我也觉得楼主没啥必要跑去复交旁听,吴恩达的机器学习是国内绝大多数从事该行业人员的必修课。等你考研复试的时候,除非该老师就是你的面试官,否则你说你听过复交某老师的课,面试老师对你的第一印象也只是太天真。吴恩达多年来从事该学科的经验和课上详细的数学推导,只要楼主数学基础不是太烂不至于学不会。
曾经给考上海交大计算机学院机器学习方向的某同学提供了一份学习资料清单作为参考,这里把它贴出来,楼主可以自行取舍:
1.机器学习
(1)《机器学习实战》,偏实践的一本书,可以作为入门书籍,容易理解各种算法可以用来解决什么问题。重点是里面的分类、聚类算法,里面的推荐算法比较老了,看看可以,一般不会用到。
(3)《统计学习方法》李航,这本书偏数学推导,可以重点看看上面没有的那些算法;《图解机器学习》对算法的讲解比较直观,可以结合起来看;周志华的西瓜书是近两年比较火的书,因为近年他发了篇很轰动的paper,这本书也可以翻翻。
(4)算法库:java的话可以用spark ML Lib,python用 scikit-learn
2.深度学习
深度学习是目前做机器学习的热点方向,所以了解会很有优势。
(1)入门是机器学习里面的神经网络,重点理解BP训练方法;
里面有对各种深度网络的详细介绍,偏重于逻辑理解。
(4)http://colah.github.io/ colah的博客,里面介绍的很浅显易懂,很多文章都有中文翻译版,可以自己找找(很多翻译的挺烂)。
(5)算法库:java用DL4J,但是功能有点受限,主要是一个商用的分布式深度学习框架;python可以用tensor flow,这个是目前主流的深度学习库,当然也可以用我厂的paddlepaddle,比起tensorflow有更完善的教程。
最近吴恩达发布了deeplearning.ai ,也是值得学习的一门课程。
3.自然语言处理
自然语言处理是机器学习应用的一片热土,了解一些方法实现对理解机器学习/深度学习有很大帮助。
(2)中文:哈工大的LTP语言云,复旦NLP,会用就行。
--------------------------------------------------------------------
另外,想说的是,考研专业课不考机器学习,所以功利点讲在考试学机器学习对你没有任何帮助。不过作为兴趣来说,会对你今后的发展产生很大影响。