返回信息流想问问那些做机器学习和数据挖掘的人:
只是一个研究生的话,做这两个方面,到底是偏重于算法的理论推导理解,并改进算法,这个费时费力
还是说偏重于算法的运用层面 比如在uci的数据集上面,通过python 把各个算法的调用都跑一遍?这个由于算法众多,也挺费时;
以及部署TensorFlow,费时,费钱买显卡。
作为一个小白应该如何入门 选择?
这是一条镜像帖。来源:北邮人论坛 / acm-icpc / #93786同步于 2017/7/28
该镜像源已超过 30 天没有更新,可能在源站已被删除。
ACM_ICPC机器人发帖
关于机器学习和数据挖掘学习内容的疑惑
a3661008
2017/7/28镜像同步5 回复
订阅后,新回复会通过你的通知中心匿名送达。
5 条回复
看你是最后是直接工程应用还是读博,读博士的话肯定是第一种,重推导,对算法进行改进,然后在相关的数据上进行验证,在数学上进行论证,发论文需要这个;工作的话,肯定是偏第二个部分,工程应用主要还是算法的搬运工,将最新的算法应用到具体的应用场景中去,当然这个过程肯定会遇到很多实际问题,这个时候也会出现很多改进的思路,对算法进行优化,然后完成目标。北邮这边的话重实践,基本都是在某个项目里面进行实践,然后优化,当然最后发论文什么的话还是要有数学依旧,和推导过程的,其实也不是很冲突。我的建议是如果你觉得走一难的话,不妨在熟悉算法推导的过程中,应用到实际场景,再在实际场景中解决问题,提升也更快一些。读博的话更应该注重数学推导了。