Data Scientist 炼成记录-更新完毕2018年12月 | 机器学习练成记录 - 已开新帖

这个帖子已经四年啦，我还朝着成为full stack 数科人才的方向，努力前进。幸运的是一直的努力有回报、一路前行的路上也一直快乐为主旋律。

过去遇到点小问题经常需要一个人纠结半天。如今即使很复杂的问题，也可以在熟人里面飞速找到很有启发的讨论。
过去遇到难题需要自己吭哧吭哧生啃下来。如今想学的东西，找几个人稍微讨论一下就学会了。不敢说轻松的飞起，但是学习效率那的确已经今非昔比。
过去只看得见离散的技术问题。如今对行业的发展，挑战和机遇，多少也形成了自己的看法。虽然对技术仍然充满热情，但是深刻体会到技术服务于企业在于产生价值，也能在价值和技术兴趣之间找到不错的平衡。


经历那么多的困难吃了那么多苦，却仍然对这个行业兴趣不减反增。四年前开贴的时候曾经感叹，牛人之所以牛，是因为聪明并且有genuine passion，受兴趣推动的持续努力，是任何外界驱动力比不了的。我聪明不足用兴趣算是弥补上了。
上班拿着还不错的工资，做着自己很喜欢的事情，一直持续在学新东西，从来都可以主动加班，加的开开心心。
越来越多的认识不同type的人，这把年纪了能有那么多忘年交的新朋友，能不顾你我的讨论我们共同的爱好。
能够学以致用，把自己感兴趣的技术应用于解决跟大家生活息息相关的各种场景。
这些我都要感恩。


感谢一路一起走来的小伙伴们~~~~这些年了面基过了好多，也有不少有了各种各样错综复杂的social connections，有正在，曾经，甚至再次一起共事的同事了 ：）


希望本帖能帮助有数科梦想的人 ^_^

mark mark

来美国读BA半年了，发现自己学的东西一点都不系统，找工作也没有什么底气，发现这个帖子，系统的学习开始，希望一年以后，可以有好的结果，有人跟我一样，打算系统的跟着帖子学习的，求组队，求带

向楼主学习！

mark一下哈哈，学学这些看看对于我的专业方面的研究能不能提供些新想法和思路，也当是换换脑子。不过仔细想想，当年专业课上的教授讲的他自己的本科毕业设计的研究手段跟这些有些类似，有意思。

好贴！ 学习学习！！MARK

2010年硕士毕业的时候，对美国有一种神圣的向往，那个时候告诉自己，五年后一定要实现去美国看一看的愿望，可能读个MBA啥的？5年后，2015年9月，竟然如愿来到美国，只不过是以一种自己意想不到的身份--联合培养PHD。虽然只有一年，但对美国也算是有了一点点了解，也少了那份向往，不再像以前那么神圣和神秘，反而感觉在国内会更加有安全感，食物更好吃。。。然而，现在的我坐在西雅图FB办公楼的楼下，刷着论坛，等着男票下班，然后考虑着是否拼一把，等国内PHD毕业后，在美国也能找到一个适合自己的职位，和男票团聚---我知道这条路会很难。真的是感觉人生如梦。。。

Anyway, 感觉自己还是比较适合做DS的，其需要的知识，我之前都或多或少接触过，但都懂的不多，所以需要都进一步的加深和巩固。感谢论坛，今天虽然是第一次接触，但了解到了很多东西，希望自己能早点下定决心，给自己也制定一个学习计划，和大家一起努力~！

好帖子。谢谢楼主分享！

Data engineering 基础的一些资料
Yandex: Big Data for Data Engineers Specialization https://www.coursera.org/specializations/big-data-engineering
Essentials: HDFS, MapReduce and Spark RDD
Analysis: Hive, Spark SQL, DataFrames and GraphFrames
Applications: Machine Learning at Scale
Applications: Real-Time Streaming
Services: Capstone Project

配合 Designing Data Intensive Application一书不错

Big data 的书其实非常多，但是多到简直感觉看不过来，Hadoop的大象书其实当年也看过，一直也没有觉得理解的多清楚
Spark的两本也都看过，也是感觉没有看的特别懂
Kafka Definitive Guide还没来得及看
感觉不懂这些系统的情况下试图设计ML系统就是个joke，会浪费无穷时间反复犯前人早就犯过错

如果还有空的话，
Intermediate: Coursera Cloud computing (5-10hr/week X 5 week X 5 courses, + 2 capstone projects)
Course 1 covers a ton of classic concepts that I see day in and day out without grokking
(C++)

Hands on: 6.824: Distributed Systems (full semester, 4 months)

Edx https://www.edx.org/course/architecting-distributed-cloud-microsoft-devops200-9x-1
Edx: Each 5hrs/w X 5 weeks
https://www.edx.org/course/reliable-distributed-algorithms-part-1-kthx-id2203-1x-0
https://www.edx.org/course/reliable-distributed-algorithms-part-2-kthx-id2203-2x

CMU 15312 of MCDS

Book: Andrew Tanenbuam : Operating Systems
Book: Andrew Tanenbuam : Network
我应该不会把这些都看，先列在这里，能补多少补多少吧。

我也只是数据的使用者，并不是data infra设计者，但亲眼看见不懂系统的人做ML完全不成样子，希望自己不要瞎hack things together

deep learning
上完了Andrew Ng那个Coursera系列，很不错

MXnet 李沐大神的课也应该很不错
还有fast.ai的新pytorch前半部分

目前更感兴趣的是应用
Goodfellow Deep Learning书晦涩的很。。。

还是专注应用吧应用