学习建议

学习量要适中

学习的心得是，学习笔记写到600行的时候，对一个topic就开始烦躁了，大家练习的时候也要控量，慢慢来。

代码不够熟悉

有时候想直接复盘一些微信文章的idea和代码，但是积累不够，做起来很麻烦，一个小的idea，代码和参数的查询就要1个小时，真不开心。 因此最好的还是慢慢来，先标准化的课程过一遍，这样比较快。

特征工程和数据探索

要理解data exploring的技能，这样才能活得更好。 要搞好啊，不然每次做数据要花那么长的时间。 没有一个固定方法，或者都是炒冷饭。

迷茫中

可以谈谈现在使用R和Python的感受。

R方面。 EDA的范畴上，skimr、ggplot2、dplyr已经足够了，其他的tidyverse包已经涵盖了。因此只要熟悉这几个包，基本上EDA没有什么大的问题。 输出和可视化方面，还需要对knitr包有一定了解。 模型的话，就具体问题具体分析了，xgboost包很好，各平台兼容很好。

Python方面。安装一直是个问题，对ananconda、原生、PyCharm，没有很仔细的区分，也没有很理解。EDA也只停留在，pandas的范畴，用的少，也记不住，希望今年能够拿下。 Python的模型包，对集成方案的理解非常好，因此模型只是熟练程度的问题。

对模型的优化，我大致都了解了，下一步要开始学习stacking了。 对了，还有就是要follow大神的blog，始终在学习上。

我本身不是CS专业，工作后，已经没有时间和精力去了解底层逻辑和推导算法了，这非常遗憾，虽然我知道Econ的底子是可以办到的。 但是总的来说，9月份开始学习，12月份开始陆续写笔记，一路下来，保持学习的状态总是好的，至少预期上是的。