D*a 发帖数: 6830 | 1 比如补课的话需要什么教材,上什么课之类的,提供个链接啊什么的
看到有限的几个,摘到下面。
其他人也来说说吧,不比你们胡喷好么 |
M*P 发帖数: 6456 | 2 you can searh youtube for Uri Alon.
http://www.youtube.com/watch?v=Z__BHVFP0Lk
【在 D*a 的大作中提到】 : 比如补课的话需要什么教材,上什么课之类的,提供个链接啊什么的 : 看到有限的几个,摘到下面。 : 其他人也来说说吧,不比你们胡喷好么
|
s**********y 发帖数: 509 | 3 讲几句秘笈, with bias, 不计版权, 欢迎补充:
各位可以从以下课程筑基:
研究生课程: 概率论, 统计, experimental design, 机器学习
本科生课程: C++, 数据结构, 算法
想进一步的话, 可从以下炼体:
研究生课程: 线代, 数分,优化, 数值
本科生课程: 操作系统, 网络, 数据库, AI
炼气:
研究生课程: 多元分析, 实分, 随机过程
本科生课程: 体系结构, compiler, 心事语言, 图新图像
结丹:
研究生课程: 微风几何, 微风方程, 拓扑
研究生课程:text mining, 信息检索, 视觉
化升:
研究生课程: 复分, 泛函
研究生课程: ???
化升以上, 如果没有迷失在空间乱流, 以致灵界, 修炼由是不同
各位wet scientists不必纠结,修了主机已是万人敌了。 |
s*****j 发帖数: 6435 | 4 你福建人吧? 完全分不清前鼻音, 后鼻音嘛.
【在 s**********y 的大作中提到】 : 讲几句秘笈, with bias, 不计版权, 欢迎补充: : 各位可以从以下课程筑基: : 研究生课程: 概率论, 统计, experimental design, 机器学习 : 本科生课程: C++, 数据结构, 算法 : 想进一步的话, 可从以下炼体: : 研究生课程: 线代, 数分,优化, 数值 : 本科生课程: 操作系统, 网络, 数据库, AI : 炼气: : 研究生课程: 多元分析, 实分, 随机过程 : 本科生课程: 体系结构, compiler, 心事语言, 图新图像
|
s**********y 发帖数: 509 | 5 我们那疙瘩都这样, 不好意思。
【在 s*****j 的大作中提到】 : 你福建人吧? 完全分不清前鼻音, 后鼻音嘛.
|
m********5 发帖数: 17667 | 6 泛函是起码的吧,这个是相当于新的世界观,犹如0和复数的引入一般重要
这个不懂学啥米概率,随机,机器学习呢
【在 s**********y 的大作中提到】 : 讲几句秘笈, with bias, 不计版权, 欢迎补充: : 各位可以从以下课程筑基: : 研究生课程: 概率论, 统计, experimental design, 机器学习 : 本科生课程: C++, 数据结构, 算法 : 想进一步的话, 可从以下炼体: : 研究生课程: 线代, 数分,优化, 数值 : 本科生课程: 操作系统, 网络, 数据库, AI : 炼气: : 研究生课程: 多元分析, 实分, 随机过程 : 本科生课程: 体系结构, compiler, 心事语言, 图新图像
|
s**********y 发帖数: 509 | 7 这位兄台以箏灵界, 可喜可贺
【在 m********5 的大作中提到】 : 泛函是起码的吧,这个是相当于新的世界观,犹如0和复数的引入一般重要 : 这个不懂学啥米概率,随机,机器学习呢
|
w***x 发帖数: 265 | 8 化升的计算机部分大概是理论计算机科学(TCS)吧。。。不过我觉得这部分基本上属
于brain exercise级别的个人娱乐了,虽说超有趣但生物不太用的上。。。。哈哈哈
我觉得学啥取决于做啥:
做bioimaging,
应该学光学,信号与系统,DSP,优化,数值,Information Theory, Computer Vision,
Machine Learning
做Modeling的,
应该学数理方法,ODE/PDE, 随机过程,控制论,信号与系统
做Genomics的,
本科的CS知识+数量遗传学+概率统计+Machine Learning就差不多了
有的东西有先修,比如没线代不大好学CV/ML/多元统计之类的东西。。。
有的东西要做高端需要额外的数学,不过我觉得大多数本科的applied math的东西就足
够了
说说我了解的入门教材,
信号与系统/DSP 首推oppenheim的Signal and System/Discrete-Time Signal
