研究生三年，作為一名非計算機專業的學生，能夠從一名純小白(Python不會，機器學習沒聽說過)到最后校招拿到幾個不錯的offer，個人感覺可以給自己打個及格分吧。寫本文的目的，一是對自己研究生階段所學習的知識做一個總結，二是希望對那些剛接觸機器學習，準備往這個方向發展的同學們提供一些可借鑒的經驗。

1、入門Python，掌握數據分析常用工具

第一次接觸Python是在2016年4月，本科階段的工作差不多完成，就開始聯系研究生階段的導師，希望能夠跟他做一些項目。他給我安排的第一個工作便是使用Python爬取空氣質量數據，并告訴我可以使用scrapy這個庫。我與Python的邂逅，便從這個爬蟲開始了。

由于上來就寫的是爬蟲，所以關于Python的基礎我也沒有系統的學習，不過還是推薦給大家廖雪峰老師的免費教程：https://www.liaoxuefeng.com/wiki/0014316089557264a6b348958f449949df42a6d3a2e542c000

如果想要深入了解一些Python的知識，推薦大家學習《流暢的Python》一書，封面如下。這本書我看了前面的九章，講的十分不錯，加深了自己對于Python里面內存管理、常用函數、類等的認識。

除了Python的基礎知識，想要往數據分析、機器學習方向發展的話，還需要掌握一些常用的庫，包括Pandas、Numpy、Matplotlib、Sklearn等等。

關于前三個，推薦的書是《利用Python進行數據分析》：

關于Sklearn的使用，包括調用常見的機器學習算法、使用網格搜索尋找最優的參數，可以參考的一本書是《Python機器學習及實踐 從零開始通往Kaggle競賽之路》

如果上面的書你都看完了，我覺得算是入門Python數據分析了。

2、初識機器學習，反復讀反復看

第一次聽說機器學習這個名詞，大概是在2016年8月份，是我現在的舍友向我提到的，當時并沒有太在意，直到研究生階段開始，才慢慢有所接觸。當時身邊的人的普遍反應是，這家伙大家都在學，特別能掙錢。也許當時自己也是想著能多掙錢，才會開始入門機器學習的吧。不過現在，已經開始慢慢把機器學習當做一種興趣，一種愛好去看待了。

想必大家都知道，入門機器學習，不得不看的三本書是吳軍老師的《數學之美》、李航博士的《統計學習方法》和周志華老師的《機器學習》，也就是所謂的西瓜書。

但是有時候，有些算法比如SVM，說實話兩本書講的都不是最好的，還是得結合網上比較流行的帖子進行學習，整理了幾個我看過的一些比較好的帖子，分享給大家：

SVM：http://blog.pluskid.org/?page_id=683Word2Vec：https://blog.csdn.net/itplus/article/details/37969519EM算法：https://blog.csdn.net/randy_01/article/details/88407432

其他的算法，大家結合兩本書進行學習就可以了。值得一提的是，Xgboost和LightGBM是在面試階段比較常考的兩個機器學習方法，但是在上面的幾本書中都沒有涉及，我之前整理了一個簡單的帖子，希望對大家有所幫助（最后的參考資料里面會有）。

除了書籍資料外，視頻資料推薦的主要是吳恩達老師和李宏毅老師的機器學習入門課，地址如下：

吳恩達機器學習：https://www.bilibili.com/video/av50747658?from=search&seid=9310704140991725193李宏毅機器學習：https://www.bilibili.com/video/av35932863?from=search&seid=16150707490146939986

如果你是剛入門機器學習的話，我的建議就是反復看，反復讀，直到你能不依靠書本將模型的原理解釋清楚為止。

3、面試不斷碰壁，Leetcode得刷，得多刷

理想很豐滿，現實很殘酷，在自己剛學了點機器學習知識的時候，就出去面試闖蕩，結果卻是不斷的碰壁，機器學習理論和經驗少是一方面，數據結構題也是一問三不知，能想到的，只有時間或者空間復雜度最差的那種解法。所以我說啊，Leetcode不僅得刷，還得多刷。

不過咱也沒必要著急，你得有一個計劃，比如每天做三道五道，日積月累才行。盡管我現在在面試的過程中還是有一些問題寫不出來，但大部分情況下，還是能夠得到一個比較優的解。

