背景：数据分析在读研究生，目前研一，对自己未来的学习方向和职业方向没有清晰的认知。疫情在家学习，突然顿悟，要给自己一个明确的学习方向和职业方向。以下是我通过查找多方面资料自己的一些简介。
参考资料链接：
学习链接：
更新于 2020年3月3日
- 首先明确倾向于研究员还是工程师
- 如果倾向于研究员，在学习已有机器算法的基础上，需要深入学习数据、概率论、矩阵论等相关数学知识。注意，研究员考虑的问题是如何使已有的算法效率更高，或通过改造算法或发明一种新的算法（尽管这很难，但也必须有人做。）这一部分人对于这个行业的发展非常非常重要。同时，门槛比较高，对于数据功底要求非常高。我的理解是这一部分人通常具有一些常人不具备的天赋。比如超强记忆力或者空间想象能力。
- 工程师的话，就更倾向于实际的项目和问题了。这样的话，我们关注点就不再是算法的优化问题了，而是算法与实际问题的匹配和调整问题。也就是平常我们所说的对于模型结果不理想，我们需要去调整模型参数。所以，我们不需要太多的数学基础（当然，最底线也要有大一大二的高数基础），但是需要了解更多的算法。我们需要对这些算法的原理有大致认识，应用范围场景要有清楚的认识。我觉得这个比较适合平凡的我，一个普通的机器学习者。
- 最近两天我有去了解一些数据分析的网站和竞赛，也会去看那些竞赛题目和解决方法。给我感觉在遇到实际需求的时候，最终要的就是对当前需求进行特征分析，选取合适的一种模型或多个模型来解决问题。
- 有时可以会把一些算法看作一个黑盒，只需要关注输入和输出即可，具体里面是怎么运作的。
所以，目前我计划的学习路线就是：
了解机器学习算法->例子实战->比赛强化
