大數據入行新手對機器學習的最佳學習路線

計算技術通常用來分析數據,而理解數據則依賴於機器學習。多年來,對於大多數開發者來說,機器學習卻是非常遙遠、一直是難以企及的。

這可能是現在收益最高,也是最受歡迎的一項技術之一。毫無疑問——作為開發人員,機器學習是一個能夠大展身手的舞臺。

機器學習是簡單數據檢索與存儲的合理擴展。通過開發各種組件,使計算機更加智能學習和發生行為。

機器學習使得挖掘歷史數據和預測未來趨勢成為可能。你可能還沒意識到,但的確已經在使用機器學習,並受益頗多。與機器學習有關的例子很多,如搜索引擎產生結果、在線推薦、廣告投放、欺詐檢測以及垃圾郵件過濾等。

機器學習依賴數據進行決策。直覺雖然重要,但卻也很難超越經驗數據。


大數據入行新手對機器學習的最佳學習路線


機器學習的各個方面

一旦你開始深入探索機器學習,你會遇到以下幾個問題:

1. 有監督與無監督的學習

2. 分類

3. 馬爾科夫模型、貝葉斯網絡等

Mahout和Hadoop

Apache Mahout項目的目的是建立一個可擴展的機器學習庫。

大數據分析與hadoop之間存在一定程度的重疊

Mahout內置聚類、分類以及協同過濾等算法。除此之外還有:

1. 基於矩陣分解的推薦系統

2. K-均值,模糊k-均值聚類算法

3. 隱含狄利克雷分配算法

4. 奇異值分解

5. 邏輯迴歸分類器

6. (互補)樸素貝葉斯分類器

7. 隨機森林分類器

機器學習曾經需要複雜的軟件與高端的計算機,以及數據科學家。。而對於現在的機器學習,即預測分析來講,所需要的是一個全管理的雲服務。

通過使用拖拽(drag-and-drop)與一些數據流圖就可以進行一些實驗,就如寫代碼一般利用起高大上的算法。

數據科學家用R編寫代碼

對於統計與數據挖掘的來說,R是一個很受歡迎的開源項目。好消息是R能夠很容易的集成到ML

Studio中。我有很多朋友在使用機器學習的功能語言,如F#。但是很顯然的,R在此領域仍佔統治地位。

數據挖掘的測驗與調查顯示,近年來R受歡迎的程度逐漸增強。R是由新澤西的Auckland大學的Ross Ihaka 與Robert Gentleman發明的,目前由R核心開發組(R Development CoreTeam)負責研發,其中Chambers也是開發成員之一。R的命名主要是根據前兩個R作者名字的首字母。R是一個GNU項目,主要是用C語言與Fortran寫的。

在此我向大家推薦一個大數據開發交流圈:658558542 裡面整理了一大份學習資料,全都是些乾貨,包括大數據技術入門,大數據離線處理、數據實時處理、Hadoop 、Spark、Flink、推薦系統算法以及源碼解析等,送給每一位大數據小夥伴,讓自學更輕鬆。這裡不止是小白聚集地,還有大牛在線解答!歡迎初學和進階中的小夥伴一起進群學習交流,共同進步!

如何進行數據分析

理解機器學習的最好方法就是將分析分解為3個問題:

1. 發生了什麼?

a) 從歷史角度去看

2. 將發生什麼?

a) 預測未來

3. 下一步應該怎麼做?

a) 規範與指引

分析過程中大家扮演什麼角色

1. 信息工作者

a) 通常使用自助服務工具Power BI:Office 365的Power BI是一種自我服務的事務智能解決途徑,能夠通過BI Excel與Office 365給信息工作者提供數據分析與鑑別數據深層事務預測可視化的能力。

2. IT專家

a) 涉及數據轉換、數據倉庫、創建數據分析立方體及數據建模

3. 數據科學家

a) 深層次的技術與技能,包括編碼、數學、統計以及概率

b) 能夠通過一系列技術將概率用於預測(如未來18小時內價格上漲的概率為42%)

c) 如蒙特卡羅(Monte Carlo)模擬,模型參數化

d) 數據科學家應具備的素質

i. 領域知識

ii. 對於科學方法的清晰理解:目標、假設、驗證、透明度

iii. 擅長數學與統計學

iv. 求知慾與極強的思考能力

v. 圖形化描述與溝通能力

vi. 高級計算與數據管理能力

學術背景

如果你想進入學校,通過學習成為一個數據科學家,可選擇的課程如下:

1. 應用數學

2. 計算機科學

3. 經濟學

4. 統計學

5. 工程學

從數據科學中受益的行業包括:

金融服務業

電信業

信息技術

製造業

公共事業

公共衛生

市場

感謝您的觀看,如有不足之處,歡迎批評指正。

對大數據感興趣的同學可以關注我,並在後臺私信發送關鍵字:“大數據”即可獲取免費的大數據學習資料。

知識體系已整理好(筆記,PPT,學習視頻),歡迎大家來領取!


分享到:


相關文章: