数据分析和机器学习有优先级吗?

发布时间: 2021-02-22

  打个比方,机器学习是一个美丽的女孩,我们知道“分心的男朋友”的模型。这个美丽的女孩吸引了各地的新数据分析家的注意力,这会分散他们的基础知识。

  数据分析被认为是21世纪最性感的工作。但是,如今,机器学习(尤其是深度学习)的课程、教程、书籍和思维共享的比例正在不断增长。

  这对新进入数据分析领域的人来说是足以分心的,在任何行业,高度专业的人士不会否认任何人都可以进行机器学习的可能性,这种观点或许正确——任何人都可以。但是,这会使我们误以为在“获取数据”和“机器学习模型”之间是连贯的、容易的康庄大道,而事实并非如此。

  我们在深入学习机器学习之前,有四个基本的、不敏感的数据任务是需要我们去掌握并且尽可能精通的:

  1.导入数据(无数据,无目标)。

  2.整理数据(分为行和列)。

  3.转换数据(以正确的形式进行分析)。

  4.可视化数据(探索和迭代,建立符合需求的高质量的机器学习模型)

  所有这些任务都需要一定的编程流利度,而掌握优秀的编程能力需要大量的练习。因此这是新手应该开始并重视的地方。在学习基础知识的同时,精通一门语言。

  我们可能会发现,机器学习其实不是解决问题或为公司增值的最佳技术。而发生这种情况时,我们通常将回到数据分析的道路上来。

  在我们被美丽的女孩分心之前,让我们先了解一下自己的女朋友,也就是数据分析师需要掌握数据分析基本原理之后,再去了解学习机器学习会更有优势。

发表评论

您的电子邮箱地址不会被公开。