求问各位大神美国统计stat专业硕士出来后想做machine learning相关工作,应该咋办

题主你好,我是美国统计stat硕士毕业的,毕业后一年左右入职Facebook软件工程师,做ranking,ml相关。

我本科是国内读数学的,上过一些算法的课。留学时熟悉了python,用以下网站复习了一些基本数据结构和算法。6的后半部分和7的一些高级结构我没细看。
Problem Solving with Algorithms and Data Structures using Python然后就是leetcode了,先自己尝试做,实在做不出再看别人讨论,接着再完全自己实现一遍。从easy做起,时不时总结一下同类题的解决思路。面试前再按公司分类刷一下。

最后我觉得找工作很看缘分,所以刷题和面试保持良好心态也很重要。

■网友
统计专业硕士还是很相关的。学写码要点时间,不过只要肯去做肯定能捡起来。建议用python做,从string,list,arrary开始刷。熟悉以后再刷linkedin list,tree什么的。我见过很多统计专业还没毕业的本科生也能写很好的代码,也见过一些计算机专业的学生很简单的代码也写的磕磕绊绊。这个全都是自己努力的结果。没有什么学什么专业就一定怎样的说法。
此外,machine learning相关的工作有好多,需要的技能都不太一样。我觉得,与其现在埋头开始写码,不如花点时间先想想这个问题。不然很容易走弯路。

■网友

LeetCode力扣:如何高效使用 LeetCode
LeetCode 上的题目太多,刷不过来?而且很多也是难度极高啊!如按顺序一题题的去做,既很难坚持下去,也没有那么多时间,效率不高。那对于那些希望短期速成找工作的朋友应该怎样刷题,才能得到事半功倍,让自己在面试过程中迎刃有余呢?下面将列举一些经验:
最佳方式自然是针对自己的实际需求从 “LeetCode 探索” 选择合适的主题开始,因为这里有 LeetCode 题目编辑精挑细选整理过的高频面试题和专项突击。对那些基础差从未刷过题目的人,也建议可以选择简单类型的按照顺序去做,在练习的过程中强化自己的基础知识。对于那些有了一定的基础后,对照着数据结构按照标签(指针用法、并差集、链表、哈希表、堆、栈、树、图、记忆搜索、动态规划),依次选取一些简单中等的题目强化相关数据结构知识,对于能力强的可以选择困难难度挑战自己,这就会帮助我们在练习算法的时候对数据结构有了更深的认识。在准备面试前一两个月选择那些困难难度的题目去做,在之前我们对简单和中等难度的题目有了一定的了解,这个时候练习困难难度的题目可以扩展自己的思维,很多困难难度题目使用很巧妙的方法,比如 Largest Rectangle in Histogram 、Maximal Rectangle ,这个时候我们再回顾前面的题目,就会觉得没以前那么难了。在练习的过程中要养成好习惯,对于那些经典或自己不明白的问题要把收藏起来,定期的去回顾这些题目,这样会慢慢的加强个人的思维能力。最重要的一点就是要多动手去练,别以为一道题目很简单,等你写完提交上去的时候你会发现很多问题,而我们就是在不断遇到问题然后去解决的过程中加强自己的能力。
■网友

机器学习和统计领域
这个大数据的时代见证了数据量的高速增长。在同数据量高速增长的同时, 每一个数据点所带来的信息增长的更加迅速, 从而带来了一个高维数据的世界。 在机器学习和统计学领域,我们通常将数据特征比数据点更多的情况称之为高维数据. 不难理解,在高维数据中我们没有足够的数据来研究这届特征。从统计学的角度上讲,很多相关的问题时下并没有解法,在这些问题上的任何一点进步都有可能影响世界。这个项目鼓励同学们去研究相关的充满挑战性的问题。
以下课题适合 统计,CS, 大数据,数据挖掘等方向领域感兴趣的同学
高维数据中的模型选择等问题
关键词: 统计, 模型选择, lasso, confounder correction, 线性混合模型, 高维数据, 生物统计
申请背景: 有扎实统计学背景的同学. 统计专业


推荐阅读