Data Science之你問我地答

你個方法係唔理佢twitter寫左乜？定係用NLP方法bag of words encode左個content?
似乎好似你咁講既話的確要做晒每日data，sliding window咁做，例如每日stock都睇過去60日data咁，但你寫program run既時間應該長極有限
不過個人覺得就咁睇名人出Twitter post估股市似乎好難搵到pattern，或姐好易overfit。而且因果關係都有問題，可能係股市升跌佢先出post, 不必係出左先升跌，你可能要段小時甚至分鐘咁分柝

睇完識多咗
多謝巴打

我功課係由0 開始寫Adaboost.
平時都係用下packages, 要自己寫起上來...真係停晒手

push
啲數我覺得除非你做engineer
如果唔係 大約明就得

留名睇下其他巴打點睇

mining 係指study啲features同build model?
python啲library其實都幾齊

你覺得一入行一定要識啲咩？ 包括哂所有數 電腦
因為我讀緊DS 但總係覺得讀唔到好多要用嘅嘢咁

Stat d package係差咁d 講緊d classical stat

識就 Python/R, SQL, Models, Basic Stats
我覺得portfolio 有用啲

想問下做time series prediction，就咁binary classification
試過用LSTM, CNN 2D, 3D, GRU...
但performance (accuracy, recall, F1...)都唔夠就咁用 statsmodels 嘅logistic regression 好 (最多只做到相若)
乜ANN 唔係通常好過single layer logistic 咩

Msc呢？

睇個post點解個個都好有興趣入行咁

人工並唔係特別高，啲數底同stat底要求又高，分分鐘仲快秃過揼code友

利申:讀緊neural network就死

無一個model可以係所有問題上out perform晒其他model
可能你個 problem set 係岩 LR
同埋multiple layers neural network複雜過 LR 好多，所以好易overfit, 要相對更多data去train

我覺得因為好玩過寫code
寫code係人地叫你做咩就做咩
做data science多啲機會決定要做咩

我覺得起碼要夠做 feature selection / engineering, 同埋理解啲 model
其實啲 ML model 大多都係 stats 既 model

美國讀緊Data Science ug, 就畢業但覺得自己咩都唔識, 又冇乜做過project
份resume都唔知寫乜 剩係list一大堆skill上去 projects寫得一個 想搵intern都唔知點算 壓力好大

就係剩係得club 嘅project
Department d email 之前冇乜點理 而家好後悔
唸住以為自己有個project已經得 點知原來其他勁人可以三四五六個
個virus又搞到d opportunity 冇哂

去到RL嘅話 structure都好難砌

咁我讀緊書有用過SAS 呢個係咪冇公司用？