工作回顾与职业发展思考
引言 2019年年中开始,后面的工作内容应该有所调整。 自从16年6月底,从上海回到合肥,加入到华米科技,到现在整整3年了。 工作历程回顾 第一阶段(2016年中 - 2017年初) 基本一个人在做数据分析和报表。这段时间是快速成长的阶段: 独立负责数据分析工作 搭建数据报表体系 熟悉业务和数据结构 提升技术能力和业务理解 第二阶段(2017年初 - 2018年中) 带了一个新加入的同事A一起做数据分析和ETL等相关工作。开始从个人贡献者向团队协作者转变: 学习如何带领新人 分工协作,提高效率 ETL流程优化 建立更完善的数据分析体系 第三阶段(2018年中 - 2019年中) A去做上游的导数的事情,分析由我和新加入的B和C,两个妹子,一起来完成。同时,自己也从大数据工程师,升级成了高级大数据工程师: 团队规模扩大 工作内容更加聚焦 技术深度和广度都有提升 开始思考职业发展方向 职业转型的思考 到了19年年中, 为什么想从大数据分析,转到人工智能实验室团队去做更多的AI直接相关的事情呢? 我想主要还是想去探索数据价值发挥的一个新路径吧。毕竟,描述性的统计分析,这个我已经做了三年了。而描述性数据分析的价值有它的局限性。 而关于数据的更地道的挖掘和分析: 特征选取 建模 模型评估 这些都是自己的薄弱点,也是我所认为的一个合格的data scientist必须掌握的。更何况,自己在算法和机器学习这块,并非是没有基础。人生那么长,总不能一辈子做基础的描述性的统计分析/业务分析还有做报表吧。 过往的学习准备 下面列出一些以前学习过的课程和材料吧,算是对过往准备工作的一个总结。 理论基础 台大林轩田的课程 《机器学习基石》 《机器学习技巧》 对应的英文教材《Learning From Data》 这些课程打下了坚实的机器学习理论基础,特别是对机器学习的核心概念和算法有了深入理解。 吴恩达的课程 《机器学习》 《深度学习》 完成了coursera上的深度学习的几门课程 课后作业有点水,因为很多都可以通过上下文得到,但是不得不承认,是好的课后作业。 其他课程 周志华的西瓜书《机器学习》 李航的《统计学习方法》 《The Elements of Statistical Learning》(看了一点点) 数学基础 概率统计的相关知识 线性代数的相关知识 平时都有所复习 实践经验 工具使用 scikit-learn:常用的机器学习算法库 pandas:数据处理和分析 numpy:数值计算 项目经验 1. 逻辑回归和时间序列分析 ...