有哪些应该去实现一遍的机器学习和自然语言处理的算法？ 举报 理由 举报 取消 NLTK和sklearn等python类库已经实现了一项任务中大多数需要的工具。理解算法后也能够应用，包括一些调参的部分。但总感觉工程能力不足，只能流程化得完成一项任务。中间总觉得差点什么。是不是应该去实现一些算法和基础ETL代码来增加编程能力？ 2018年2月3日 2 条回复 1149 次浏览 学习,数据挖掘,机器,算法,自然语言
回复 ( 2 )
你所谓的编程能力，是指把算法转化为代码的能力呢，还是写出高质量代码的能力？
前者的话，随便试着实现一些常见的算法，比如SVM、MLP，应该就可以了。
后者相对更困难，不过既然你知道scikit-learn，可以先去Contributing 看看他们对代码有什么要求，然后再去看看里面具体的代码。从最简单的算法看起，看看他们怎么实现，代码可读性有多好，documentation写的有多充分。
看完一些代码可以去看看之前merge的一些规模比较大pull request里的讨论，比如[MRG + 2] Mlp with adam, nesterov’s momentum, early stopping by glennq · Pull Request #5214 · scikit-learn/scikit-learn · GitHub，看看一个新功能添加要经过多少方面的讨论，大到用哪些优化算法、哪些默认参数，小到doc里的错字、语法错误，还有变量名。
之后如果你能写出近似质量的代码，并且给这些开源项目贡献一些代码，那编程能力应该算是没问题了。至于平衡，并没人规定你编程能力强了应用算法就会弱吧？两者都强不行吗？
应该想办法去完成更难的项目，见识各种类型的数据