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】
: 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】
: 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】
: 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】
: 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
|
|
