NO IMAGE

  這兩天在寫2017年工作總結,翻翻這一年學的東西乾的事兒,好多話想說。
  臨近年底,終於硬著頭皮學完了鄒博機器學習視訊裡的演算法,不然真心疼花的那四百塊錢。為了看懂他那些公式推導,不得不又把高數、線性代數、概率和數理統計又看了一遍,然後學演算法公式推導的時候又發現那些導數矩陣分佈啥的跟沒看過一樣,只能再回去重啃。過程中無數次懷疑我的智商都傳給了兒子,一點兒都沒給自己留下;無數次懷疑我大學是否學過統計,居然對t分佈F分佈啊什麼的一點兒印象都沒有;無數次的懷疑我研究生的時候是不是學過機器學習,為毛那時候沒覺得最小二乘和最大似然估計有啥關係;然後又無數次的懷疑就我這記憶力來看我真的該告老還鄉了——新的演算法完了上一個已經不記得怎麼回事兒了,哪怕那是一星期以前還自認為明白的不得了的東西——典型的狗熊掰棒子,嗯,我只能承認我是狗熊。還好沒勇氣撂挑子回家當家庭主婦,只能硬著頭皮厚著臉皮的堅持,總算是學了個七七八八,至於忘了的那五五六六,只能趁還沒忘透再多看幾遍筆記。
  強烈建議大學裡數學學得好的同學們學一下機器學習,會發現數學真的好神奇;也強烈建議大學裡數學學得不好的同學們也學一下機器學習,然後告訴我你們的感受,好給我些安慰,證明下我的智商還屬於正常水平,讓我能有更大的勇氣堅持下去,謝謝!
  為了學機器學習,學了python,雖然以前用過java的weka,可是現在貌似牛人都用python做機器學習,你看你看大多機器學習課都是用python來做程式碼的,而且據說是這個可以直接用於生產環境的,我當然得跟上潮流,而且學了就是要做專案的不是做研究的;你看你看python的那些工具包numpy、pandas、matplotlib、statsmodels以及sklearn等等等等,從矩陣計算到統計到視覺化到機器學習,應有盡有,所以啊必須python!只是意味著,我都得學啊都得學,我可憐的記憶力!
  這之前,因為聽說spark比hadoop牛多了就學了spark,為了學spark學了scala,網上說因為spark是scala寫的所以用scala寫spark程式比用java、python更地道,我當然得學最地道的。只是早知道後面總得學python,我幹嘛要這麼為難自己,哭也晚了,而且現在想想,我一點兒都不記得scala是啥玩意兒了,我可憐的記憶力!
  今年,用spark kafka redis做了個推薦;用隨機森林和自迴歸做了兩個簡陋的模型;然後,就沒有了。今年好像就幹了這點兒事兒,真的覺得自己啥也沒幹成,時常的想自己會不會因為沒有績效被髮配回家——上帝保佑!佛祖保佑!!老天保佑!!!
  新的一年要有新的工作計劃。
  看過一篇微軟的AI女工程師寫的文章,叫“入門AI,如何選擇一個腳踏實地的崗位”。裡面把AI崗位分為演算法工程師(資料科學家)、機器學習工程師(調參工程師)、資料經理三種崗位。具體來說,演算法工程師是發明演算法或者優化演算法並能理論聯絡實際的;調參工程師是使用成熟演算法調參優化用於工程化產業化的;資料經理,是熟悉業務熟悉資料並能夠簡單分析資料發現可能的需求可能的模型以及協調演算法工程師或調參工程師完成資料產品的。還有個很搞的比喻:
– 做演算法是屠龍,仗劍江湖,天外飛仙;
– 做工程是狩獵,躍馬奔騰,縱酒狂歌;
– 做資料是養豬,每天拌豬食清豬糞,一臉土一身泥。
  嗯,腳踏實地的分析一下我的現狀:屠龍想都別想;狩獵將將學會騎馬射箭,大約運氣好能獵個野兔小鹿什麼的,狼啊老虎啊就算了,我怕被吃掉;養豬我不想幹,可是貌似也沒人替我幹。所以,腳踏實地的來說,2018年的工作就是:養豬,打兔子。嗯,還有,把學習筆記啊總結啊什麼的整理到部落格裡——假如下了班陪完孩子做完家務還有時間的話……
  好了,新的一年,希望我順利度過中年危機,加油吧!