前端转DS打卡贴

上周的计划除了Problem Solving with Algorithms and Data Structures 没看完，其他的都已完成，下周补上，然后开始刷题，下周的计划明天来做，在休假

昨天太累了，今天又不小心激动得看了场球赛，惭愧惭愧。
上周通过李航的统计学习基础和ESL的Boosting和随机森林，这两个章节对比着看的，对boost和随机森林有了比较深刻的印象，因为这两个模型有相当的相似的地方，思路上又有些不同，刚开始看ESL的boost章节没看懂，然后看了李航的boost那章，再回去看ESL就看懂了，所以觉得李航的书对初学者来说还是写得比较清晰的，然后通过ESL补一些更深入的理解，学起来印象深刻了不少。
这周计划还是按照一个星期的做，因为周末会有很多空闲时间。这周计划：
1. 完成Problem Solving with Algorithms and Data Structures. 刷一道题找找感觉。
2. 看懂svm(下周看神经网络）
3. 结合python-for-data-science-and-machine-learning-bootcamp的deep learning章节了解tensorflow的使用，计划下周能用tensorflow搭一个简单的神经网络。
4. 复习onlineStatBook（一周复习一章吧，主要从假设检验那章开始复习，因为从那章开始感觉学得并不踏实）

这周的学习和下周的计划总结一下：
1. 终于看完了problem Solving with Algorithms and Data structures，作业大部分都没有做. 然后上leetcode上看了几道题目，做出来一道，有一道看了不会做，还有一道感觉自己会做，但是没有写代码提交。说说看完这本书的感想，很早以前就断断续续看过算法，数据结构其实也是学过的，但是之前总觉得很难，很多东西没有理解。这次被逼上了梁山，好多东西硬着头皮看完，这本书讲得也非常好，竟然大部分的东西都理解了，很多复杂的算法，比如平衡二叉树和归并排序，看的时候好几次想放弃，不过后来都坚持下来了。
看完了感觉还是很有帮助的，特别认识到了递归的强大，发现很多问题，都可以用递归的思维来解决，这是我以前没有的思维。打算下个星期开始刷题，刚开始刷可能不会很快，因为很多都不太会做，计划下周刷五道简单的吧。先计划刷两个星期，然后两个星期以后打算继续巩固数据结构和算法，Berkeley 61B学起来，然后继续刷题。
2. svm理论看懂了，反而算法实现部分看得不是特别懂，可能还是跟我的编程能力不足有很大的关系，不过感觉暂时先不要跟它死磕，下周还是先看神经网络，看完再来磕这一部分。
3. python-for-data-science-and-machine-learning-bootcamp的deep learning都过了一遍，感觉还是有很多地方不太明白，然后去看了tensorflow的官网，发现入门资料很多，现在还没有看完，感觉要熟悉这个框架肯定还要花更多时间。下周计划认认真真地理解一下官网上给出的几个例子的代码。后面打算用tensorflow搭个神经网络管理一下自己拍的照片。
4.复习了假设检验这一章，感觉又理解深入了一点，感觉多复习总能扫清一点以前没看懂的盲点，下周复习下一章吧。
六月就快结束了，2018年的上半年就快结束了，我感觉还是有点慌，继续努力吧。