Processing。
Information Theory/Machine Learning的入门书,强烈推荐David MacKay的
http://www.inference.phy.cam.ac.uk/itprnn/book.html,
在同类书里写的是最引人入胜的。
Computer Vision的话Gonzalez的Digital Image Processing和CMU一伙人写的Computer
Vision加起来可以入门。
了解操作系统,体系结构,程序优化之类的东西读读Computer System: a programmer'
s perspective就足够了。
Data Mining入门推荐Introduction to data mining,Pang ning Tan等人写的。这个
书介绍概念为主,不是很数学,比较实用。
当然这些东西哪个往里钻都是很深的水,但如果作为应用的话入门书已经足够了吧~
现在coursera网站上有很多在线课程,有闲情逸致的同志也可以去注册一个上上课。很
多我提到的课程都有,而且不少居然是大牛开的。。。
【在 s**********y 的大作中提到】 : 讲几句秘笈, with bias, 不计版权, 欢迎补充: : 各位可以从以下课程筑基: : 研究生课程: 概率论, 统计, experimental design, 机器学习 : 本科生课程: C++, 数据结构, 算法 : 想进一步的话, 可从以下炼体: : 研究生课程: 线代, 数分,优化, 数值 : 本科生课程: 操作系统, 网络, 数据库, AI : 炼气: : 研究生课程: 多元分析, 实分, 随机过程 : 本科生课程: 体系结构, compiler, 心事语言, 图新图像
|
u**********d 发帖数: 573 | 9 炼丹是伪科学
如果以炼丹的方式来学习数学,想当然地敞口就来,必将走火入魔!
【在 s**********y 的大作中提到】 : 讲几句秘笈, with bias, 不计版权, 欢迎补充: : 各位可以从以下课程筑基: : 研究生课程: 概率论, 统计, experimental design, 机器学习 : 本科生课程: C++, 数据结构, 算法 : 想进一步的话, 可从以下炼体: : 研究生课程: 线代, 数分,优化, 数值 : 本科生课程: 操作系统, 网络, 数据库, AI : 炼气: : 研究生课程: 多元分析, 实分, 随机过程 : 本科生课程: 体系结构, compiler, 心事语言, 图新图像
|
s**********y 发帖数: 509 | 10 讲了数学, 干脆再讲几句学生物的秘笈, 主要针对数理背景的同修有志于生物研究,
with bias, 不计版权, 欢迎各位补充:
各位可以从以下课程筑基:
遗传学 (几乎是数理与生物结合的完美典范,有多少biostatistics 是从遗传学开始)
想进一步的话, 可从以下炼体:
有机, 细胞
炼气:
生化, 分子生物学(见下+)
结丹:
生理, 生物物理, 微生物
化升:
发育, 神经, 免予
化升以上修炼就不同不张开了。所有课程本科生的课程即可。
多讲几句。 细胞是生物学是一门描述科学的最佳注脚。经典细胞生物学各位可能还可
以习惯, 毕竟还有可能看见。到了生化, 分子生物学,大段的对原子分子水平上的描
述, 不禁让人产生疑问: 这些描述何以得出?参见生物与数学的讨论。
如果您pass炼气期, 尤其是习惯了在分子水平上大胆想象, 恭喜你, 前途一片平坦
, 结丹化升加以时日, 一定可待。 |
|
|
s**********y 发帖数: 509 | 11 数学是一门朴实的学科, 何来走火入魔?
【在 u**********d 的大作中提到】 : 炼丹是伪科学 : 如果以炼丹的方式来学习数学,想当然地敞口就来,必将走火入魔!
|
w****z 发帖数: 105 | 12 "所有课程本科生的课程即可。" 深刻呀.
始)
【在 s**********y 的大作中提到】 : 讲了数学, 干脆再讲几句学生物的秘笈, 主要针对数理背景的同修有志于生物研究, : with bias, 不计版权, 欢迎各位补充: : 各位可以从以下课程筑基: : 遗传学 (几乎是数理与生物结合的完美典范,有多少biostatistics 是从遗传学开始) : 想进一步的话, 可从以下炼体: : 有机, 细胞 : 炼气: : 生化, 分子生物学(见下+) : 结丹: : 生理, 生物物理, 微生物
|
N******n 发帖数: 3003 | 13 你这个不是特别适用,很难做到。
最简单的就是数据结构和Jave or C++.
