s****i
发帖数: 216 | 1 最近想涉及这个领域， 看论文abstract都有些迷茫，
以前看有牛人说，现在基本上都是对各种learning method下
的算法小改进， 好像没什么更highlevel的东西，
听了还是很迷惑， 请达人介绍下吧。 |
h*******e
发帖数: 225 | 2 入门的话，先看看经典的书吧，没有基本的了解看paper也没有太大意义。
【在 s****i 的大作中提到】
: 最近想涉及这个领域， 看论文abstract都有些迷茫，
: 以前看有牛人说，现在基本上都是对各种learning method下
: 的算法小改进， 好像没什么更highlevel的东西，
: 听了还是很迷惑， 请达人介绍下吧。
|
p*********w
发帖数: 606 | 3 duda的pattern recognition，大概就有个了解。
想理论深点就看vapnic的统计学习理论，是svm的理论基础，要用svm就不用看了
再看点bayes，markov概率模型，图模型
看一下boosting
差不多了
【在 s****i 的大作中提到】
: 最近想涉及这个领域， 看论文abstract都有些迷茫，
: 以前看有牛人说，现在基本上都是对各种learning method下
: 的算法小改进， 好像没什么更highlevel的东西，
: 听了还是很迷惑， 请达人介绍下吧。
|
N**D
发帖数: 10322 | 4 Ralf Herbrich has a book, very good, little hard to read. worth reading
【在 s****i 的大作中提到】
: 最近想涉及这个领域， 看论文abstract都有些迷茫，
: 以前看有牛人说，现在基本上都是对各种learning method下
: 的算法小改进， 好像没什么更highlevel的东西，
: 听了还是很迷惑， 请达人介绍下吧。
|
l********o
发帖数: 33 | 5 bishop's new book on pattern recognition and machine learning
but not suitable for beginner;
duda's book is the first step.
【在 s****i 的大作中提到】
: 最近想涉及这个领域， 看论文abstract都有些迷茫，
: 以前看有牛人说，现在基本上都是对各种learning method下
: 的算法小改进， 好像没什么更highlevel的东西，
: 听了还是很迷惑， 请达人介绍下吧。
|
s****i
发帖数: 216 | 6 thanks you all !!!
but what is the possibility to apply for graduate study in usa in this area,
on condition that i am a new comer?
is that possible?
someone tells me it would be impossible if applying for top 20 school ?
that sounds sad~~ |
v********e
发帖数: 1058 | 7 virtually impossible for top 20
area,
【在 s****i 的大作中提到】
: thanks you all !!!
: but what is the possibility to apply for graduate study in usa in this area,
: on condition that i am a new comer?
: is that possible?
: someone tells me it would be impossible if applying for top 20 school ?
: that sounds sad~~
|
p*******r
发帖数: 475 | 8 之前没做过希望不大，除非你是名校的GPA前几名
area,
【在 s****i 的大作中提到】
: thanks you all !!!
: but what is the possibility to apply for graduate study in usa in this area,
: on condition that i am a new comer?
: is that possible?
: someone tells me it would be impossible if applying for top 20 school ?
: that sounds sad~~
|
b********p
发帖数: 875 | 9 从duda到vapnik跳跃太大了点.
其实从AIMA相关章节开始好了,在看看主教和乔丹的书,
要看懂vapnik得把拓扑实变泛函概率论都打通才行啊
【在 p*********w 的大作中提到】
: duda的pattern recognition，大概就有个了解。
: 想理论深点就看vapnic的统计学习理论，是svm的理论基础，要用svm就不用看了
: 再看点bayes，markov概率模型，图模型
: 看一下boosting
: 差不多了
|
v********e
发帖数: 1058 | 10 主教是Tom Mitchell?
【在 b********p 的大作中提到】
: 从duda到vapnik跳跃太大了点.
: 其实从AIMA相关章节开始好了,在看看主教和乔丹的书,
: 要看懂vapnik得把拓扑实变泛函概率论都打通才行啊
|
|
|
b********p
发帖数: 875 | 11 bishop
【在 v********e 的大作中提到】
: 主教是Tom Mitchell?
|
v********e
发帖数: 1058 | 12 哦，才反应过来，哈哈
【在 b********p 的大作中提到】
: bishop
|
v****s
发帖数: 1112 | 13 r u in computer vision research field?
how can "boosting" be listed after PGM, Markov? emsemble learning is just a
small branch of ML.
【在 p*********w 的大作中提到】
: duda的pattern recognition，大概就有个了解。
: 想理论深点就看vapnic的统计学习理论，是svm的理论基础，要用svm就不用看了
: 再看点bayes，markov概率模型，图模型
: 看一下boosting
: 差不多了
|
v****s
发帖数: 1112 | 14 if u want to choose ML and dig deep, u should be very very strong in
mathematics, esp statistics, optimization, etc.
so many smart guys in this planet r researching ML.
to c how it can be, google one of them,
dahua lin
【在 s****i 的大作中提到】
: 最近想涉及这个领域， 看论文abstract都有些迷茫，
: 以前看有牛人说，现在基本上都是对各种learning method下
: 的算法小改进， 好像没什么更highlevel的东西，
: 听了还是很迷惑， 请达人介绍下吧。
|
g***o
发帖数: 230 | 15 借人气问一下，有人参加NIPS workshop吗，寻roommate中.....
a
【在 v****s 的大作中提到】
: r u in computer vision research field?
: how can "boosting" be listed after PGM, Markov? emsemble learning is just a
: small branch of ML.
|
g******y
发帖数: 46 | 16 我靠，我一开始以为你就是dahua lin呢？
这人狂发CVPR啊。
【在 v****s 的大作中提到】
: if u want to choose ML and dig deep, u should be very very strong in
: mathematics, esp statistics, optimization, etc.
: so many smart guys in this planet r researching ML.
: to c how it can be, google one of them,
: dahua lin
|
g***o
发帖数: 230 | 17 how did you figure out he is not then? hehe
【在 g******y 的大作中提到】
: 我靠，我一开始以为你就是dahua lin呢？
: 这人狂发CVPR啊。
|
d******e
发帖数: 7844 | 18 看IP，dahua lin现在是18开头
【在 g***o 的大作中提到】
: how did you figure out he is not then? hehe
|
b********p
发帖数: 875 | 19 dahua lin这种现象级偶像应该没时间来mitbbs把， |
v****s
发帖数: 1112 | 20 now he turned to journal....
well, cvpr is just tie2 conf.... he had iccv too, which is tie1 !
【在 g******y 的大作中提到】
: 我靠，我一开始以为你就是dahua lin呢？
: 这人狂发CVPR啊。
|
|
|
v****s
发帖数: 1112 | 21 haha, i'm also his fan....
csail is a cool place, paradise for all AI guys...
【在 d******e 的大作中提到】
: 看IP，dahua lin现在是18开头
|
n*s
发帖数: 599 | 22 iccv用得着 叹号么，要是有个nature science的你不就得用叹号扫屏了
至于那句关于cvpr的就懒得说你了
【在 v****s 的大作中提到】
: now he turned to journal....
: well, cvpr is just tie2 conf.... he had iccv too, which is tie1 !
|
s****i
发帖数: 216 | 23 说的很现实啊， ！！！
看样子要想大作为， 得闷一闷了，
另外，既然和统计相关这么大，
那么统计和cs交叉研究的一定也很广泛咯？
我听说是这样的， ucberkeley很多搞ml的都是statistic的professor，
但是在烂一点（30~50）的学校这个有可能吗？
还是说那些学校的统计都是搞
我的想法是，去差一点的学校， 虽然也读cs，
但是我争取读到一个统计的学位， 那数学加强些，
否则我想如果一直读cs牛校读下去， 估计是被project和reserach任务压着，会很赶
吧。
【在 p*******r 的大作中提到】
: 之前没做过希望不大，除非你是名校的GPA前几名
:
: area,
|
g***o
发帖数: 230 | 24 don't know much about either of them, but iccv is kind of treated as tier 2
in our lab
【在 n*s 的大作中提到】
: iccv用得着 叹号么，要是有个nature science的你不就得用叹号扫屏了
: 至于那句关于cvpr的就懒得说你了
|
R********n
发帖数: 519 | 25 读一个统计加强不了多少数学，多学些概率还好些，这些和pure math太远了。Bayes
Inference只是learning中一个方向，并不觉得那么多搞统计的跳进来搞出来多少东西
。各种图模型，各种先验假设，很多时候感觉不太solid
【在 s****i 的大作中提到】
: 说的很现实啊， ！！！
: 看样子要想大作为， 得闷一闷了，
