机器学习算法工程师技能树介绍

时间:2018-02-17 17:41来源:未知 作者:互联网技术面试 阅读:

机器学习算法工程师技能树介绍

最近不断有朋友私信咨询,怎么转型成为一名机器学习算法工程师。确实,从2015年起,全球科技公司都开始刮起了一阵AI之风,一下子把AI相关的技术推到了风口浪尖。今天的这边文章我们就来介绍一下成为一名机器学习算法工程师需要掌握哪些技能。特别说明,这篇文章不包含深度学习相关内容,严格来讲,作为一名人工智能算法工程师,深度学习不管在你的项目中用不用,还是有必要了解一下的。

基础开发能力

甭管你是机器学习算法工程师还是web前端开发工程师,首先你得是一名工程师。是工程师,就应该具备基本的代码开发能力。我想这一点不会有异议,无需展开深究。

基础数据结构与算法

学过计算机的同学都知道数据机构与算法是计算机科学中的基础。可以这么讲,但凡稍微复杂一点的程序,都离不开常用的数据结构。

这里我们罗列几种机器学习最常见的数据机构:

  • 矩阵

  • hash表

开发语言和开发工具

虽说往根儿上讲,开发语言和开发工具的原理都是相通的,但是毕竟还是有区别。术业有专攻,加之人的精力也有限,还是优先掌握对应技术栈的开发语言及工具比较好。机器学习最常用的开发语言和工具包括:

开发语言

  • Python

  • R

  • Scala

单机开发工具

  • numpy

  • sk-learn

  • pandas

  • libsvm & liblinear

  • matplotlib

  • xgboost

大数据开发工具

  • Hadoop

  • Spark

  • Storm

概率论与统计基础

我们都知道,传统机器学习都是建立在概率论基础之上的,因此概率论与统计的坚实基础有助于我们走得更长远。

简单列举一下主要知识点:

  • 大数定理&中心极限定理

  • 常用概率分布

  • 假设检验理论

  • 最大后验理论

  • 最大似然理论

  • EM算法

  • 贝叶斯理论

  • 贝叶斯分类错误率

机器学习理论

有了前面的基础,终于可以着手正宗的机器学习理论了。

  • 基础理论

    最优化理论、正则化、信息论等

  • 有监督学习

    决策树、LR、Naive Bayes、fm、神经网络等

  • 无监督学习

    层次聚类、DBSCAN、PCA等

特征工程

做过机器学习的同学一定知道,实际工作中80%的时间都是在进行特征处理。

  • 特征选择方法

  • 特征规范化

  • 特征离散化

  • 特征交叉&组合

架构设计

通过机器学习理论把模型训练出来了,还需要把模型上线,进行验证,这个时候就需要架构设计的知识了。

  • 数据仓库&数据流架构

  • 机器学习服务相关架构

总结

上面列的每一个点其实都可以详细展开,具体的知识点学习就得靠各位花时间了。

  • 标签:
织梦二维码生成器
顶一下
(0)
0%
踩一下
(0)
0%
------分隔线----------------------------
发表评论
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。
评价:
用户名: 验证码:点击我更换图片
相关阅读

友情链接

技术

产品

软件/工具

供应商

© 2018 汽车电子营 沪ICP备14012069号-1 Power by DedeCms