Datawhale廈門大學分享記錄！

首先，華中科技大學碩士王茂霖初步介紹了統(tǒng)計學習與機器學習的學習體系，具體分析了統(tǒng)計與機器學習的關聯(lián)與區(qū)別，指出機器學習是套用來學習規(guī)則或映射關系的固定方法，同時介紹了傳統(tǒng)的機器學習與深度學習的不同之處，并總結了機器學習的學習路徑與知識體系。最后他建議，如果有意愿從事機器學習行業(yè)：第一，放棄從網上尋找的海量資料；第二，放棄從零起步；第三，邊實踐邊學習。

隨后，Datawhale 開源內容貢獻者聶雄偉分享了數(shù)據(jù)競賽入門的方法與項目實踐經驗，將自己的數(shù)據(jù)科學學歷經歷總結為：從學習到入門，改進、提高方法，擴展解題思路以及分享解題方法。并根據(jù)親身經歷建議：第一，加入有志同道合伙伴的組織（例如 Datawhale 團隊）可以促進自身學習；第二，要敢于挑戰(zhàn)，嘗試實現(xiàn)完整的項目；第三，我們在學習的過程中給自己灌輸正反饋的激勵，向優(yōu)秀的人學習，并最終將所學知識整理成體系。

 緊接著，騰訊廣告算法大賽冠軍魚佬（王賀）向同學們分享了數(shù)據(jù)科學競賽在工作中的應用。一方面，他介紹了數(shù)據(jù)科學可應用的地方，包括用戶畫像、建模算法類以及偏業(yè)務應用類等領域。另一方面，他仔細分析了競賽和工作的區(qū)別，包括時間安排與具體內容，比如在競賽中，幾乎所有時間都花費在幾個比較固定的過程：問題建模-數(shù)據(jù)分析-數(shù)據(jù)清洗-特征工程-模型訓練-模型驗證-結果預測，而工作中往往在問題建模之前還需要明確業(yè)務目標，從業(yè)務問題抽離出數(shù)據(jù)科學問題并選擇合適的方法，此外收集合適的數(shù)據(jù)集并清洗數(shù)據(jù)也會占用較多的時間（比賽一般由比賽方直接提供數(shù)據(jù)集），建模結束后還需要與組外人員協(xié)同做A/B測試，最后給出分析結果和方案建議。

最后分享的嘉賓是 Datawhale 發(fā)起人范晶晶，他從團隊的理念出發(fā)，分享了自己對開源文化的理解，以及在學習與創(chuàng)業(yè)中收獲的經驗。他指出，Datawhale 作為開源學習組織，匯聚了眾多具有開源精神的成員，一起創(chuàng)造價值。同時，他建議同學們在進行職業(yè)選擇的時候，不要將功利作為唯一準則，去嘗試聆聽內心的聲音。

在經驗分享環(huán)節(jié)結束后，Datawhale 成員謝文昕和司玉鑫也上臺和同學們做了自我介紹，并同其他成員一起參與了互動交流環(huán)節(jié)，大家就競賽、職業(yè)選擇等問題踴躍提問。有同學提到在比賽中與隊員交流過少造成雙方對題目理解出現(xiàn)明顯偏差，難以對解決方案達成一致；嘉賓建議，可以從另一個角度來看待這一問題，組內成員交流少可以保證自己的解題思路不受影響，而各成員不同的解決方案完全可以同時包括在最終模型或者報告書中，提高模型準確度以及豐富問題解法。

最后，為了留住這寶貴一刻，雙方團隊互贈了禮物，WISER CLUB 贈送了 Club 前輩任坤著，王婷、趙孟韜、王澤賢譯的《R語言編程指南》；Datawhale贈送了謝文睿、秦州所著的《機器學習公式詳解》（“南瓜書”）。

到此，本次分享會劃上了圓滿的句號，也期待雙方之后能有更多的交流與合作機會！