作者ga6611220 (疥疮猫)
看板Soft_Job
标题[请益] 大四毕业前机器学习规划
时间Tue Apr 4 20:25:14 2017
软体版的前辈先进们,晚安
小弟中部私大资管大四生
因为对java,app没兴趣,喜欢C,python
最近开始尝试机器学习的领域
我是从
https://github.com/ChristosChristofidis/awesome-deep-learning
这里选Yoshua Bengio的电子书看
读腻了就看个youtube的分享听听高手的理解
目前的认知大概落在:
机器不知道哪些特徵useful->representation learning->autoencoder
Deep learning->MLP->模仿生物大脑->ANN...
然後开始K基本的线代
在这边想问板上各位先进
都是怎麽学习ML的
或者愿意提供其他的建议
我真的很希望有一天可以写出自己的AI
不用叫我念硕,当完兵开始还学贷QQ
--
※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 36.237.62.157
※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Soft_Job/M.1491308717.A.5A5.html
1F:推 jj0321: 拿Kaggle来练, 把学到的拿去实作会比较有感觉 04/04 20:32
2F:→ f496328mm: AI太快了 先玩玩ML 找一些data试试看 04/04 20:33
3F:→ f496328mm: R也不错 ML用R DL用python 04/04 20:35
4F:推 akpipnlge: 因为语言而喜欢一个领域XDD 04/04 20:37
6F:→ f496328mm: 高手就献丑了 DL 要用GPU 好难玩 04/04 20:37
7F:推 ghmsxtwo: 很少看到同时喜欢C跟Python的 04/04 20:48
8F:推 evan176: 搞懂optimization,练习写出一个NN就差不多了 04/04 21:00
10F:→ aa155495: 上课同时写作业,比较有方向 04/04 21:07
11F:→ aa155495: 先对ML有个通盘的了解,再往类神经网路前进比较好 04/04 21:08
12F:→ aa155495: 一些基本观念,梯度下降、overfitting、model selection 04/04 21:12
13F:→ aa155495: supervised learning、unsupervised learning 04/04 21:12
14F:→ aa155495: reinforcement learning、transfer learning 04/04 21:13
15F:→ aa155495: 先对以上这些东西,有个基本的认识,再去参加kaggle 04/04 21:15
16F:→ aa155495: 不然很可能只是在那边瞎tune参数,连overfitting都不知 04/04 21:15
17F:推 jigfopsda: 先上田神的ML啊XD 04/04 22:05
19F:推 goldflower: 我只觉得你的->顺序很怪啊XD 04/04 22:10
20F:推 goldflower: 知乎其实有蛮多资讯的也可以查查 04/04 22:19
21F:推 Morphee: 大四k线代? 哪是大ㄧ大二在k的吧? 04/04 22:21
22F:推 ghmsxtwo: 原po资管可能没修线代 04/04 22:31
23F:→ aa155495: 不过大四才读ML,又不打算读研,这样找相关工作会有难度 04/04 23:21
24F:→ aa155495: 准备时间有点太短... 04/04 23:22
25F:→ manaup: 毕业多年後自学ML才感受到线代的魅力 重读一下线代臭了吗 04/04 23:42
26F:推 jj0321: 短时间内没有作品的话,先从Web相关的工作边做边自修吧~ 04/04 23:43
27F:→ jj0321: 我也是钱的压力,没有继续读研,下班後自学想做的东西 04/04 23:44
28F:推 jj0321: 只是好累就是了XD 04/04 23:46
29F:→ physheepy: 数学基础太薄弱了 你有太多东西要补 诚心建议念硕 04/05 01:37
30F:→ physheepy: 补充一下做ML懂数学与不懂数学造成的差距:不懂->可靠经 04/05 01:46
