研究生三年，作為一名非計(jì)算機(jī)專業(yè)的學(xué)生，能夠從一名純小白(Python不會(huì)，機(jī)器學(xué)習(xí)沒聽說過)到最后校招拿到幾個(gè)不錯(cuò)的offer，個(gè)人感覺可以給自己打個(gè)及格分吧。寫本文的目的，一是對自己研究生階段所學(xué)習(xí)的知識(shí)做一個(gè)總結(jié)，二是希望對那些剛接觸機(jī)器學(xué)習(xí)，準(zhǔn)備往這個(gè)方向發(fā)展的同學(xué)們提供一些可借鑒的經(jīng)驗(yàn)。

1、入門Python，掌握數(shù)據(jù)分析常用工具

第一次接觸Python是在2016年4月，本科階段的工作差不多完成，就開始聯(lián)系研究生階段的導(dǎo)師，希望能夠跟他做一些項(xiàng)目。他給我安排的第一個(gè)工作便是使用Python爬取空氣質(zhì)量數(shù)據(jù)，并告訴我可以使用scrapy這個(gè)庫。我與Python的邂逅，便從這個(gè)爬蟲開始了。

由于上來就寫的是爬蟲，所以關(guān)于Python的基礎(chǔ)我也沒有系統(tǒng)的學(xué)習(xí)，不過還是推薦給大家廖雪峰老師的免費(fèi)教程：https://www.liaoxuefeng.com/wiki/0014316089557264a6b348958f449949df42a6d3a2e542c000

如果想要深入了解一些Python的知識(shí)，推薦大家學(xué)習(xí)《流暢的Python》一書，封面如下。這本書我看了前面的九章，講的十分不錯(cuò)，加深了自己對于Python里面內(nèi)存管理、常用函數(shù)、類等的認(rèn)識(shí)。

除了Python的基礎(chǔ)知識(shí)，想要往數(shù)據(jù)分析、機(jī)器學(xué)習(xí)方向發(fā)展的話，還需要掌握一些常用的庫，包括Pandas、Numpy、Matplotlib、Sklearn等等。

關(guān)于前三個(gè)，推薦的書是《利用Python進(jìn)行數(shù)據(jù)分析》：

關(guān)于Sklearn的使用，包括調(diào)用常見的機(jī)器學(xué)習(xí)算法、使用網(wǎng)格搜索尋找最優(yōu)的參數(shù)，可以參考的一本書是《Python機(jī)器學(xué)習(xí)及實(shí)踐 從零開始通往Kaggle競賽之路》

如果上面的書你都看完了，我覺得算是入門Python數(shù)據(jù)分析了。

2、初識(shí)機(jī)器學(xué)習(xí)，反復(fù)讀反復(fù)看

第一次聽說機(jī)器學(xué)習(xí)這個(gè)名詞，大概是在2016年8月份，是我現(xiàn)在的舍友向我提到的，當(dāng)時(shí)并沒有太在意，直到研究生階段開始，才慢慢有所接觸。當(dāng)時(shí)身邊的人的普遍反應(yīng)是，這家伙大家都在學(xué)，特別能掙錢。也許當(dāng)時(shí)自己也是想著能多掙錢，才會(huì)開始入門機(jī)器學(xué)習(xí)的吧。不過現(xiàn)在，已經(jīng)開始慢慢把機(jī)器學(xué)習(xí)當(dāng)做一種興趣，一種愛好去看待了。

想必大家都知道，入門機(jī)器學(xué)習(xí)，不得不看的三本書是吳軍老師的《數(shù)學(xué)之美》、李航博士的《統(tǒng)計(jì)學(xué)習(xí)方法》和周志華老師的《機(jī)器學(xué)習(xí)》，也就是所謂的西瓜書。

但是有時(shí)候，有些算法比如SVM，說實(shí)話兩本書講的都不是最好的，還是得結(jié)合網(wǎng)上比較流行的帖子進(jìn)行學(xué)習(xí)，整理了幾個(gè)我看過的一些比較好的帖子，分享給大家：

