想从事数据科学相关岗位，这些数学基
|
副标题[/!--empirenews.page--]
9月15日技术沙龙 | 如何将智能化和运维工作相结合，实现智能运维！
很多同学想从事数据科学岗位，对于这个岗位而言，数学知识的储备重要吗? 答案显而易见，掌握好数学对于从事该岗位而言是很重要的。数学一直是任何当代科学学科的基础，几乎所有的现代数据科学技术(包括所有的机器学习)都有一些深刻的数学知识。在本文中，我们将讨论想成为一名优秀的数据科学家应该掌握的基本数学知识，以便在各个方面都能很好地适应。
介绍 有时候，作为一名数据科学家(甚至是团队的初级分析师)，你必须全心全意地学习那些基础的数学知识，或者正确地应用这些技术，有时候你可以通过使用一些API或者拿来即用的算法完成相关任务。 但是，如果你对用于为用户创建有意义的产品推荐算法背后的数学知识有充分的了解，这将永远不会对你有任何损害。通常情况下，懂得这些知识应该能让你在同龄人中占有一席之地。 毫无疑问，想成为一名顶级的数据科学家还需要掌握其他领域的知识，比如编程能力、具有一定的商业头脑，以及对数据的独特分析和好奇心态。本文所要做的就是整理一份最基本的数学技能指南，以帮助你更好地完成这项工作。 对“新手”特别重要 对于那些在其他领域花费大量时间并想进入这一领域的专业人士来说，基础学知识显得尤其重要，比如硬件工程、零售、化学加工工业、企业管理等领域。 虽然这些领域的工作中也涉及电子表格、数值计算和预测方面的内容，但在数据科学实践中对必要的数学技能要求却大不相同。 为什么以及如何与众不同——这是科学而不是数据 考虑一个Web开发人员(或业务分析师)，他可能每天需要处理大量的数据和信息，但可能没有强调对该数据进行建模。通常，数据分析的任务重点在于“ 根据需求利用数据并继续推进项目 ”，而不是深入探索，数据科学应该始终关注科学(而不是数据)。某些工具和技术会变得不可或缺，其中大多数是科学处理过程的特点：
这类的培训，大多数没有考虑正数而是讲解抽象的数学实体(及其属性和相互关系)，被认为是四年制大学学位课程标准课程的一部分。个人不需要以优异的成绩从顶尖大学毕业来获得这种水平的数学知识，但不幸的是，过去的访问量几乎在变少。 展示成功的蓝图 一般而言，没有通用的蓝图。就其本质而言，数据科学并不依赖于特定的学科领域，并且可能是在单个项目中处理各种现象，如癌症诊断和社会行为分析等，这会产生各种令人眼花缭乱的n维数学对象、统计分布、优化目标函数等。 上面提到的那些东西是什么?如果你对其补熟悉的话，以下是我们需要学习、吸收的内容建议。 函数、变量、方程、图
What：从基本的知识开始，如线的方程式到二项式定理及其性质。
示例：如果想了解在排序后在百万项目数据库上搜索的运行速度，你将会遇到二进制搜索的概念。为了理解它的行为，需要理解对数和递推方程。或者是分析时间序列的话，可能会遇到周期函数和指数衰减等概念。 学习资源： 数据科学数学技能——Coursera 代数简介——edX 代数——可汗学院 统计
What：成长为数据科学家必须知道的知识。在关于数据科学的讨论中，再如何强调掌握统计和概率的基本概念的重要性都不为过。该领域的许多从业者实际上称经典机器学习(非神经网络)只是统计学习。该主题内容非常广泛，重点规划大多数的基本概念即可。
示例：在面试时，作为一名潜在的数据科学家，如果你能掌握上面提到的所有概念，你会很快地给对方留下深刻的印象。作为数据科学家，你几乎每天都会使用上述中的一些概念。 学习资源： R专业统计学——Coursera 使用Python进行数据科学的统计和概率—— edX 商业统计与分析专业—— Coursera （编辑：晋中站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
