本文是一位研究生关于自己机器学习学习心得的记录，包括对研究员与工程师角色的理解，推荐的学习资源和路径，以及对AI岗位竞争的观察。作者强调了理论知识与实战经验的重要性，分享了学习计划和时间管理方法。
背景：数据分析在读研究生，目前研一，对自己未来的学习方向和职业方向没有清晰的认知。疫情在家学习，突然顿悟，要给自己一个明确的学习方向和职业方向。以下是我通过查找多方面资料自己的一些简介。
参考资料链接：
学习链接：
更新于 2020年3月3日
- 首先明确倾向于研究员还是工程师
- 如果倾向于研究员，在学习已有机器算法的基础上，需要深入学习数据、概率论、矩阵论等相关数学知识。注意，研究员考虑的问题是如何使已有的算法效率更高，或通过改造算法或发明一种新的算法（尽管这很难，但也必须有人做。）这一部分人对于这个行业的发展非常非常重要。同时，门槛比较高，对于数据功底要求非常高。我的理解是这一部分人通常具有一些常人不具备的天赋。比如超强记忆力或者空间想象能力。
- 工程师的话，就更倾向于实际的项目和问题了。这样的话，我们
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