31F:→ physheepy: 验与尝试学会call api做出一些成果 但是优化参数能力薄 04/05 01:47
32F:→ physheepy: 弱 基本上就是靠try and error 这样去试 可能欠缺修改 04/05 01:48
33F:→ physheepy: 现有api功能的能力 04/05 01:51
34F:推 WashFreeID: 除非四大+相关lab 新人根本不可能找到ML相关工作 04/05 09:26
35F:推 xsssxxzz: 读统计比较实际吧 读线代有点偏了 04/05 09:30
36F:→ Murasaki0110: 好一点的公司这都是找博的 别想了 04/05 09:48
37F:推 Sidney0503: 先把林轩田影片看完再说 04/05 09:49
38F:推 hung0724: 学了 ML 才体会到数学的美感XD 04/05 10:14
39F:推 jjjkid: 线代是很基础的东西吧 怎能说走偏了 04/05 10:51
40F:推 evan176: 统计的知识要有但吃最多的还是线代 04/05 11:05
41F:推 kyuudonut: 觉得读线代有点偏的人有念过统计吗 XDDD 04/05 11:38
43F:→ smalldra: 但是 真的想研究还是得吃学历才能进那些公司 04/05 12:37
44F:→ smalldra: 除非你是贾伯斯等类那种一个人就能创业打天下的人 04/05 12:37
45F:推 s89227: 读线代有点偏?认真吗wwwwwww 04/05 12:40
46F:→ physheepy: 睡一觉起来发现我怎打try and error该是trial (题外话 04/05 13:03
47F:推 weilun911: 推田神影片!!! 04/05 14:03
48F:推 fasterrcnn: 读一些经典paper对实作满有帮助的 04/05 15:34
49F:→ f496328mm: 想问经典的PAPER有哪些 04/05 15:56
50F:→ DrTech: 资管没学过线性代数很平常 04/05 16:15
51F:推 tingwei0924: 先看Andrew Ng 在coursera的课 04/05 16:16
52F:→ DrTech: 线代基本上懂矩阵运算,看得懂论文表达式就好。 04/05 16:18
53F:→ DrTech: 的确统计,机率。用得多太多了。 04/05 16:19
54F:→ DrTech: 实务上,谁会没事去推导线代理论呢?又不走学术发Paper。 04/05 16:21
55F:推 tingwei0924: 类神经网路看 NTUEE 李宏毅老师在youtube 上的教学 04/05 16:22
56F:推 tingwei0924: 课程 04/05 16:22
57F:推 evan176: 也要有理论基础才看得懂论文表达式 04/05 17:31
58F:→ booloo: 推林轩田的课程,他的课看懂了再去Kaggle吧 04/05 22:23
59F:推 booloo: 如果对ML有兴趣,线代还是要学一下,到看得懂Paper的程度 04/05 22:30
60F:推 booloo: TensorFlow 有兴趣也可以摸摸,不过这是实作用的工具。 04/05 22:34
61F:推 stosto: 我也被学贷啊,念完硕士半年还完,你私立大概一年,但如果 04/06 00:37
62F:→ stosto: 你只有大学毕业加上你的学历,我想还完时间不会比念完硕士 04/06 00:37
63F:→ stosto: 好到哪 04/06 00:37
64F:推 fasterrcnn: Faster rcnn满经典的押XD 04/06 01:17
65F:推 goldflower: songrotek/Deep-Learning-Papers-Reading-Roadmap 04/06 04:28
66F:→ goldflower: 以上github 04/06 04:29
67F:推 sttagomantis: 我之前写过一篇文你可以a一下 看完你大概就知道了 04/07 21:04
68F:→ sttagomantis: 简单说我还是建议从轩田或宏毅老师的课开始 04/07 21:07
69F:→ sttagomantis: 不建议直接啃那本DL的经典 那本不好啃 04/07 21:07
70F:推 vul3kuo: 认真说还是要念硕 念完硕就会觉得大学做的都是玩具 04/22 12:54
71F:推 brian980466: 推宏毅的课 实作导向 04/25 02:46