两门课花个2年时间,如果能做到什么题目都能做。就可以找到10万的工作了。
【在 s**********y 的大作中提到】 : 讲几句秘笈, with bias, 不计版权, 欢迎补充: : 各位可以从以下课程筑基: : 研究生课程: 概率论, 统计, experimental design, 机器学习 : 本科生课程: C++, 数据结构, 算法 : 想进一步的话, 可从以下炼体: : 研究生课程: 线代, 数分,优化, 数值 : 本科生课程: 操作系统, 网络, 数据库, AI : 炼气: : 研究生课程: 多元分析, 实分, 随机过程 : 本科生课程: 体系结构, compiler, 心事语言, 图新图像
|
u*****8 发帖数: 180 | 14 re
【在 w****z 的大作中提到】 : "所有课程本科生的课程即可。" 深刻呀. : : 始)
|
s**********y 发帖数: 509 | 15 谈钱不是横眉意思吗?呵呵, 10万不至于, 六七万也许。
【在 N******n 的大作中提到】 : 你这个不是特别适用,很难做到。 : 最简单的就是数据结构和Jave or C++. : 两门课花个2年时间,如果能做到什么题目都能做。就可以找到10万的工作了。
|
N******n 发帖数: 3003 | 16 你给的那么多东西,估计的至少全职学习4年时间,如果是part time,估计要5-6年,
不现实呀。 我给的part time, 2年。 工资翻倍。
【在 s**********y 的大作中提到】 : 谈钱不是横眉意思吗?呵呵, 10万不至于, 六七万也许。
|
D*a 发帖数: 6830 | 17 我说得不是转行好不好
【在 N******n 的大作中提到】 : 你这个不是特别适用,很难做到。 : 最简单的就是数据结构和Jave or C++. : 两门课花个2年时间,如果能做到什么题目都能做。就可以找到10万的工作了。
|
N******n 发帖数: 3003 | 18 这个概念很难,能解释一下对偶空间的概念吗? 现在还是云里雾
【在 m********5 的大作中提到】 : 泛函是起码的吧,这个是相当于新的世界观,犹如0和复数的引入一般重要 : 这个不懂学啥米概率,随机,机器学习呢
|
s**********y 发帖数: 509 | 19 对偶还好, 函数空间也可以是有限维的。 想想对偶的对偶就更有帮助。
【在 N******n 的大作中提到】 : 这个概念很难,能解释一下对偶空间的概念吗? 现在还是云里雾
|
s**********y 发帖数: 509 | 20 4年化升,应该是业内翘楚, 呵呵。
【在 N******n 的大作中提到】 : 这个概念很难,能解释一下对偶空间的概念吗? 现在还是云里雾
|
|
|
c****3 发帖数: 6038 | 21 搞实验的去读这个
Data Analysis for Physical Science Students
给物理系大一新生准备的 作者Louis Lyons
读了这个再决定高级一点的上什么 |
s******r 发帖数: 2876 | 22 兄弟,帮人帮到底,能不能给几个网上课程的link,
隔行如隔山,我这外行,也不动哪些网上课程的效果比较好,
哪些是大牛开的。
Vision,
【在 w***x 的大作中提到】 : 化升的计算机部分大概是理论计算机科学(TCS)吧。。。不过我觉得这部分基本上属 : 于brain exercise级别的个人娱乐了,虽说超有趣但生物不太用的上。。。。哈哈哈 : 我觉得学啥取决于做啥: : 做bioimaging, : 应该学光学,信号与系统,DSP,优化,数值,Information Theory, Computer Vision, : Machine Learning : 做Modeling的, : 应该学数理方法,ODE/PDE, 随机过程,控制论,信号与系统 : 做Genomics的, : 本科的CS知识+数量遗传学+概率统计+Machine Learning就差不多了
|
s******r 发帖数: 2876 | 23 有什么容易上手的课程,教材可以推荐吗?
这种也有类似吉米多维奇的习题集吗?