: 另外，既然和统计相关这么大，
: 那么统计和cs交叉研究的一定也很广泛咯？
: 我听说是这样的， ucberkeley很多搞ml的都是statistic的professor，
: 但是在烂一点（30~50）的学校这个有可能吗？
: 还是说那些学校的统计都是搞
: 我的想法是，去差一点的学校， 虽然也读cs，
: 但是我争取读到一个统计的学位， 那数学加强些，
: 否则我想如果一直读cs牛校读下去， 估计是被project和reserach任务压着，会很赶
|
d******e
发帖数: 7844 | 26 如果读applied statistics确实没什么用，里面的Regression,Anova那些东西和ML根本
不搭边。
数学课程有用的很多。比如Real Analysis,Linear Programming,PDE，Advanced
Linear Algebra。而统计的课程，修一修Probability Theory,Probability Model,
Multivariate, Linear Model, Statistical Inference也是很有必要的。
其实不是统计跳到CS来做东西，而是这东西本来就是共有的。
能自学数学的牛人，不修这个学位也罢。对于非牛人，读一个还是能学到不少东西的
【在 R********n 的大作中提到】
: 读一个统计加强不了多少数学，多学些概率还好些，这些和pure math太远了。Bayes
: Inference只是learning中一个方向，并不觉得那么多搞统计的跳进来搞出来多少东西
: 。各种图模型，各种先验假设，很多时候感觉不太solid
|
g***o
发帖数: 230 | 27
are you kidding me?
I would remove Real Analysis and PDE, but add functional analysis and differential
geometry. Besides, why do you list linear programming instead of optimization?
【在 d******e 的大作中提到】
: 如果读applied statistics确实没什么用，里面的Regression,Anova那些东西和ML根本
: 不搭边。
: 数学课程有用的很多。比如Real Analysis,Linear Programming,PDE，Advanced
: Linear Algebra。而统计的课程，修一修Probability Theory,Probability Model,
: Multivariate, Linear Model, Statistical Inference也是很有必要的。
: 其实不是统计跳到CS来做东西，而是这东西本来就是共有的。
: 能自学数学的牛人，不修这个学位也罢。对于非牛人，读一个还是能学到不少东西的
|
d******e
发帖数: 7844 | 28 你这完全是跟我抬杠。
你看applied statistics里学的regression是什么难度的你就知道了。ANOVA就是整天
Design Matrix。
至于说Optimization,Functional Analysis和Differential Geometry，Master Level
是没有这种课程的。
根本
differential
optimization?
【在 g***o 的大作中提到】
:
: are you kidding me?
: I would remove Real Analysis and PDE, but add functional analysis and differential
: geometry. Besides, why do you list linear programming instead of optimization?
|
g***o
发帖数: 230 | 29 I am just saying these courses are the most useful ones for machine learning
research. Never took applied statistics before, you might be right on the
ANOVA stuff...
Level
【在 d******e 的大作中提到】
: 你这完全是跟我抬杠。
: 你看applied statistics里学的regression是什么难度的你就知道了。ANOVA就是整天
: Design Matrix。
: 至于说Optimization,Functional Analysis和Differential Geometry，Master Level
: 是没有这种课程的。
:
: 根本
: differential
: optimization?
|
c*******h
发帖数: 1096 | 30 其实大多数这些方向的人就是不懂优化，也不懂矩阵，知道有些黑盒子可以套就是了
至于几何啊统计啊什么的照葫芦画瓢也就差不多了
learning
【在 g***o 的大作中提到】
: I am just saying these courses are the most useful ones for machine learning
: research. Never took applied statistics before, you might be right on the
: ANOVA stuff...
:
: Level
|
|
|
g***o
发帖数: 230 | 31 I am just saying these courses are the most useful ones for machine learning
research. Never took applied statistics before, you might be right on the
ANOVA stuff...
