2016总结

Posted 杨铖

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了2016总结相关的知识,希望对你有一定的参考价值。

Preface
2016年过得总算是有惊无险。

直到昨天,过了公司年会后,觉得才算是过了2016,这一年,从一个学生,转变成了一名员工,角色的蜕变总觉得在不经意间。

3月份,搞定毕业论文,拿了个优秀论文,觉得还是做自己喜欢的东西好,虽说论文跨了专业甚至跨了领域,但是得到认可还是蛮欣慰。

6月份没什么意外顺利毕业。

毕业后留在了实习公司,15年11月份至今,其实学到了挺多的。

实习时很多时间是做可视化,R,Echarts这些当时都捣鼓得挺熟的。

看了很多R的书,基本上把当时市面上关于R的都大概看了:
R语言核心技术手册(第2版)
R语言编程艺术
ggplot2:数据分析与图形艺术
时间序列分析及应用:R语言(原书第2版)
机器学习与R语言
R语言与数据挖掘最佳实践和经典案例
数据挖掘:R语言实战
R语言与网站分析
但是平心而论,核心手册,编程艺术和ggplot2这三本是帮助最大的,特别是ggplot2,基本上整个论文所有的可视化图表以及后来的做算法的可视化,都是基于ggplot2.

除了R,由于接触到的数据越来越大,传统的串行算法在处理上有点吃力,就开始学scala这门语言,学习spark这个框架,主要是针对spark ML库,看了几步书:
programming in scala
快学scala
scala函数式编程
不得不说,scala真是一门会上瘾的语言,也很难学。

此外,由于本机环境的限制,工作后会linux的要求越来越高,不得不开始也着手linux,练习就在本地虚拟机下centos操作,鸟哥的Linux私房菜,写得着实不错。

最后,由于公司一些产品慢慢涉及到深度学习框架,python也不得撸袖上手,看了python核心编程前14章,与之前学的语言关联起来,确实容易上手。


当然,以上只是工具篇,工具慢慢用就熟了,但是本职做数据挖掘/机器学习,确实得日夜兼顾才能有所体会,有所提高。

这一年主要是与李航博士的统计学习方法,还有传说中的ESL为伍。
基本上动手实现了统计学习方法里面的大部分,ESL则越读越有启发。

只是,以上是下班后回家看的,这样明显不够,做产品开发时,没仔细统计,应该读过100篇论文,且有一些反复读不止10次,有一段时间做一个定位项目,每天到公司第一件事就是点开昨晚看不完的论文,这种状态持续了大概2-3个月,庆幸的是,后来从开方,测试,优化到部署,都是挺顺利的,也申请了个专利,觉得辛苦但是看到效果还是蛮开心的。

后来把机器学习用到本领域,也做了大大小小的几个产品,从无监督到监督,从简单的贴合业务能自动寻找k的kmeans,到稍微复杂的在线实时SVR做计算,等等,所有最终做成的产品,都是手把手撸出来,不调用任何第三方库。

最后,nupic框架HTM算法做异常检测着实不错,但是资料能不能多点呢,numenta的boss们。


2016大概就是这样
2017希望的就是保持这种状态就好,就这样。

以上是关于2016总结的主要内容,如果未能解决你的问题,请参考以下文章

2016年年终报告总结

2016.5.16-2016.5.22 周总结&下周计划

2016年年终总结

Soliworks 2016建模细节总结

2016年OpenStack总结

总结2016,展望2017

2016-03至2016-08前端工作总结

2016年度总结——在路上

2016总结与展望

2016.03.13总结