Data Science之你問我地答

本身想問係咪冇normalization
個model 冇加error term?

如果ug讀engine
遲d上bootcamp
加埋master 讀cu maths big data analytics stream
大家覺得點?
cu maths 果個感覺比較theoretical
bootcamp就practical d

如果本身讀Electronic Eng, 想轉行入去做DS, 應該可以點做？
依家上緊edx 讀d DS cert 同上datacamp amd kaggle 玩緊d code.

想讀data science， 有冇邊間介紹

唔想再做濕鳩hr

你讀緊edx 邊d DataScience courses?

Convex Optimization 對ds or da 有幫助？

入左行有時間再讀
知左會對 ML 有更好既 full picture
但 generally 唔識唔會令你做唔到 d tasks

你去 kaggle search 下個 keyword 多唔多資源　就大概知實唔實用

開始出現convex optimization 啦喎。
不如我講吓你會係邊見倒佢。
學SVM會係你開始接觸convex optimization, 因為學SVM一般嘅problem formulation 係一條Quadratic Programming problem, 你會開始聽倒一啲叫primal problem/dual problem 嘅 term, 咩QP 要 satisfy KKT condition 呢類嘢，如果想知係乜，就要學convex optimaiztion (或者學mathematical optimaiztion 都會提)

其實學convex optimization，除咗學一堆definition/theory, 同algorithm for solving convex optimization problem (e.g. interior point method), 最最最重要係學識identify 條問題係唔係一條convex optimization problem，identify 倒基本上就做完，你只要用返啲convex optimization solver 就得，仲會guarantee 有global optimal。

其實係engineering 入面，包括machine learning la, 去到最尾要solve 嘅問題都係一條optimization problem。 咁好多時嗰solution space 唔係convex, 我地就期望用啲好似gradient descent 揾倒嗰local optima 係close to global optima啦，而另一個approach 就係approximate 嗰 objective function with a convex function 再去做convex optimization。

完全乜都唔識 應該點樣從零開始？自己曾經睇書睇過python 初學 但係睇完都唔係好明 就算照做都只係做咗 但唔明

想問下business讀過stat洗唔洗yr1讀起

如果玩 big data，你最想攞到咩 data 同埋咩玩法？

出左autoML之後係咪索性專注在feature engineering上好過？感覺上自己應該無咩可能可以勁到做algorithm research

估唔到連登都會有人識LSTM同埋GCN依啲咁摎攪嘅嘢，lm先。
btw 有無人試過用GPT-3？

讀緊degree, 今年升year 2

讀咩科先