Level
【在 d******e 的大作中提到】
: 你这完全是跟我抬杠。
: 你看applied statistics里学的regression是什么难度的你就知道了。ANOVA就是整天
: Design Matrix。
: 至于说Optimization,Functional Analysis和Differential Geometry，Master Level
: 是没有这种课程的。
:
: 根本
: differential
: optimization?
|
K****n
发帖数: 5970 | 32 不懂矩阵?你举个例子.和和
【在 c*******h 的大作中提到】
: 其实大多数这些方向的人就是不懂优化，也不懂矩阵，知道有些黑盒子可以套就是了
: 至于几何啊统计啊什么的照葫芦画瓢也就差不多了
:
: learning
|
d******e
发帖数: 7844 | 33 矩阵分解就够学一阵子的了。
【在 K****n 的大作中提到】
: 不懂矩阵?你举个例子.和和
|
c*******h
发帖数: 1096 | 34 还有就是解线性方程组，trick太多了
其实PDE搞到最后也就是解一线性方程组，从数值的角度来说
【在 d******e 的大作中提到】
: 矩阵分解就够学一阵子的了。
|
d******e
发帖数: 7844 | 35 我还没修到数值解法那门，还在上PDE
【在 c*******h 的大作中提到】
: 还有就是解线性方程组，trick太多了
: 其实PDE搞到最后也就是解一线性方程组，从数值的角度来说
|
K****n
发帖数: 5970 | 36 一页一页看书能看懂的我觉得都没啥
我是说ml当黑箱可不容易,不啃两本儿书咋行,不至于不懂矩阵
发信人: drburnie (专门爆料), 信区: CS
标 题: Re: 达人介绍一下MachineLearning吧
发信站: BBS 未名空间站 (Thu Oct 30 23:03:13 2008), 转信
矩阵分解就够学一阵子的了。 |
R********n
发帖数: 519 | 37 基本的矩阵应该还是知道的
但是延伸一点就不一定了，不是简单看书就能明白的，很多人发了paper也不见得很明白
比如从矩阵到图论，graph spectral theory，做manifold的用了好多，不过chuang的
那本书应该看懂了前4章的很少
或者衍生到group theory，懂得就更少了
【在 K****n 的大作中提到】
: 一页一页看书能看懂的我觉得都没啥
: 我是说ml当黑箱可不容易,不啃两本儿书咋行,不至于不懂矩阵
: 发信人: drburnie (专门爆料), 信区: CS
: 标 题: Re: 达人介绍一下MachineLearning吧
: 发信站: BBS 未名空间站 (Thu Oct 30 23:03:13 2008), 转信
: 矩阵分解就够学一阵子的了。
|
v********e
发帖数: 1058 | 38 是Fan Chung吧。
前些日子还来过我们这儿，牛的
明白
【在 R********n 的大作中提到】
: 基本的矩阵应该还是知道的
: 但是延伸一点就不一定了，不是简单看书就能明白的，很多人发了paper也不见得很明白
: 比如从矩阵到图论，graph spectral theory，做manifold的用了好多，不过chuang的
: 那本书应该看懂了前4章的很少
: 或者衍生到group theory，懂得就更少了
|
R********n
发帖数: 519 | 39 对，呵呵，是UCSD Math的，去你们那给talk？
【在 v********e 的大作中提到】
: 是Fan Chung吧。
: 前些日子还来过我们这儿，牛的
:
: 明白
|
i***c
发帖数: 301 | 40 标 题: 机器学习推荐论文和书籍
发信站: 水木社区 (Thu Oct 30 21:00:39 2008), 站内
＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝
基本模型:
HMM(Hidden Markov Models):
A Tutorial on Hidden Markov Models and Selected Applications in
Speech Recognition.pdf
ME(Maximum Entropy):
ME_to_NLP.pdf
MEMM(Maximum Entropy Markov Models):
memm.pdf
CRF(Conditional Random Fields):
An Introduction to Conditional Random Fields for Relational Learning.
pdf
Conditional Random Fields: Probabilistic Models for Segmenti |
|
|
c******a
发帖数: 600 | |
s****i
发帖数: 216 | 42 这个ms很强大~~~
【在 i***c 的大作中提到】
: 标 题: 机器学习推荐论文和书籍
: 发信站: 水木社区 (Thu Oct 30 21:00:39 2008), 站内
: ＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝
: 基本模型:
: HMM(Hidden Markov Models):
: A Tutorial on Hidden Markov Models and Selected Applications in
: Speech Recognition.pdf
: ME(Maximum Entropy):
: ME_to_NLP.pdf
: MEMM(Maximum Entropy Markov Models):
|
