如果你是一个博士,那么很可能你的理想是提出一个被全世界广泛应用的算法,如EM,SVM等;如果你是一个硕士,那么很可能你的理想是把博士们提出的算法应用到实际的工程当中,我是一个硕士,我目前想做的事情,就是利用目前一些比较成熟的机器学习算法来解决实际工程中的问题。 不过最近比较纠结,怎样去进一步学习机器学习的算法。
本来我的打算是阅读一些比较NB的书籍,如PC或者PC and ML等,但是读了一点之后,发现自己的进度实在太慢,而且看了就忘; 前段时间一直在研究kddcup2012相关的论文和解决方案,我觉得自己应该kddcup2012彻底理解之后,再去看新的东西;但是,我又想对一些常用的算法有一些感性的认识,如他们是应用到什么样的实际场景中的,这样在以后自己面对问题的时候,就可以有方向了,大概心中会有谱,应该用什么样的算法去解决那个问题。
而且,我觉得最好的学习方式不是不断的阅读NB的ML书籍,而是实践和理论结合起来。 比如你要学习SVM,那么首先你可以选择一个以前别人用SVM解决的有很好效果的问题,然后尝试去解决它,等遇到不理解的时候,然后再回头去看理论,这样你的很多知识就会通过一个例子很好地串起来,这样的知识才真正是你的,否则如果只是一味地看书的话,那么很可能你每天面对的是一大堆公式,但是就是不能将它们串起来! 看来很多,但是问自己学到了什么的时候,好像又非常模糊。如果这样的状态下去面试,随便一个深一点的追问,都可以把你给问死了。
为什么要学习机器学习?如何学习
多学习,多总结。