机器学习学习心得

转载自:http://blog.csdn.net/lcjpure/article/details/8069704

结合自己的学习经历,总结一下如何学习机器学习。我自己的学习过程其实是非常混乱和痛苦的,一个人瞎搞现在也不知道入没入门。希望能对其他想自学机器学习而找不到方向的人有一点点帮助。

一、可以读读一些科普性的,综述性的东西。

南京大学周志华教授写的科普文章《机器学习和数据挖掘》还不错,对机器学习和数据挖掘的区别说的挺好。另外对机器学习的历史和前景做了说明。文章最后也给出了领域内比较重要的会议和期刊。

吴军写的数学之美(浪潮之巅也很赞)可能确切的说应该是搜索、自然语言处理、机器学习的一个综合性科普,但是机器学习本来就和这些领域有着很大的关联的,所以说对学习机器学习的人来说也是一个不错的入门科普。

 

二、可以了解下领域里面的牛人。曾经听香港科技大学的杨强教授在一个讲座上讲过这么一件事,他说如果面试一个学生,一个好的方法就是问他这个领域有哪些牛人,每个牛人的代表性工作是什么,这样可以检验一个人是否真正喜欢并关注这个方向。我觉得说得挺有道理。网上有人总结了一些牛人,当然这些总结都是个人观点,随便看看了解一下就行了。(注:下面的链接不一定是原始出处)

http://blog.sina.com.cn/s/blog_56f7cc3a0100qktd.html   (国外的)

http://blog.sina.com.cn/s/blog_6a6b58ce01017jy3.html  (国内的)

http://blog.csdn.net/yihaizhiyan/article/details/6795073 (这个有一些是机器视觉里的)

 

三、可以了解下领域的重要会议,前面提到的周的文章有提到,网上也有各种版本的分析,列两个

http://blog.csdn.net/blow_jj/article/details/2415305 (人工智能和机器学习的)

http://taoo.iteye.com/blog/1052495               (数据库和数据挖掘的)

 

四、可以系统的上一下机器学习的课程,StandfordAndrew Ng的机器学习课程很赞,网上有他的公开课视频,上他的课真是如沐春风,浑身通畅。

课程主页:

http://cs229.stanford.edu/  (里面有讲义,最好打印出来对照视频看)

网易公开课有中文字幕翻译的视频:

http://v.163.com/special/opencourse/machinelearning.html

这是在coursera项目中的版本,好像比网易的内容要多,起码多的有推荐算法的部分

https://class.coursera.org/ml/lecture/preview/index

 

五、可以系统的读一本机器学习的教材,系统的学习很重要。口碑最好的,我自己感觉写的最好的是 Christopher M. Bishop写的《pattern Recognition and Machine Learning》

 

六、对一些重要的经典的文章可以拜读一下,下面的这个资料列表可以参考

http://www.newsmth.net/bbsanc.php?path=%2Fgroups%2Fsci.faq%2FNLP%2F1%2FM.1225371502.h0

 在学习的过程中,手头有一本统计的参考书是必要的,当然还有利器google,不懂的概念随时可以查。

 

七、其实学习机器学习最重要的就是实践了,实践出真知。

                                                                                                                                        ==================

                                                                                                                   by lcj ,2012 -10 -14              



在后面补充一下周志华老师说的顶会和顶级期刊:

在机器学习方面,最重要的学术会议是:NIPS,ICML,ECML和COLT;最重要的学术期刊是:machine learning,journal of machine learning research
在数据挖掘方面,最重要的学术会议是:SIGKDD,ICDM,SDM,PKDD和PAKDD;最重要的学术期刊是:data mining and knowledge discovery , IEEE transaction on knowledge and data Engineering
人工智能领域,顶会:IJCAI,AAAI。

顶级期刊:artificial intelligence, journal of artificial intelligence research, IEEE transaction on pattern analysis and meachine intelligence, neural computation

展开阅读全文

没有更多推荐了,返回首页