本文轉(zhuǎn)載自公眾號“讀芯術(shù)”(ID：AI_Discovery)

 很多人在聽到“數(shù)據(jù)科學(xué)”一詞時，首先想到的就是“機(jī)器學(xué)習(xí)”。我也一樣，在首次接觸到機(jī)器學(xué)習(xí)這個聽起來十分炫酷的概念時，對數(shù)據(jù)科學(xué)產(chǎn)生了濃厚興趣。所以當(dāng)我尋找學(xué)習(xí)數(shù)據(jù)科學(xué)的切入點(diǎn)時，也受其影響。

[[360181]]

這是我犯過的最大錯誤，也是本文重點(diǎn)：如果想要成為一名數(shù)據(jù)科學(xué)家，請不要從機(jī)器學(xué)習(xí)開始。

顯然，要成為一名“真正全能”的數(shù)據(jù)科學(xué)家，最終必須掌握機(jī)器學(xué)習(xí)的概念。但你會驚訝于沒有它你能走多遠(yuǎn)。為什么不從機(jī)器學(xué)習(xí)開始呢?

1.機(jī)器學(xué)習(xí)僅是數(shù)據(jù)科學(xué)的一小部分。

數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)就像是圖中所示的矩形和正方形。機(jī)器學(xué)習(xí)是數(shù)據(jù)科學(xué)的一部分，但數(shù)據(jù)科學(xué)并不一定是機(jī)器學(xué)習(xí)，就像正方形是一種矩形，但矩形不一定是正方形一樣。事實(shí)上，機(jī)器學(xué)習(xí)建模僅占數(shù)據(jù)科學(xué)家工作的5-10%，其余大部分時間基本投入在其他地方。

如果一開始便投身于機(jī)器學(xué)習(xí)，你將付出大量的時間和精力，卻收獲甚微。

2.若想全面理解機(jī)器學(xué)習(xí)，首先需要掌握其他幾門學(xué)科的基礎(chǔ)知識。

機(jī)器學(xué)習(xí)的核心是建立在統(tǒng)計、數(shù)學(xué)和概率的基礎(chǔ)上。在學(xué)習(xí)機(jī)器學(xué)習(xí)之前，必須先掌握基本理論知識，夯實(shí)理論基礎(chǔ)。例如：

• 線性回歸是大部分訓(xùn)練營教授的第一個“機(jī)器學(xué)習(xí)算法”，但它實(shí)際上是統(tǒng)計方法。
• 進(jìn)行主成分分析的前提是，學(xué)習(xí)矩陣和特征向量(線性代數(shù))理念。
• 樸素貝葉斯是完全基于貝葉斯定理(概率)的機(jī)器學(xué)習(xí)模型。

因此，將上述內(nèi)容歸結(jié)為兩點(diǎn)：一是學(xué)習(xí)基礎(chǔ)知識會使學(xué)習(xí)更高級的內(nèi)容變得更加輕松容易;二是通過學(xué)習(xí)基礎(chǔ)知識，可掌握多個機(jī)器學(xué)習(xí)概念。

3. 機(jī)器學(xué)習(xí)并不能解決一切。

許多數(shù)據(jù)科學(xué)家都糾結(jié)于此，甚至包括我自己。和我最初的想法一致，大部分?jǐn)?shù)據(jù)科學(xué)家認(rèn)為“數(shù)據(jù)科學(xué)”和“機(jī)器學(xué)習(xí)”相輔相成，不可分割。因此，每每遇到問題，數(shù)據(jù)科學(xué)家都首先考慮以機(jī)器學(xué)習(xí)模型作為解決方案。但并非解決所有數(shù)據(jù)科學(xué)問題都需要機(jī)器學(xué)習(xí)模型。

在某些情況下，采用Excel或Pandas進(jìn)行簡單的分析就足以解決當(dāng)前問題。

在其他情況下，某個問題或許與機(jī)器學(xué)習(xí)完全無關(guān)?？赡軆H需要使用腳本清理和操縱數(shù)據(jù)、構(gòu)建數(shù)據(jù)管道或創(chuàng)建交互式儀表板即可解決，這些問題都無需機(jī)器學(xué)習(xí)。

你應(yīng)該如何做?

正如上文所述，學(xué)習(xí)基礎(chǔ)知識會讓學(xué)習(xí)更高級的內(nèi)容變得更加輕松容易，并掌握多個機(jī)器學(xué)習(xí)概念。我知道，如果你正在學(xué)習(xí)統(tǒng)計學(xué)、數(shù)學(xué)或編程基礎(chǔ)知識，你可能會感覺自己在成為一名“數(shù)據(jù)科學(xué)家”的道路上，并未取得進(jìn)步，但學(xué)習(xí)這些基礎(chǔ)知識定會對你未來的學(xué)習(xí)大有裨益。

若想從現(xiàn)在開始一些切實(shí)具體的行動，可以參考以下步驟：

• 從統(tǒng)計入手。在數(shù)學(xué)、統(tǒng)計學(xué)和編程基礎(chǔ)這三個組成部分中，個人認(rèn)為統(tǒng)計是最重要的一環(huán)。如果你害怕學(xué)習(xí)統(tǒng)計，那么數(shù)據(jù)科學(xué)可能并不適合你。推薦觀看佐治亞理工學(xué)院的課程《統(tǒng)計方法》(Statistical Methods)，或者可汗學(xué)院的視頻系列(Khan Academy’s videoseries)。
• 學(xué)習(xí)Python和SQL。我個人工作中從未使用過R語言，所以對R沒有太多意見。如果你是一個R型人才，推薦嘗試Python和SQL。使用Python和SQL的能力越強(qiáng)，在數(shù)據(jù)收集、操縱和實(shí)現(xiàn)方面就會越容易。

除此之外，熟悉Pandas、NumPy和Scijit-learn等Python庫也是一個不錯的選擇。而由于二叉樹是許多高級機(jī)器學(xué)習(xí)算法(如XGBoost)的基礎(chǔ)，所以也推薦大家學(xué)習(xí)。

• 學(xué)習(xí)線性代數(shù)基礎(chǔ)。處理任何與矩陣相關(guān)的事情時，線性代數(shù)就變得極其重要。這一點(diǎn)在推薦系統(tǒng)和深度學(xué)習(xí)應(yīng)用中十分常見。
• 學(xué)習(xí)數(shù)據(jù)操縱。數(shù)據(jù)操縱至少占數(shù)據(jù)科學(xué)家工作的50%。更具體地說，學(xué)習(xí)更多關(guān)于特征工程、探索性數(shù)據(jù)分析和數(shù)據(jù)準(zhǔn)備的知識。

我的總體建議是，由于機(jī)器學(xué)習(xí)一沒有充分利用時間，二無助于你成為工作中卓有成就的數(shù)據(jù)科學(xué)家，因此，以機(jī)器學(xué)習(xí)為學(xué)習(xí)重點(diǎn)并不可取。不過要注意的是，這是一篇個人觀點(diǎn)十分強(qiáng)烈的文章，所以，取你所想，取你所益。