SVM：http://blog.pluskid.org/?page_id=683Word2Vec：https://blog.csdn.net/itplus/article/details/37969519EM算法：https://blog.csdn.net/randy_01/article/details/88407432

其他的算法，大家結(jié)合兩本書進(jìn)行學(xué)習(xí)就可以了。值得一提的是，Xgboost和LightGBM是在面試階段比較常考的兩個(gè)機(jī)器學(xué)習(xí)方法，但是在上面的幾本書中都沒有涉及，我之前整理了一個(gè)簡單的帖子，希望對大家有所幫助（最后的參考資料里面會(huì)有）。

除了書籍資料外，視頻資料推薦的主要是吳恩達(dá)老師和李宏毅老師的機(jī)器學(xué)習(xí)入門課，地址如下：

吳恩達(dá)機(jī)器學(xué)習(xí)：https://www.bilibili.com/video/av50747658?from=search&seid=9310704140991725193李宏毅機(jī)器學(xué)習(xí)：https://www.bilibili.com/video/av35932863?from=search&seid=16150707490146939986

如果你是剛?cè)腴T機(jī)器學(xué)習(xí)的話，我的建議就是反復(fù)看，反復(fù)讀，直到你能不依靠書本將模型的原理解釋清楚為止。

3、面試不斷碰壁，Leetcode得刷，得多刷

理想很豐滿，現(xiàn)實(shí)很殘酷，在自己剛學(xué)了點(diǎn)機(jī)器學(xué)習(xí)知識(shí)的時(shí)候，就出去面試闖蕩，結(jié)果卻是不斷的碰壁，機(jī)器學(xué)習(xí)理論和經(jīng)驗(yàn)少是一方面，數(shù)據(jù)結(jié)構(gòu)題也是一問三不知，能想到的，只有時(shí)間或者空間復(fù)雜度最差的那種解法。所以我說啊，Leetcode不僅得刷，還得多刷。

不過咱也沒必要著急，你得有一個(gè)計(jì)劃，比如每天做三道五道，日積月累才行。盡管我現(xiàn)在在面試的過程中還是有一些問題寫不出來，但大部分情況下，還是能夠得到一個(gè)比較優(yōu)的解。

關(guān)于刷leetcode這事，你可以往兩個(gè)方向上走。一是按照從easy到medium到hard的方向。二是按照分類走，比如先刷樹相關(guān)的，再刷數(shù)組相關(guān)的，依次類推。我自己是用的第一種方式啦，不過從校招面試的經(jīng)驗(yàn)看，面試官關(guān)注的題主要集中在數(shù)組、鏈表、二叉樹和動(dòng)態(tài)規(guī)劃上面，可以先把這幾部分的弄明白。

在語言選擇上，建議還是不要用Python吧，Python的小trick還是有點(diǎn)多的，就比如字符串表達(dá)式的值，我們用eval函數(shù)就可以得到，但是在真正面試的時(shí)候，這樣是絕對不行的，所以建議還是Java或者C++吧。畢竟這兩門語言，你總要掌握一門的。

除了在Leetcode上面刷題外，有兩本書可以給大家參考，一是《劍指offer》，二是《程序員代碼面試指南：IT名企算法與數(shù)據(jù)結(jié)構(gòu)題目最優(yōu)解》，封面如下：

4、相遇深度學(xué)習(xí)，論文積累是關(guān)鍵

關(guān)于深度學(xué)習(xí)，也是研一下才開始慢慢學(xué)習(xí)的，當(dāng)時(shí)主要接觸的是CNN、LSTM這些個(gè)算法，對于一些比較深入的如GAN、Seq2Seq、Transformer之類的，還沒有接觸。真正帶我相遇深度學(xué)習(xí)的，可以說是李宏毅老師的深度學(xué)習(xí)課：https://www.bilibili.com/video/av9770302?from=search&seid=6099263941108862254

當(dāng)然，吳恩達(dá)老師的課也十分精彩：https://mooc.study.163.com/university/deeplearning_ai#/c

