如果你是乙個博士，那麼很可能你的理想是提出乙個被全世界廣泛應用的演算法，如em，svm等；如果你是乙個碩士，那麼很可能你的理想是把博士們提出的演算法應用到實際的工程當中，我是乙個碩士，我目前想做的事情，就是利用目前一些比較成熟的機器學習演算法來解決實際工程中的問題。 不過最近比較糾結，怎樣去進一步學習機器學習的演算法。
本來我的打算是閱讀一些比較nb的書籍，如pc或者pc and ml等，但是讀了一點之後，發現自己的進度實在太慢，而且看了就忘； 前段時間一直在研究kddcup2012相關的**和解決方案，我覺得自己應該kddcup2012徹底理解之後，再去看新的東西；但是，我又想對一些常用的演算法有一些感性的認識，如他們是應用到什麼樣的實際場景中的，這樣在以後自己面對問題的時候，就可以有方向了，大概心中會有譜，應該用什麼樣的演算法去解決那個問題。
而且，我覺得最好的學習方式不是不斷的閱讀nb的ml書籍，而是實踐和理論結合起來。 比如你要學習svm，那麼首先你可以選擇乙個以前別人用svm解決的有很好效果的問題，然後嘗試去解決它，等遇到不理解的時候，然後再回頭去看理論，這樣你的很多知識就會通過乙個例子很好地串起來，這樣的知識才真正是你的，否則如果只是一味地看書的話，那麼很可能你每天面對的是一大堆公式，但是就是不能將它們串起來！ 看來很多，但是問自己學到了什麼的時候，好像又非常模糊。如果這樣的狀態下去面試，隨便乙個深一點的追問，都可以把你給問死了。
機器學習 四 之如何學習機器學習
推薦一篇很好的文章,本文部分借鑑於 kaggle的 手寫識別 首先 我們要了解 什麼是tensorflow?其次 我們要學會一些概念 再其次 我們要學會整個機器學習的思路 建立乙個機器學習的model 1 制定乙個model是線性的還是非線性的 2 使用乙個最簡單的單層的神經網路進行學習 3 選擇l...
如何學習機器視覺
在與大家交流的過程中，發現了乙個問題，一直想說出來。可是通常實話都不會那麼順耳，所以總有些猶豫。可後再一想，既然大家來此的目的不過是為了討論問題 互通有無，那麼說了也應無妨。這個問題就是 我發現國內80 搞這行 機器視覺 的朋友所走的路子是錯的。於是在國外，從事這一行業的人現在也就可以簡單而清楚地分...
討論 學習深度學習是否要先學習機器學習？
有同學問 最近做畢設要做乙個神經網路的課題，想請教一下各位我需不需要把機器學習也都學習一遍？看看過來人怎麼回答？有同意也有反對的，都有一定道理。那麼學習流程就是這樣 python keras 做影象 只會cnn就完了 from keras.layers import conv2d 做自然語言處理 只...