首页 百科正文

0基础转行人工智能(没基础能学人工智能吗)

0基础转行人工智能(没基础能学人工智能吗)

一看到零基础转行成功,你们心中就会有疑问:你学了多久啊?你怎么学的啊?学了什么内容啊?找了多久的工作啊?等等这一系列的问题。下面我会尽可能的为大家描述下自己学习的整个过程,以及我自己犯得一些错误。然后,总结面试时遇到的一些问题(踩过的坑)。

决定转行前的状态

笔者17年毕业,专业非相关。毕业后备考雅思,没考到理想成绩后做了英语老师。工作两个月后,就开始反问:如果雅思过了,我应该申请什么专业呢?

一次偶然在网上查资料看到了data science,顿时就吸引了我的注意。接下来我咨询了中介跨专业申请,得知难度系数很大,要学习一些课程,最好有工作经验,于是选择了复旦大学大数据学院的统计学,开始了考研之路,结果和预期相差太多,初试之后心里就知道没戏了,接下来就是面临着找工作。着急,焦虑,迷茫等等负情绪涌上心头。

探索数据分析之旅

人在着急,焦虑的情况就会一阵乱投医。我也不例外,在各个网站上寻找数据分析相关资料,期间还咨询过培训机构,感觉价格太贵了就果断放弃。同时在某书和某乎上找各位大佬的转行经验和心得,希望能给自己迷茫的转行之路带来方向。之后给自己制定了一套学习计划。

Step1:学习MySQL

笔者是自学的MySQL。前三天学习动力十足,激情满满,学习效率相当的高。之后,激情和效率慢慢衰退,直到半个月后,完全没有动力去学习(主要原因是没有学进去,学了忘了),又开始焦虑,烦躁。这时候,我把目光转向线上网课,网课的优点在于主要以视频为主,只要按时完成任务,吸收效果比看书效率高很多。

在学习MYSQL时,一定要通过做题来巩固知识点。我刷了很多MySQL的练习题、面试题、备考题,还把网课里的案例分析做了两遍。经过做这么多题目后,MYSQL掌握的基本比较熟练。

MYSQL存在的难点知识点,也是以后面试中最常问到的问题:

1. 分组排序(我面试时,基本每场都会问到)row_number()over(): over()里头的分组以及排序的执行晚于 where group by order by 的执行。rank()over():跳跃排序,有两个第二名时接下来就是第四名dense_rank() over()是连续排序,有两个第二名时仍然跟着第三名

2. case when的用法3. 表与表连接的方式inner joinleft joinright join4. 表的创建5. 时间函数(难点):用在的地方是求回购率(留存),复购率等等

Step2:学习Python

在Python编程学习中,我个人觉得最难的是遇到一个题目没有编程思维,这时通过多看题目,模仿别人写的代码敲一遍,然后不看代码在敲一遍,同时把它的思路理清楚,弄明白。这种方法比较实用,很快就能自己掌握原本不熟悉的代码。

除了学习的Python编程,还学习了Python第三方工具包pandas、 numpy、matplotlib。学习这几个工具包,我还是通过看网课,然后把视频里出现的题目敲一遍,最后把关于pandas的题多刷几遍,题库有需要的可以在文末添加顾问老师获取。

Step3:统计学

我研究生考的是统计学,所以这部分没有花费很多时间,主要看了区间估计,假设检验。在简历上写了ABtest,因此在面试的时候,面试官问了t检验和Z检验的区别,A/Btest的埋点,样本量怎么设计,带来的结果是什么?A/A test和A/B test的区别

Step4:机器学习

这里笔者只是粗略的看了一下,没有吸收,各算法掌握的也不扎实,例如决策树,随机森林,XGBoost,GBDT等等。我的建议是一定要完整的完成一个项目,不要只看了代码,和思路。一定要思考别人为什么这样做,会带来什么效果。

面试官根据我写的项目内容问了这些问题:样本量多大、设置了哪些指标、怎么划分预测集和测试集、为什么选择随机森林,它的优点是什么?特征工程如何处理?用kmeans组合的新特征有什么用?得到的结论是什么?

Step5:面试

学完后我开始准备简历,简历是相当重要的,不然你连面试的机会都没有。我半个月投了至少几十分简历但是都石沉大海了,后来做了修改开始海投,收到的第一家面试通知是腾讯外包,面试这里提示一下:不熟悉的东西千万不要往简历上写,简历上写的项目一定要熟记于心!

笔者主要是想给大家分享一下自己的学习路线,另外无论做什么一定要坚持,不要放弃。0基础转行是比较难跨出第一步,但是系统的学习和认真对待简历、面试想跨进去这个行业也不是难事。

荐:

【中国风动漫】除了《哪吒》,这些良心国产动画也应该被更多人知道!

声明

来源:简书,R人工智能产业链联盟推荐阅读,不代表人工智能产业链联盟立场,转载请注明,如涉及作品版权问题,请联系我们删除或做相关处理!

版权声明

本文仅代表作者观点,不代表本站立场。
本文系作者授权发表,未经许可,不得转载。

本文链接:https://www.chinaai.com/baike/9278.html

发表评论

评论列表(0人评论 , 12130人围观)
☹还没有评论,来说两句吧...