關于刷leetcode這事，你可以往兩個方向上走。一是按照從easy到medium到hard的方向。二是按照分類走，比如先刷樹相關的，再刷數組相關的，依次類推。我自己是用的第一種方式啦，不過從校招面試的經驗看，面試官關注的題主要集中在數組、鏈表、二叉樹和動態規劃上面，可以先把這幾部分的弄明白。

在語言選擇上，建議還是不要用Python吧，Python的小trick還是有點多的，就比如字符串表達式的值，我們用eval函數就可以得到，但是在真正面試的時候，這樣是絕對不行的，所以建議還是Java或者C++吧。畢竟這兩門語言，你總要掌握一門的。

除了在Leetcode上面刷題外，有兩本書可以給大家參考，一是《劍指offer》，二是《程序員代碼面試指南：IT名企算法與數據結構題目最優解》，封面如下：

4、相遇深度學習，論文積累是關鍵

關于深度學習，也是研一下才開始慢慢學習的，當時主要接觸的是CNN、LSTM這些個算法，對于一些比較深入的如GAN、Seq2Seq、Transformer之類的，還沒有接觸。真正帶我相遇深度學習的，可以說是李宏毅老師的深度學習課：https://www.bilibili.com/video/av9770302?from=search&seid=6099263941108862254

當然，吳恩達老師的課也十分精彩：https://mooc.study.163.com/university/deeplearning_ai#/c

除此之外，不得不提的一本書是我們所謂的深度學習圣經，不過說實話，我覺得這本書雖然寫得好，但還是有一定閱讀難度的：

個人感覺，深度學習這東西，重在不斷積累和反思吧，多讀論文，多寫代碼。論文的話大家平常可以多關注PaperWeekly這個公眾號，代碼的話我建議如果論文給出了參考代碼，大家可以嘗試著去敲一敲，不僅加深自己對于論文思路的認識，還可以提升自己的動手實踐能力。

5、推薦與計算廣告，廣度優先VS深度優先

在整個研究生階段，我其實并沒有形成一個主要的研究方向，大家可能看我平時的公眾號推薦系統相關的東西比較多，但我并不是研究這個的，主要還是自己對這個東西比較感興趣，所以看的多了些。推薦系統的兩本入門書籍是《推薦系統實踐》和《推薦系統與深度學習》：

深度學習領域還是挺多的，如推薦系統和計算廣告、CV、NLP等等，這就引出了廣度優先VS深度優先的問題。個人感覺還是深度優先為主吧，確定好自己的一個研究方向，然后在這個領域進行深挖。不過同時，也要兼顧廣度，深度學習的東西都是相通的，比如Transformer最開始主要應用于文本領域，GAN主要應用于圖像領域，這兩種方法現在也都開始在推薦系統中使用。

最近自己要開始研究計算廣告方面的知識了，因為自己入職之后可能從事這一方面的工作，那還是給大家推薦兩本書吧，一本是大家所熟知的《計算廣告》，另一本是黃皮書《互聯網廣告的市場設計》，想要入門這個方向的同學，建議先看黃皮書，再看《計算廣告》一書。

6、Hive和Spark，數據處理的標配

Hive和Spark大家還是要學一下的，使用Hive來存儲數據，使用spark sql和Hive sql來處理數據，感覺是互聯網里面的主流方式。關于hive，掌握一些常用的函數的使用方法，如concat_ws,row_number,case..when,if,get_json_object等等，對于spark sql，掌握其運行的基本原理，以及一些常見問題的處理方法。首先，學會如何處理數據傾斜，有時候因為一個數據傾斜問題，一整天都浪費在調試一個spark代碼中了，其次，學習如何盡量減少spark任務的空間占用，同時加速spark任務運行速度，spark作業在線上調用時，會占用公共資源，你的任務占用的資源越多，別人占用的資源就越少，同時，如果你的任務運行的快，也可以給別人的任務更多的空間。spark可以通過很多語言來實現，不過我建議還是學習一下scala吧，畢竟可以和java無縫銜接。除了spark和hive，掌握一定的excel知識也是必要的。

那么這里有兩本書推薦給大家，《Hive編程指南》和《Spark內核機制解析及性能調優》：