1、從外功入手，兼顧內功修煉
《集體智慧編程》+《統計基本方法》
所見即所得，有實際反饋。
2、這是工科，不是理科，因此需要更多實際項目的訓練
LeetCode + Kaggle
需要更多練習，接近實際的練習。
leetcode訓練傳統算法
Kaggle數據挖掘競賽(特征工程，大於學習模型本身的重要性)
3、 訓練自己快速閱讀paper的能力
ICML NIPS AAAI CVPR等
機器學習相關的期刊的名稱。
比如深度學習，可以通過期刊了解到新等模型體系，可以有針對性的做壹些學習。
學習路線
無論是否計算機出身，數學方面的能力在算法工作中是非常必要的基礎，需要掌握的程度如下：
1、高等數學，主要包括微分和積分、偏微分、向量值函數、方向梯度、泰勒展開等，才能更好理解算法公式，調參原理，以及叠代時梯度的概念等;
2、線性代數，主要是矩陣運算、高維向量、空間運算，這些是理解深度學習向量空間的基礎;
3、概率論及數理統計，或者稱之為概率學和統計學，要理解，機器學習本質上是壹個概率問題，從數據中學習的不確定性，就是在獲得概率值。
綜上所述，就是小編今天給大家分享的關於數據分析工程師如何快速成長的相關內容，希望可以幫助到大家。