数据分析工程师如何快速成长

成为一名合格的开发工程师不是一件简单的事情，需要掌握从开发到调试到优化等一系列能力，这些能力中的每一项掌握起来都需要足够的努力和经验。而要成为一名合格的机器学习算法工程师(以下简称算法工程师)更是难上加难，因为在掌握工程师的通用技能以外，还需要掌握一张不算小的机器学习算法知识网络。下面我们就来看数据分析工程师如何快速成长。

1、从外功入手，兼顾内功修炼

《集体智慧编程》+《统计基本方法》

所见即所得，有实际反馈。

2、这是工科，不是理科，因此需要更多实际项目的训练

LeetCode + Kaggle

需要更多练习，接近实际的练习。

leetcode训练传统算法

Kaggle数据挖掘竞赛(特征工程，大于学习模型本身的重要性)

3、 训练自己快速阅读paper的能力

ICML NIPS AAAI CVPR等

机器学习相关的期刊的名称。

比如深度学习，可以通过期刊了解到新等模型体系，可以有针对性的做一些学习。

学习路线

无论是否计算机出身，数学方面的能力在算法工作中是非常必要的基础，需要掌握的程度如下：

1、高等数学，主要包括微分和积分、偏微分、向量值函数、方向梯度、泰勒展开等，才能更好理解算法公式，调参原理，以及迭代时梯度的概念等;

2、线性代数，主要是矩阵运算、高维向量、空间运算，这些是理解深度学习向量空间的基础;

3、概率论及数理统计，或者称之为概率学和统计学，要理解，机器学习本质上是一个概率问题，从数据中学习的不确定性，就是在获得概率值。

综上所述，就是小编今天给大家分享的关于数据分析工程师如何快速成长的相关内容，希望可以帮助到大家。