【在 N******n 的大作中提到】 : 你这个不是特别适用,很难做到。 : 最简单的就是数据结构和Jave or C++. : 两门课花个2年时间,如果能做到什么题目都能做。就可以找到10万的工作了。
|
u**********d 发帖数: 573 | 24 再朴实的学科也架不住不靠谱的人去折腾啊
【在 s**********y 的大作中提到】 : 数学是一门朴实的学科, 何来走火入魔?
|
c****3 发帖数: 6038 | 25 coursera
【在 s******r 的大作中提到】 : 兄弟,帮人帮到底,能不能给几个网上课程的link, : 隔行如隔山,我这外行,也不动哪些网上课程的效果比较好, : 哪些是大牛开的。 : : Vision,
|
l***s 发帖数: 841 | 26 要学的太多,一个人精力有限,不可能什么都学。结合自己的研究需要就好。对于大多
数人来说,简单的统计原理总是用的上的。另外不能着急,学习是个长期过程,活到老
学到老。贵在坚持。
【在 D*a 的大作中提到】 : 比如补课的话需要什么教材,上什么课之类的,提供个链接啊什么的 : 看到有限的几个,摘到下面。 : 其他人也来说说吧,不比你们胡喷好么
|
w***x 发帖数: 265 | 27 coursera网站上你去看需要的课吧。里面大多课程偏入门性质,但是对于自学足够了。
(毕竟面向的对向不是相关专业的研究生)
举几个大牛课的例子:
Machine learning: Andrew Ng
Computer Vision: Feifei Li
Neural Network: G. Hinton
这几个都是各自领域的超牛。。。。。。
想入门算法的,上面正有一个Princeton开的基于java的算法课~
【在 s******r 的大作中提到】 : 兄弟,帮人帮到底,能不能给几个网上课程的link, : 隔行如隔山,我这外行,也不动哪些网上课程的效果比较好, : 哪些是大牛开的。 : : Vision,
|
s**********y 发帖数: 509 | 28 应用数学必修十课:
数学分析,高等代数,解析几何,常微分方程,数理方程,微分几何,复变函数论,概
率论,数理统计,数值分析
林家翘, 1983, 清华。
【在 u**********d 的大作中提到】 : 再朴实的学科也架不住不靠谱的人去折腾啊
|
k*****1 发帖数: 454 | 29 我觉得真没必要学这么多。你是搞生物,不是搞计算机或是数学。
我觉得生物当中真正有用的是具有某种思维模式,你能够抽象出某个模型出来,细节型
的东西可以找人合作。生物当中非常成功的数学模型都特别简单,一点点微分方程,加
上一点点概率统计,基本上就够了。编程用MATLAB就够了,除非是做数据量特别大的分
析,要是遇到这种情况,与其你自己去学,还不如找个专家去合作。
差别还是在思维方式上,而不是技巧上。
【在 s******r 的大作中提到】 : 有什么容易上手的课程,教材可以推荐吗? : 这种也有类似吉米多维奇的习题集吗?
|
u**********d 发帖数: 573 | 30 re
【在 l***s 的大作中提到】 : 要学的太多,一个人精力有限,不可能什么都学。结合自己的研究需要就好。对于大多 : 数人来说,简单的统计原理总是用的上的。另外不能着急,学习是个长期过程,活到老 : 学到老。贵在坚持。
|
|
|
u**********d 发帖数: 573 | 31 赞!
【在 w***x 的大作中提到】 : coursera网站上你去看需要的课吧。里面大多课程偏入门性质,但是对于自学足够了。 : (毕竟面向的对向不是相关专业的研究生) : 举几个大牛课的例子: : Machine learning: Andrew Ng : Computer Vision: Feifei Li : Neural Network: G. Hinton : 这几个都是各自领域的超牛。。。。。。 : 想入门算法的,上面正有一个Princeton开的基于java的算法课~
|
u**********d 发帖数: 573 | 32 这是拉林家翘这位老先生来背书了。
生物也分很多的门类,难道都得把这十种学完了?尤其是几何,具体在生物学上有什么
应用?
【在 s**********y 的大作中提到】 : 应用数学必修十课: : 数学分析,高等代数,解析几何,常微分方程,数理方程,微分几何,复变函数论,概 : 率论,数理统计,数值分析 : 林家翘, 1983, 清华。
|
s**********y 发帖数: 509 | 33 那个bioimaging, 还有那个生物物理的谁谁谁都在哪? |
G***y 发帖数: 1082 | 34 Mark,这个帖子干货不少,比那个回帖就一个反问句的强多了。
【在 D*a 的大作中提到】 : 比如补课的话需要什么教材,上什么课之类的,提供个链接啊什么的 : 看到有限的几个,摘到下面。 : 其他人也来说说吧,不比你们胡喷好么
|
l**********1 发帖数: 5204 | 35 她/他那是做NGS 3.0 Biostatistics new cutting edge platform establishing
才需要的 林家翘老先生十种学完
一般是数学PhD or CS/理论物理学 PhD 作为第一作者的
而作为wet lab PhD 数学手段的使用 只要掌握mathworks and Python or Perl
的简单编程 以及debug etc.
