实验室有什么规则性要求？如何逐渐提高和发论文？以出国为目的的话，参加项目比较好还是搞理论比较好？有什么好的建议？你是怎么走过来的？谢谢！

如果手机性能可以满足计算需求，Deep Learning可以做成哪些App？

求急速学成入市！！

题主是一个二本院校的计算机大四学生，去年报考某985计算机没过该校的线，现在有个普通一本院校的老师联系我说我可以调剂到他那里去，研究的是机器学习 视觉 大数据这一些。但我也找了份工作，做asp,js jQuery那些的，在苏州5000块工资。我不知道该怎么选择，求各位知友前辈给点建议！谢谢！另外，本人也很想今后从事大数据工作，但家庭经济压力也有点大。

一组是Decision Tree，一组是SVM，一组是Adaboost，为什么最后留出1/4的数据validation时正确率都在95%以上，但是提交测试时正确率只有75%？大概1800组数据，维度是20000左右的sparse数据。（遇到这种情况很奇怪，希望能听到大家的见解和常见调参数的技巧，我怀疑是overfitting了）

小创公司，十几个人，情况是小有盈利。稳步发展，但是招php好难呀，是看不起我们办公室么。

数据分析师，工作中经常使用机器学习模型，但是以调库为主。自己一直也在研究算法，也裸写过一些经典的算法。最近在看PRML这类书籍，感觉有点吃劲，主要是公式推导看不懂，很多数学符号不知其意。也特地学过线性代数、微积分等，但是然并卵，还是看不懂大段的公式以及那些神奇的矩阵计算~机器学习新手，想前来问下，有没有哪些数学知识是可以弥补这一类缺陷的?能否具体的说一些知识点或者相关的文章和书籍？感谢~~

连续特征比如 历史点击率 离散特征比如 广告id 如果把离散特征映射到 0.5 ～1.5的区间会有一些好处么？