在下最近开始做数据这方面的工作，之前也不是混互联网的，经验比较少，不知道数据分析业界是怎样的，所以上来求前辈分享一下经验。 入坑的时候，算法，操作系统，网络编程，设计模式等都学得可以，本来打算是往后台开发方向去的。不料被安排到了数据分析。 当时没考虑这么多，反正数据挖掘这么火热。。。然而现在慢慢发现此坑巨深，cs也要，数学也要，普通人真的很难做些像样的东西出来，平时的工作就是调调包，改改参数。 我也做过几个轮子，svm，神经网络，决策树，apriori，knn都造过，hadoop和spark也会用。轮子都很复杂，看看原理还好，实现起来有时感觉真的挺恶心的，所以感觉很难造出些给力的成果来。毕竟花大量工夫把轮子做出来也不一定有现成的轮子 […]

百度是凤巢model组做ctr方面的，微软是Bing广告算法组，做触发方面。都在北京，不想出国。请教个人发展与风险，希望知乎了解的大牛们不吝赐教，非常感谢。

如果在公司里，这属于两个工种：算法工程师、Hadoop工程师。那么请描述这两个工作岗位的员工是怎么合作的？工作流程是怎样的？

本人本科是学机械的，研究生学商科偏金融理论，对数据比较感兴趣。软件matlab，office，spss，python会一些。请问这样的专业背景在互联网行业什么工作比较对口？数据分析可否从事？数据运营可否从事？本人最近对机器学习有兴趣，功利点来说，这些算法对我的职业发展有帮助么？希望各位已经入职的大牛们为我指点下迷津！

如果是侧重于运用机器学习算法到实际业务中，而不是偏向于研究和分析理论知识的工作，两者的工作内容会有多大不同？在大公司和小公司有什么差别？两者的职业发展道路又会有多大不同？所谓的“调参侠”就是类似于前者？

数据处理，工业，机器学习

都说PRML是机器学习的经典中的经典，是每个机器学习相关方向必须啃得书籍，那么PRML到底经典在哪里呢？与其他的书籍相比，有哪些过人之处？

Linear least squares, Lasso,ridge regression有何本质区别？还有ridge regression uses L2 regularization; and Lasso uses L1 regularization. L1和L2一般如何选取？

刚开始看这本书，第二章的pydelicious函数库什么的已经不容易使用了，delicious的网址啥的都改了，还要很麻烦的不停google错误提示，我想问下这种不兼容的东西还有必要学吗，还是只看那些算法的实现，