g*****l
发帖数: 424 | 1 前些天面试一个来应聘data scientist职位的人。此人来自俄罗斯，经历可谓非常丰富
。他本来专业是物理，在某所大学当应用物理教授多年。不知道为何他突然想要换行，
于是瞄准了数据科学这个行当，在coursera上了几堂有关数据科学的课程，就来应聘了。
我本来是非常喜欢他的背景的。因为早些年我自己非常喜欢数学和物理，觉得物理玩得
转的人，肯定很聪明，多高深的数学和应用都应该是游刃有余的。
[Note] 首发于微_信_公_众_号： data_wisdom
于是，虽然他没有太多相关的项目经验，我还是决定尽可能的发掘他的闪光点好写到反
馈报告里面去。
我问了一些简单的统计方法，他却答不上来。这让我非常意外。我觉得ok，我能够理解
。那么我们聊点数学相关的，比如概率。结果他的分析思路还是太零碎，即使我一步步
的和他做简化到基本的概率问题上去，他还是没有能够答上来。
时间很快到了，他没有能够让我用来可以说服别人的闪光点。这其实让我有点替他难过
，一方面我感觉他确实没有准备好来做这份工作，另外一方面我心痛的点是他年纪比我
大很多，下了这么大的决心也非常不容易。
后来，因为其他面试官也反对，肯... 阅读全帖 |
|
P*******o
发帖数: 3165 | 2 楼主是不是觉得战斗名族数学牛逼 感觉有点先入为主的意思
[在 greatel (...) 的大作中提到：]
:前些天面试一个来应聘data scientist职位的人。此人来自俄罗斯，经历可谓非常丰
富。他本来专业是物理，在某所大学当应用物理教授多年。不知道为何他突然想要换行
，于是瞄准了数据科学这个行当，在coursera上了几堂有关数据科学的课程，就来应聘
了。
:我本来是非常喜欢他的背景的。因为早些年我自己非常喜欢数学和物理，觉得物理玩
得转的人，肯定很聪明，多高深的数学和应用都应该是游刃有余的。
:于是，虽然他没有太多相关的项目经验，我还是决定尽可能的发掘他的闪光点好写到
反馈报告里面去。
:我问了一些简单的统计方法，他却答不上来。这让我非常意外。我觉得ok，我能够理
解。那么我们聊点数学相关的，比如概率。结果他的分析思路还是太零碎，即使我一步
步的和他做简化到基本的概率问题上去，他还是没有能够答上来。
:时间很快到了，他没有能够让我用来可以说服别人的闪光点。这其实让我有点替他难
过，一方面我感觉他确实没有准备好来做这份工作，另外一方面我心痛的点是他年纪比
我大很多，下了这么... 阅读全帖 |
|
g*****l
发帖数: 424 | 3 Kallenberg的书可以在网上下到：
https://www.google.com/url?sa=t&rct=j&q=&esrc=s&source=web&cd=2&ved=
0ahUKEwjQpsTY9e7PAhXjyVQKHR_vAc4QFggkMAE&url=ftp%3A%2F%2F178.213.241.34%
2Fpub%2FLibrary%2FBOOKS%2Fheap%2FSCI%2520BOOKS%2Fbooks2%2F_djvu%2FM_
Mathematics%2FMV_Probability%2FKallenberg%2520O.%2520Foundations%2520of%
2520Modern%2520Probability%2520(Springer%2C1997)(ISBN%25200387949577)(535s)_
MV_.pdf&usg=AFQjCNFldwlB5Ab_zz3F8wJ1A1_8Gntpsg&sig2=1JhjlHzDil9EC4Kb4jM6Cg&
bvm=bv.136593572,d.cGw&cad=rja
牛逼哥要真牛逼，把最简... 阅读全帖 |
|
M*****e
发帖数: 11621 | 4 不学也没关系，学了理解深刻。
学统计要学概率，学概率要学measure theory, 学measure theory最好学点real
analysis之类的，学real analysis最好先学点简单的拓扑……子子孙孙无穷溃。
在哪一步开始取决于你的背景和学统计的目的。从概率开始的话，有些东西比如bayes'
thm 很容易推导。但缺点是一开始可能有点抽象。
有一本书，是我最喜欢的概率书，叫foundations of modern probability, 作者是
kallenberg, 那本书对我来说很难，我花个三个月死啃前几章，天天早饭晚饭都吃它，
连上厕所都用它擦pg, 最后终于能捏死蚂蚁了。 |
|
M****i
发帖数: 58 | 5 以下内容纯属个人观点，如不同意请轻拍。
如果是第一遍学测度论的话个人觉得直接看Halmos的GTM18不是一个好的选择，因为这
本书的部分内容已经有些过时了。举个例子，这本书的测度论是建立在sigma-环上的，
而近几十年被事实证明最有用的并且已经被广泛应用的测度论是建立在sigma-代数上的
，这就是为什么测度论的百科全书：V.I. Bogachev 的 Measure Theory 只字不提
sigma-环，纵使sigma-环比sigma-代数稍微广泛一点点（其实也只有基本上没用的那么
一点点：包含全空间的sigma-环是sigma-代数）。
个人认为要想学好测度论首先应该好好掌握实分析，也就是基于Lebesgue测度的测度和
积分理论，然后再学习抽象的测度论。个人觉得不错的实分析教材有：
Real Analysis by Royden and Fitzpatrick 的第一部分“实变函数论”，
北大周民强的《实变函数》和南开周性伟的《实变函数》。
如果以后学分析的话抽象测度论还可以考虑看看Real Alaysis by Stein, Real and
Complex Analys... 阅读全帖 |
|
m****t
发帖数: 570 | 6 Kallenberg. Foundations of Modern Probability |
|
t********y
发帖数: 166 | 7 I don't like Ross' to be honest.
Recommend on Kallenberg and Durrett. |
|
g*****l
发帖数: 424 | 8 前些天面试一个来应聘data scientist职位的人。此人来自俄罗斯，经历可谓非常丰富
。他本来专业是物理，在某所大学当应用物理教授多年。不知道为何他突然想要换行，
于是瞄准了数据科学这个行当，在coursera上了几堂有关数据科学的课程，就来应聘了。
我本来是非常喜欢他的背景的。因为早些年我自己非常喜欢数学和物理，觉得物理玩得
转的人，肯定很聪明，多高深的数学和应用都应该是游刃有余的。
[Note] 首发于微_信_公_众_号： data_wisdom
于是，虽然他没有太多相关的项目经验，我还是决定尽可能的发掘他的闪光点好写到反
馈报告里面去。
我问了一些简单的统计方法，他却答不上来。这让我非常意外。我觉得ok，我能够理解
。那么我们聊点数学相关的，比如概率。结果他的分析思路还是太零碎，即使我一步步
的和他做简化到基本的概率问题上去，他还是没有能够答上来。
时间很快到了，他没有能够让我用来可以说服别人的闪光点。这其实让我有点替他难过
，一方面我感觉他确实没有准备好来做这份工作，另外一方面我心痛的点是他年纪比我
大很多，下了这么大的决心也非常不容易。
后来，因为其他面试官也反对，肯... 阅读全帖 |
|
