本人某上海985小硕，研究课题是“基于复杂网络的电网脆弱性研究“。一起一直没怎么搞课题，上海你懂得，大多数研究生期间一直在实习，给导师做那些没啥用的项目（硕士期间做了个与PLC，伺服电机相关的工程项目）。但是最近临近毕业，天天对网络的数据分析，看国外文献，突然对数据这块感兴趣了。工作找好了，找了个码农的岗位，但是想做点有水平的岗位：数据挖掘，机器学习之类的。旁边的博士都夸我适合干机器学习，挖掘类的工作。我不知道怎么办，应该怎么搞下去。附：我的专业是双控（控制理论与控制工程），导师搞液压的，课题自己弄的。机器学习基础基本为0，就这半个月天看文献，写python 才喜欢的。

最近在做一个给风景照打分的作业，但是对图像处理和计算机视觉领域还是门外汉，想请问一下各位有经验的大神，对这类问题一般使用什么样的图像特征进行训练？或者有什么参考资料？谢谢！

想打算申请出国读博，但是美帝太难了。我的方向是机器学习相关的吧，请问欧洲有哪些机器学习比较强的可以申请的大学或者研究机构的呢？有哪些大牛呢？

如果原始数据集N个样本点，我建K棵树，需要K个样本集，每个样本集的样本点个数是多少？也是用bootstrap无放回抽样选N个吗？

我个人觉得，以数据挖掘的计算机博士为例，在读博期间，大约有两种模式。模式A：接触许多实际的数据挖掘项目，成功地做完项目，解决了实际问题，从而发一篇paper。模式B：研究数据挖掘的算法，看paper找idea，然后进行算法accuracy的提升，或者自己提出一个好算法。实验结果在public datasets上跑得好就发一篇paper。所以我的疑问是，对同样一个资质水平的学生来说，这两种模式哪个就读时更好的成长？哪一种毕业后在工业界更具竞争力？我自己认为读博时B类型更好，因为能打下深厚的数据挖掘基础。而我导师却认为A在工业界更有竞争力，项目经历丰富。各位的看法是？

表示个人对数据挖掘、信息检索 和 移动端开发都 挺感兴趣 ==