周一鸡血 | 编程不好怎么学数据挖掘？ | 数说 · 精选

本文作者谢科，是数说君在知乎认识的一位数据科学大牛，Twitter的Data Scientist，目前正在创业（“用软件定义商家做生意的方式”）。

对于一个编程基础不是很好的学生来说，学习数据挖掘、机器学习之类的并以后从事这样的工作靠谱吗？

文 | 谢科

以下为对匿名用户回答的引用（数说君注：匿名用户指另一位匿名了的用户对该问题的回答）

【你们以为上上公开课就够的？那些东西我看过，Andrew Ng的课什么的，以我的实力一两天就解决了，你觉得能有啥用？那点简单的东西与实际需要解决的问题相比根本不值一提，入门都算不上。觉得上两门公开课实现两个算法就能找着好工作的纯属想多了】

首先求同存异一下：机器学习这玩意容易不起来。毕竟是需要动脑子和经验的东西，没法容易。

但是，“上两门公开课实现两个算法就能找着好工作纯属想多了”这个观点不光不正确，而且很有打击其它同学的倾向，我在下文会解释为什么。

首先为了符合匿名用户对做过ML和DM的要求：笔者也算做过一些肤浅的数据挖掘应用，读书的时候在一些还算靠谱的会议上水过一些文章，目前在Twitter的modeling team做model。找工作的时候常见的该拿的offer也都拿了，全是ML相关的工作。从匿名用户提的问题来看，我该读过的书也都读过。

那么笔者是什么水平呢？

也就刚到上完公开课，有过一些经验的水平。不是笔者自谦，事实就是这么回事，因为我现在回头去看公开课的时候，每次还会有新的收获，学到新的技巧。

说到这里，匿名用户的言论“老师还说了，你在面试时说自己学过这个课那个课，人家公司根本看不上。。。”已经完全不适用了，如果一个已经在“人家公司”里工作的人告诉你这句话不成立，那么应该具有一定的说服力。

当然，匿名用户可能会反驳说，你就一个样本而已，也许是你长得特别帅人家公司才要你的呢？

非也，如果你仔细上过Andrew的课，他在结尾处提到：如果你认认真真学完了这些算法，你已经比湾区绝大多数工程师在ML上的造诣高很多了。

此话半点不假。在楼主所在的公司（以及以前呆过的地方），绝大多数工程师不一定了解ML在干些什么。大家充其量了解一些基本的ML概念，仅此而已。但是这并不是说，他们就不能胜任我现在在干的工作了，这也是我想提出与匿名用户观点相左的地方，原因如下

1） 对，你是在念ML的PhD，没有人会怀疑你多聪明你能解多少最优化问题，但是有一点：你的这些特长并不是在日常工作中每时每刻会用上的。我并不是在说这些技能不重要，我只是在说，绝大多数跟ML或者DM相关的应用性工作中，太过于fancy的技能在日常工作中，是派不上太多用常的。按照80/20的原理，80%的日常工作你在倒腾数据，20%的时间才在折腾算法（我猜很多data scientist也会同意我的观点吧)。

如果你常读ESL，那么应该有印象，全世界所有的cpu time大概有80%左右在做linear regression这个简单算法。这很令人意外吗？一点都不，因为LR确实就是最常用的ML技术之一。反过来讲，如果你的LR可以用到了极致，那么你不会KKT条件又怎样，你不明白SVM推导又怎样，难道这样的同学就不可以从事跟LR相关的工作吗？把LR用到极致，不光可以处理非线性的，还可以做大规模的，online的，distributed的，multi-label的，多了去了。可不要忘了，号称最牛逼的Vowpal Wabbit不也就把LR做到了极致吗？所以按照答者的理论，假设John Langford只做LR，他应该滚出ML界了？不是吧，多少公司（至少按照github上他声称的）都在用他写的牛叉哄哄的vowpal wabbit啊

2）对于有数理思维的同学，尤其是编程特别好或者数学底子不错的同学，学起ML来更加容易。即始没有，也没太大关系。说到底，ML里的算法跟算法导论上的算法有很大差别吗？本质上没有，因为算法导论里告诉你的多数是确定性算法，而ESL或者PRML里告诉你的多数是不确定性的算法，但是重点是，它们都是算法，都是给定计算机一套指令，给定特定输入，写出特定输出的过程而已。那么，为什么我们相信每个人都应该能明白算法导论上的东西，但却怀疑，“觉得上两门公开课实现两个算法就能找着好工作纯属想多了”呢？奇怪

