data scientist這是高門檻職缺,不能與工程師混為一談林軒田李宏毅和Andrew Ng的課我都看過,都是大學數學就夠用了,少部分以前沒學過補一補就好另外看paper跟寫code是相輔相成的,怎麼會說cp值低...

有能力自學，跟學得會是兩回事照你這樣講，數學系只要開微積分跟線代就好了其他通通自學

你在講什麼...這篇不就是在討論跨領域學習嗎事實上就是ML/DL領域的學習門檻很低啊我自學過量力,要先補很多東西才能聽得懂,但ml不用當初第一堂ML課程是史丹佛CS229,完全無痛入門

數學系開專門一個課教 time series, Markov chain你自學就能會，你強不要說 ML 沒有碰到上面的東西門檻很低，因為套件都幫你寫好了 model 誰都會 train

你剛剛說林軒田的課,現在又扯數學系教的time series到底在扯啥,我只是想說ML的數學門檻就是沒這麼高而已很多東西本來就是不會再去看就好,難道我只是想知道HMM,CRF是啥,還要去數學系修Markov Chain?又不是學生當然我以上說的都是給ML工程師,不是data scientist後者跨領域除非超強者,不然還是別想了

機統還是要會啦 主要是模型87%以這個觀點詮釋 沒學會看不懂 一堂3個月大概半年時間補起來吧 這樣大部分就ok了之後最佳化 資訊論 實分析 其他隨機過程之類的看目標

理論很好理解 自刻一個好的程式很累

會覺得無痛入門的, 要嘛天才, 要嘛是完全沒入門吧XDD調包俠算程式基礎能力, 不算入門喔

DL而言對寫code有幫助的paper我還真不知道要推薦什麼，但是畫唬爛的paper你隨便搜都有。入門而言去知乎搜別人整理的paper心得還比較有效率。

我這學期剛修完田神的基石啦，如果只要懂訓練的方法及公式，只需要線代就可以了啦，但如果你想瞭解背後的原理可就沒這麼簡單了，所以機器學習需要什麼數學知識端看你想摸多深。題外話修完後我覺得統計比線代重要就是了…

其他板看到的：#1SFGjxZX (Soft_Job)

感覺學的差不多就可以試著發一篇 ICLR 或者NeuriPS 論文

你覺得很好理解有可能是因為你看到最終結果的解釋而探討這個結果的過程有很多數學相關的東西 自己要想到不容易 甚至說看到了但不能了解但要不要花時間弄懂這些 就看你的目標吧

要能發展出自己的理論或改進別人的理論就要懂很多數學不是的話就是要知道很多結論和操作方法這是我的想法