f*****n 发帖数: 499 | 1 小弟我从生物信息phd想转到data science
自己做过的有NGS-genomics之类的研究
也做过基于clinical feature 用ML进行phenotype prediction的研究
熟悉linux/hpcc,R,尤其是python(Numpy, Scripy, Matplotlib, Pandas, Scikit-
learn)这一套
学习了bishop的PRML,当然也补课了multi calculus,和线性代数
也刷过一些kaggle
刷kaggle和自己的phenotype prediction的套路都是:
feature engineering, data cleaning, machine learning data training, test
prediction, data visulization
请问掌握这些我算是入门了吗?
如果入门了的话,如何进阶呢?
是继续加深我的machine learning/数学的基础知识,以及加强python coding能力 (
我的自学当然不能跟科班比)
还是继续学习新的东西,比如mapreduce,Hadoop,NLP,deep learning之类的?
我有想过data science和CS两条出路,我觉得CS工作更多,而且基本上刷题就可以,目
标明确
但我对data sci更有兴趣,而且跟我的bioinformatics背景更加match
另外我觉得是不是data sci就那么些套路,比较简单?(或许我想错了?)
谢谢大家 | m******n 发帖数: 453 | | f*****n 发帖数: 499 | 3 您说的刷题是刷leetcode
还是kaggle
: 开始刷题
: 因为DS的面试要刷题
【在 m******n 的大作中提到】![](/moin_static193/solenoid/img/up.png) : 开始刷题 : 因为DS的面试要刷题
| N**N 发帖数: 1713 | 4 我觉得你会的已经很多了
可以看一些工作的要求,决定自己喜欢哪类,然后根据技术要求以及别人的面试经验决
定下面做什么
【在 f*****n 的大作中提到】![](/moin_static193/solenoid/img/up.png) : 小弟我从生物信息phd想转到data science : 自己做过的有NGS-genomics之类的研究 : 也做过基于clinical feature 用ML进行phenotype prediction的研究 : 熟悉linux/hpcc,R,尤其是python(Numpy, Scripy, Matplotlib, Pandas, Scikit- : learn)这一套 : 学习了bishop的PRML,当然也补课了multi calculus,和线性代数 : 也刷过一些kaggle : 刷kaggle和自己的phenotype prediction的套路都是: : feature engineering, data cleaning, machine learning data training, test : prediction, data visulization
| t******o 发帖数: 61 | 5 多交流 多练忽悠 多参加活动 多联系校友帮忙递简历
技术够可以了
精力放在别地方 | f*****n 发帖数: 499 | 6 我只能说入门,都了解一些,不是睁眼瞎
不要说machine learning,哪怕是python pandas,numpy我都不敢说精通,只能说碰到
问题就google解决
更不要说machine learning里那些高深的数学了。。。
【在 N**N 的大作中提到】![](/moin_static193/solenoid/img/up.png) : 我觉得你会的已经很多了 : 可以看一些工作的要求,决定自己喜欢哪类,然后根据技术要求以及别人的面试经验决 : 定下面做什么
| f*******6 发帖数: 56 | 7 自己多收收网上DATA SCIENTIST, 尤其是MACHINE LEARNING的面试题,看自己会多少
,就知道自己现在的分量。
【在 f*****n 的大作中提到】![](/moin_static193/solenoid/img/up.png) : 小弟我从生物信息phd想转到data science : 自己做过的有NGS-genomics之类的研究 : 也做过基于clinical feature 用ML进行phenotype prediction的研究 : 熟悉linux/hpcc,R,尤其是python(Numpy, Scripy, Matplotlib, Pandas, Scikit- : learn)这一套 : 学习了bishop的PRML,当然也补课了multi calculus,和线性代数 : 也刷过一些kaggle : 刷kaggle和自己的phenotype prediction的套路都是: : feature engineering, data cleaning, machine learning data training, test : prediction, data visulization
|
|