3）训练并不是靠时间和地点堆砌的。这里的时间指的是匿名用户指的“每周十七八个小时”，地点则是指“顶级学校”。相反，有效的训练才是真正让人从一个境界到达另一个境界的地方。当然啦，每个阶段都会有更厉害的人，这我见太多了，可是重点是，不能因为“跟那些专门搞机器学习模式识别的优秀研究生比仍然相去甚远”就自认不如或者放弃掉吧？这是个什么样的奇怪理由。也说个个人相关的例子吧，之前的室友是做ML最厉害几个人之一的弟子，他的NIPS的列表一个页面装不满，vision界的publication更是装不下，就这么厉害。于是他碰到了我这个推个LDA还吭哧的弱室友。

但是问题是，这就是停止学习ML的理由吗？

4）究竟机器学习这玩意有多难？是你匿名用户说的那么玄幻吗？

没多难，不是rocket science，认真学多花时间总是可以学成的。同样的问题我以前问过“C语言这玩意有多难？”，后来发现把指针弄明白了以后没多难，不像谭老师讲那么玄乎。“函数式编程这玩意有多难？”，也没多难，坐下来把主要概念看明白了多写写也就会了。

同样道理，机器学习需要的数学里面，能把人绕进去的并不是那么多。有难的吗？有！你需要自己去创造一个算法来beat已有的算法的时候，那是真tm难，但是题主问的是什么呢？“从事这样的工作靠谱吗”，如果我来说的话，靠谱，只要你肯学，把该学的磨会了，你就靠谱了。

重申一下：机器学习没有那么难，但是要创造个新的漂亮的能用的机器学习算法很难。所有需要创新的东西几乎都难，因为你得在没有指导的前提下试很多种东西，恰好试出来一种能work的，这当然难了。问题在于，现实生活中的工作里哪里需要这么多新的东西？非常少，你有一个open mind能随时接受新东西你就已经领先别人一大截了，如果你还能创造出来新的东西（并且是个实用的东西），那不管在哪个公司，你都是一颗新星了。我能想到的需要匿名用户说的那样高水准的机器学习技能的地方，也就那么几个，Google X, NASA, Yahoo labs, MSR。其它地方，题主好好加把劲，还是靠谱的。

5）嫌你打击自信心？当然嫌，至少我嫌，给本身需要信心的人泼冷水这本身就不是什么好事，何况还是在这样公开的场合下。所谓闻道有先后，术业有专攻，你做你的，他做他的，先来后到而已。岂能是因为天资不堪作为理由就停止，尤其扬起鼻子让别人停止

当然，之所以产生了以上这个略有点激动的反驳式答案，是因为我想到了作为一个小弱的自己。幸运的是路上碰到的人们都一直支持多于打击。

然后对于楼主的问题的回答：

请多写代码，一定要写到能娴熟表达自己想法的地步，如果非要加个量的话，那么写个几万行有意义的代码吧。

请多学数学，没事把线性代数和概率都好好学学吧，MIT的这两门公开课都很棒。之后可以入门读读统计学习入门：Introduction to Statistical Learning

再之后慢慢啃ESL：Elements of Statistical Learning: data mining, inference, and prediction. 2nd Edition.

上面两本书都是免费的。

再之后可以慢慢啃PRML，搜搜都有。

然后最后匿名用户说的绝大多数我不同意，但是有一点我仍然是赞同的，如果不花心思和时间，上面那几步看似简单的过程，是没法完成的。

希望我的答案没有太冒犯到匿名用户同学，我只是想用强烈的语气表达我的观点，我希望知乎变成一个多一些支持的地方。每个人在某个阶段都曾经是小白，有的人很幸运走对了方向，有的人不太好运走歪了，但是没有必要因为别人走歪了想调整的时候就觉得人想走捷径。每个人的情况都不一样，你没法知道别人的情况，我也没法知道，premature judgements are bad。