物理PhD即将毕业,想做ML方向。请问时间允许吗？

smoothiethu 发表于 2020-4-22 12:24
ds（analytics）有点杂而不精，需要准备的东西太多了。。比如统计，product, experimentation, coding, ml, ...

嗯谢谢建议！我其实统计知识还可以，product, experimentation什么的倒是真不懂，需要看点相关吧。
加油！

icehermit 发表于 2020-4-22 13:51
楼主是高能物理的哪个方向呢？“研究时用的更多的是自己手动建模，做统计测试，没有机会接触到机器学习”， ...

hep-ex啊。ML用的是很多，也是趋势，但是要看你analysis做什么。ML做做search可以，稍微复杂点的measurement咋做。而且ML给的答案都是没法用理论interpret的。Hep-Ex能完整啃一个analysis已经很吃力了...做不到好几个的

starlord 发表于 2020-4-22 14:46
DS就是统计和ML都有

好的！我这就去翻统计书...

bb1992 发表于 2020-4-22 22:18
好的！我这就去翻统计书...

我说句话，你这时间线不合适现在看书，ds统计并没那么多东西。去kaggle抄几个kernel，看看别人怎么做的，用了什么，是什么原理，快速上手。非要看书就看看islr，比较像看小说。推公式之类的等你要面试了再结合面经真题复习。
实操的ml和dl都有很多资源，越hands on 越好，dl比如https://d2l.ai/index.html，就不要现在啃花书了

我也是学物理的想转数据科学，可以交流一下。我的建议是，由于时间有限，楼主最好分析一下自身优势，在这段时间里充分发挥出来。个人感觉MLE从入门到精通是很需要一段时间的，非常偏CS。不知道楼主coding怎么样？我感觉做quant可能是最合适的选择。或者做DS，偏统计，牵扯比较杂不过不深。不太推荐做kaggle，时间有限的话不是很值得的投资，可以找一些别的projects.

damien 发表于 2020-4-23 01:01
我也是学物理的想转数据科学，可以交流一下。我的建议是，由于时间有限，楼主最好分析一下自身优势，在这段 ...

为什么不推荐做Kaggle呢？

我个人觉得 转ML/DS， 更容易上岸。

jing123 发表于 2020-4-22 12:38
为什么不推荐做Kaggle呢？

因为楼主时间不多，kaggle想做出成绩还是很消耗精力的吧。我觉得时间需要妥善分配。kaggle还一个问题是以预测准确性为大，不强调讲故事, which is actually important. 但是我非常同意hands on experience还是顶重要的。毛主席说革命不是请客吃饭。同样，DS/ML不是把书看懂就完事了。我的意思是，做data projects其实有很多途径，时间紧张的情况下kaggle不一定很划算。

看你学的快不快咯。任何stem专业的项目肯定都能想办法把ML套进去的。我觉得你从现在开始做project还是可以弄出点东西来的。问题就是project搞得再好也只cover了ML的一小部分，可能只能报跟你domain一样的MLE职位。不如先DS，再转MLE