除此之外，不得不提的一本書是我們所謂的深度學(xué)習(xí)圣經(jīng)，不過說實(shí)話，我覺得這本書雖然寫得好，但還是有一定閱讀難度的：

個(gè)人感覺，深度學(xué)習(xí)這東西，重在不斷積累和反思吧，多讀論文，多寫代碼。論文的話大家平常可以多關(guān)注PaperWeekly這個(gè)公眾號(hào)，代碼的話我建議如果論文給出了參考代碼，大家可以嘗試著去敲一敲，不僅加深自己對于論文思路的認(rèn)識(shí)，還可以提升自己的動(dòng)手實(shí)踐能力。

5、推薦與計(jì)算廣告，廣度優(yōu)先VS深度優(yōu)先

在整個(gè)研究生階段，我其實(shí)并沒有形成一個(gè)主要的研究方向，大家可能看我平時(shí)的公眾號(hào)推薦系統(tǒng)相關(guān)的東西比較多，但我并不是研究這個(gè)的，主要還是自己對這個(gè)東西比較感興趣，所以看的多了些。推薦系統(tǒng)的兩本入門書籍是《推薦系統(tǒng)實(shí)踐》和《推薦系統(tǒng)與深度學(xué)習(xí)》：

深度學(xué)習(xí)領(lǐng)域還是挺多的，如推薦系統(tǒng)和計(jì)算廣告、CV、NLP等等，這就引出了廣度優(yōu)先VS深度優(yōu)先的問題。個(gè)人感覺還是深度優(yōu)先為主吧，確定好自己的一個(gè)研究方向，然后在這個(gè)領(lǐng)域進(jìn)行深挖。不過同時(shí)，也要兼顧廣度，深度學(xué)習(xí)的東西都是相通的，比如Transformer最開始主要應(yīng)用于文本領(lǐng)域，GAN主要應(yīng)用于圖像領(lǐng)域，這兩種方法現(xiàn)在也都開始在推薦系統(tǒng)中使用。

最近自己要開始研究計(jì)算廣告方面的知識(shí)了，因?yàn)樽约喝肼氈罂赡軓氖逻@一方面的工作，那還是給大家推薦兩本書吧，一本是大家所熟知的《計(jì)算廣告》，另一本是黃皮書《互聯(lián)網(wǎng)廣告的市場設(shè)計(jì)》，想要入門這個(gè)方向的同學(xué)，建議先看黃皮書，再看《計(jì)算廣告》一書。

6、Hive和Spark，數(shù)據(jù)處理的標(biāo)配

Hive和Spark大家還是要學(xué)一下的，使用Hive來存儲(chǔ)數(shù)據(jù)，使用spark sql和Hive sql來處理數(shù)據(jù)，感覺是互聯(lián)網(wǎng)里面的主流方式。關(guān)于hive，掌握一些常用的函數(shù)的使用方法，如concat_ws,row_number,case..when,if,get_json_object等等，對于spark sql，掌握其運(yùn)行的基本原理，以及一些常見問題的處理方法。首先，學(xué)會(huì)如何處理數(shù)據(jù)傾斜，有時(shí)候因?yàn)橐粋€(gè)數(shù)據(jù)傾斜問題，一整天都浪費(fèi)在調(diào)試一個(gè)spark代碼中了，其次，學(xué)習(xí)如何盡量減少spark任務(wù)的空間占用，同時(shí)加速spark任務(wù)運(yùn)行速度，spark作業(yè)在線上調(diào)用時(shí)，會(huì)占用公共資源，你的任務(wù)占用的資源越多，別人占用的資源就越少，同時(shí)，如果你的任務(wù)運(yùn)行的快，也可以給別人的任務(wù)更多的空間。spark可以通過很多語言來實(shí)現(xiàn)，不過我建議還是學(xué)習(xí)一下scala吧，畢竟可以和java無縫銜接。除了spark和hive，掌握一定的excel知識(shí)也是必要的。

那么這里有兩本書推薦給大家，《Hive編程指南》和《Spark內(nèi)核機(jī)制解析及性能調(diào)優(yōu)》：