楼楼，我准备出国读一年制的统计硕士，请问如果是准备工作两三年就回国的话，做ds是不是没有sde待遇好

NickyJJJ 发表于 2018-6-27 07:38
楼楼，我准备出国读一年制的统计硕士，请问如果是准备工作两三年就回国的话，做ds是不是没有sde待遇好

额，这个我还真不太了解呢，因为身边的样本太少，你可以发帖在地里问下

加油！！感觉楼主学习好快！学习能力很强

bh1 发表于 2018-6-29 13:41
加油！！感觉楼主学习好快！学习能力很强

感觉任重而道远，还需要更努力一点

啊，刚刚编辑了半天，点发表回复的时候，说没有登陆，没权限回复，编辑了半天的文字就这么消失了，有点心塞，不过，无论如何还是要打个卡啊，总结一下上周以及制定一这周的计划：
1. 上周开始正式刷题，刷了八道easy，一道medium，一道hard，hard那道刚好是mergesort的子问题，因为之前看mergesort比较认真，所以刚好会做，就顺便做了。本来刚开始制定的计划是一周刷五道，后来看了地里的刷题贴，大家都是每天至少刷5，6道的，发现自己对自己要求实在太低，就定了每天刷两道的计划，所以上周计划也算完成啦。这周还是继续刷题，计划每天刷两道，找找刷题的感觉。后续感觉还是需要多学习一下地里大神的刷题经验，再调整刷题计划。
2. 上周加班比较多，还有一天加到了凌晨两点半，所以就两天去了图书馆，神经网络目前就看了前馈网络，大概看了下反向传播的原理。这周无论如何都要把神经网络啃下来了，因为发现在看tensorflow的例子的时候，对神经网络的模型不了解的话，看代码看得也不是特别明白。其实之前神经网络也在微信公众号上看过好几篇关于神经网络的入门文章，但是对于反向传播这个概念一直不是很明白，这次看ESL竟然发现好像也没有想象中那么难，当然自己目前理解得并不是很透彻，还需要继续啃书。
3. tensorflow上上周看的时候，感觉看得很混乱，概念比较多，一时接受不过来。感觉心理也挺挫败的，歇了好几天，再来看的时候，发现似乎轻松了一点点。看了两个官网文档的例子，感觉这周打算用tensorflow搭一个神经网络做做Titanic这种小项目。后面打算用tensorflow识别自己拍的照片中的人脸，然后对人脸进行聚类，实现类似苹果相册类似的功能。感觉这个项目对目前自己的水平来说还是比较又挑战的，打算后面边做这个边继续熟悉tensorflow的用法和API。
4.上周加班，onlinestatbook也没有怎么复习，这周继续复习test means，然后对贝叶斯统计有点好奇，可以看个入门的小文章。

总结一下上周的学习和下周的计划：
1. 这周刷题也上周刷题进度差不多，刷了十一道，十道easy和一道medium，之前看了论坛一个前辈的刷题经验贴，说每天刷两道easy，两道medium，0或1道hard，觉得这个比较合理，但是因为我的时间没有那么充分，决定以后每天刷两道easy和一道medium，因为在刷题的过程中，确实发现光刷easy好像有点无聊，每天刷一道medium可以接触一点更复杂的算法和数据结构，说不定进步快一点。然后下周打算开始学习cs61b，巩固一下以前看得算法和数据结构，不然学得东西又快忘了。
2. 这周啃完了ESL神经网络这一章，然后在机器学习算法和自然语言处理的微信公众号上面看了一篇讲反向传播的文章，发现两者之间比较吻合，而且也比较好理解，算是终于对反向传播没那么害怕了，不过ESL只是介绍了最基本的神经网络结构，对CNN，RNN之类的就几乎没有怎么介绍，打算下周补一下CNN和RNN。
3.这周又看了一下tensorflow，看了机器之心的一篇文章，标题是令人困惑的tensorflow，感觉对理解它的大框架有帮助，当然我觉得tensorflow用起来还是比较别扭，不过目前深度学习的框架总要学一个，tensorflow的文档也比较健全，目前还是决定就选它了，这周用tensorflow做了一个分类的小项目，感觉比较玩具，下周开始做自己照片的人脸识别项目，有点拖延症，因为一切都是全新的，感觉会遇到很多困难，不过想想还是要迎难而上，克服拖延症。
4.上周复习了onlinestatbook的test means的这一章。然后之前说对贝叶斯统计有点好奇，就去看了一些介绍性的文章，刚好李航的统计学习方法看到讲EM的那一章，发现ESL的model Inference and averaging那一章也有贝叶斯方法和EM相关的东西，打算下周深入地看一看。

请问ds需不需要学c呀 直接学java可以吗