返回信息流一个是Michael Collins的nlp,一个是umich的social network。
前者宗师级,后边那个关于r,graphchi等挺有用的
https://www.coursera.org/course/nlangp
https://www.coursera.org/course/sna
主要是我这学期太忙,不找个人一起根本搞不动了
这是一条镜像帖。来源:北邮人论坛 / ml-dm / #10186同步于 2013/3/5
该镜像源已超过 30 天没有更新,可能在源站已被删除。
ML_DM机器人发帖
有人一起学公开课么
charnugagoo
2013/3/5镜像同步9 回复
订阅后,新回复会通过你的通知中心匿名送达。
9 条回复
【 在 charnugagoo 的大作中提到: 】
: 一个是Michael Collins的nlp,一个是umich的social network。
: 前者宗师级,后边那个关于r,graphchi等挺有用的
: https://www.coursera.org/course/nlangp
: ...................
在追第一个
建议数学功底好的同学仔细看一看Stanford University的优化大师S. Boyd的 Convex Optimizatoin视频。先把Convex Optimization I 看上2-3遍, 如果还觉得有问题,可以找我讨论.
在解决了Convex Opt I之后,我建议挑战Convex Opt II;II是理论部分,相比较而言,I不过是一些算法和应用,比较基础。II部分如果学透了,以后在机器学习(Machine Learning)研究中遇到的大部分优化问题将不再是个问题:)
其他方向,诸如模式识别\数据挖掘\机器视觉\信息检索等可以看作机器学习的应用型分支.
[ema14]
【 在 charnugagoo 的大作中提到: 】
: 一个是Michael Collins的nlp,一个是umich的social network。
: 前者宗师级,后边那个关于r,graphchi等挺有用的
: https://www.coursera.org/course/nlangp
: ...................
膜拜大牛。。
【 在 LCG444 的大作中提到: 】
: 建议数学功底好的同学仔细看一看Stanford University的优化大师S. Boyd的 Convex Optimizatoin视频。先把Convex Optimization I 看上2-3遍, 如果还觉得有问题,可以找我讨论.
: 在解决了Convex Opt I之后,我建议挑战Convex Opt II;II是理论部分,相比较而言,I不过是一些算法和应用,比较基础。II部分如果学透了,以后在机器学习(Machine Learning)研究中遇到的大部分优化问题将不再是个问题:)
: 其他方向,诸如模式识别\数据挖掘\机器视觉\信息检索等可以看作机器学习的应用型分支.
: ...................
推荐!
【 在 LCG444 (Jorney5) 的大作中提到: 】
: 建议数学功底好的同学仔细看一看Stanford University的优化大师S. Boyd的 Convex Optimizatoin视频。先把Convex Optimization I 看上2-3遍, 如果还觉得有问题,可以找我讨论.
: 在解决了Convex Opt I之后,我建议挑战Convex Opt II;II是理论部分,相比较而言,I不过是一些算法和应用,比较基础。II部分如果学透了,以后在机器学习(Machine Learning)研究中遇到的大部分优化问题将不再是个问题:)
: 其他方向,诸如模式识别\数据挖掘\机器视觉\信息检索等可以看作机器学习的应用型分支.
: ...................
谢谢回帖,
俺不属牛,属羊:)
But I believe we are all on the way.
【 在 karon1988 的大作中提到: 】
: 膜拜大牛。。