机器学习算法技能图谱

机器学习算法应用行业：

推荐系统：解决海量数据场景下信息高效匹配分发的问题，如候选集召回，结果排序，以及用户画像等。
广告系统：和推荐系统相类似，但也有显著的差异，需要在考虑平台和用户之外，同时考虑广告主的利益，两方变成了三方，使得一些问题变得更加复杂。
搜索系统：搜索系统的基础建设和上层排序方面，均大量使用了机器学习技术。在网站和 App 中，搜索是非常重要的流量入口，因此，机器学习对搜索系统的优化会将对整个网站产生直接的影响。
风控系统：互联网金融风控是近年来兴起的机器学习的又一重要战场。运用机器学习的能力可以很大程度上决定一家互联网金融企业的风控能力，而企业风控能力又是其业务保障的核心竞争力。

机器学习算法知识网络

必备技能总结：

• 数学基础，特别是概率、统计基础、最优化理论

概率和统计可以说是机器学习领域的基石之一，从某个角度来看，机器学习可以看作是：建立在概率思维之上的，一种对不确定世界的系统性思考和认知方式。学会用概率的视角看待问题，用概率的语言描述问题，是深入理解和熟练运用机器学习技术的最重要基础之一。在统计方面，一些常用的参数估计方法也需要掌握，典型的如最大似然估计、最大后验估计、EM 算法等。最优化理论页一样，都是可以应用于所有模型的理论，贯穿着机器学习的各种模型之中，是基础中的基础。

• 语言
  Python --数据科学和算法领域最火的语言，主要原因是它使用门槛低，上手容易，具有着完备的工具生态圈，同时各种平台对其支持也比较好。
  在模型训练方面，有一些更加专注的工具可以给出更好的训练精度和性能，典型的如 LibSVM、Liblinear、XGBoost 等。
  大数据工具方面，目前离线计算的主流工具仍然是 Hadoop 和 Spark，实时计算方面 Spark Streaming 和 Storm 也是比较主流的选择。
• 机器学习理论（最重要）
  包括如何构建机器学习系统，一套思想和思维模式
  参考：程序人生https://mp.weixin.qq.com/s/ozuAraY9TOo4IWnC_XLS9A