机器学习理论研究者要不要学编程和数据结构与算法

在我看来，是非常重要的！

去年有一个数学系的博士生找到我，她发明了一份离线数据流聚类的算法，我实现代码。拿到她的公式算法流程后，听她讲了一遍，有很多问题。

这个聚类算法是基于各种各样的聚类算法改的，可以看出，没什么特别的创新之处。这不用说，这是大多数算法研究的现状。

不出所料，我在帮她写代码的时候，每一步都会新产生各种各样的问题。

我在用C++给她实现算法，有很多细节的部分，包括是存数组的index，还是值，各种排序，怎么做。这些问题那些搞数学出身的根本考虑不到。

然后，整个算法开辟了大量的数组，空间复杂度非常大，可是我问她，她连空间复杂度时间复杂度都不会求。

想问问算法的并行异步IO读取文件，根本没有考虑的事儿。

事实上，我的编程水平能力，我的算法能力，才是她这个算法性能能提高多少的关键。我是用多层循环还是矩阵运算，她的程序速度能有天壤之别。

我也并不是ACM大神，只是一个大三的EE苦逼自学CS的弱渣。她事先只是想找个coder帮她写一下，我也没有参与到算法研发的过程。但是没想到，真的，一个好的算法=Coding+数学。

想想Xgboost这种算法，陈天奇以前也是ACM出身，算法基础杠杠的。人家才能基于GBDT，在并行处理、内存缓存这些地方出彩。人家才能在打kaggle的实战中总结经验，发明新算法。LightGBM也是微软非常出色的工程师根据实际经验改进的，才能降低内存消耗。所以算法不是为了发paper，脑袋瓜子一拍就想出来的，公式打出来就完事的，自己要懂编程，要懂数据结构与算法，要一步一步在工程中就实现，工程中的问题不比数学少！

你也不是大牛教授，没有那么ACM学生给你打杂，还是努力提高自身吧！

发布于 2018-06-10