而微积分学的能力 有 2012 年度考上北大数学系或理论物理系本科的那20-30 个 高中
毕业水平的数学 水平 就足够了
欧美的wet lab Bio/Medi PIs >66.8 % 不具那数学水平 比如sunny day (sorry,
here just as one example and also just possible)
---
发信人: unfieldified (未场化的蛮), 信区: Biology
标 题: Re: 很闲的人来具体说说需要什么样的数学不行么
发信站: BBS 未名空间站 (Sun Sep 2 12:56:17 2012, 美东)
这是拉林家翘这位老先生来背书了。
生物也分很多的门类,难道都得把这十种学完了?尤其是几何,具体在生物学上有什么
应用?
【在 s**********y 的大作中提到】 : 应用数学必修十课: : 数学分析,高等代数,解析几何,常微分方程,数理方程,微分几何,复变函数论,概 : 率论,数理统计,数值分析 : 林家翘, 1983, 清华。
|
r****t 发帖数: 10904 | 36 本科不用学数学?研究生概率,统计多半要知道现代,数分之后才能看得懂。
【在 s**********y 的大作中提到】 : 讲几句秘笈, with bias, 不计版权, 欢迎补充: : 各位可以从以下课程筑基: : 研究生课程: 概率论, 统计, experimental design, 机器学习 : 本科生课程: C++, 数据结构, 算法 : 想进一步的话, 可从以下炼体: : 研究生课程: 线代, 数分,优化, 数值 : 本科生课程: 操作系统, 网络, 数据库, AI : 炼气: : 研究生课程: 多元分析, 实分, 随机过程 : 本科生课程: 体系结构, compiler, 心事语言, 图新图像
|
s**********y 发帖数: 509 | 37 那个list是给转专业或修跨专业的同学设计的。
【在 r****t 的大作中提到】 : 本科不用学数学?研究生概率,统计多半要知道现代,数分之后才能看得懂。
|
k*****1 发帖数: 454 | 38 我就推荐一本书给对概率模型感兴趣的同学,
Introduction to Probability Models, Ninth Edition (Hardcover)
by Sheldon M. Ross ------ $20.00
非常浅显易懂。都是实例分析。 |
i*****g 发帖数: 11893 | 39 你去MIT.edu上面找数学本科的openware course
我是4年多前下载了一批,不过从来没有去钻研学习 |
l******u 发帖数: 936 | |
|
|
N******n 发帖数: 3003 | 41 大学数学基础+
1. linear algebra youtube, mit.edu search
2. probability and distribution
3. optimization
基本上,能解决生物信息学的大部分问题。
一个原因是生物有很多数据是High dimension, 求解的时候要用到上面的问题。 包括
network, graphic model...
【在 s**********y 的大作中提到】 : 应用数学必修十课: : 数学分析,高等代数,解析几何,常微分方程,数理方程,微分几何,复变函数论,概 : 率论,数理统计,数值分析 : 林家翘, 1983, 清华。
|
l**********1 发帖数: 5204 | 42 看看杰克颂的小鼠系统生物医学 博士后 要求的
Experience with scientific programming languages including
java, c/c++, ruby, perl, or R is recommended.
more pls refer:
Postdoctoral Associate - Computational and Systems Biology
The Center for Genome Dynamics (www.genomedynamics.org) is an NIGMS National
Center for Systems Biology housed at The Jackson Laboratory.
Applicants should have a PhD (or equivalent degree) in a quantitative field
such as computer science, statistics, applied mathematics or in the
biological sciences but with a strong quantitative background. Applicants
must demonstrate a commitment to solving biological problems. Successful
applicants must have good communication skills. Experience with scientific
programming languages including java, c/c++, ruby, perl, or R is recommended
. Work within the center is highly interdisciplinary, and applicants must
demonstrate a desire to develop skills in new areas of science and in
building strong collaborations.
Apply online at www.jax.org/careers (Job ID 2311). The Jackson Laboratory is
an EOE/AA employer.
//systems-biology.org/jobs/2012/ |