去年自己国内top5数学系本科毕业，现在美国top30大学data science研究生，数学很有信心，统计不错（不算最顶尖），会写java, python（数据结构水平，多线程那些不懂，汇编不懂），熟练MySQL, R，另外hadoop, spark刚入门，熟练机器学习和数据挖掘模型，包括文本挖掘（可以自己用java, python, R）中的任何一门语言实现。现在在和一个老师做网络数据的分析，准备投今年的ACM IMC会议。暑假在纽约一个小的金融机构做data analyst实习。自己以后肯定回国，目标是1：类似于阿里巴巴大数据平台，蚂蚁金服之类的部门 2：基金或者银行的数据挖掘岗位 3：国内的量化基金 请问一下自己应该在哪方面 […]

本人云计算和安全相关背景 但现在对大数据和ios开发都有兴趣 这两个对我来说 学习的难度 成本差不多也许 大数据除了熟悉那些相关的framework tool 以外还可以在机器学习的算法上有所研究 ios开发 想深入进去 能做出来了质量高的app也很有吸引力 不管选哪个 目标是想学的比较深入 不敢说专家 至少以后可以自己做点事情 或者得道比较丰厚的收入 作为未来五到十年的方向 地点在硅谷 所以想请高人指点下 要怎么选择？谢谢了

ISLR(Introduction to Statistical Learning with R), 4th printing,能推荐一本更加基础的概率论和统计方面的书籍吗？

16年读国内普通985的数据挖掘的phd，四年毕业之后，会不会相关领域人才已经饱和了？

刚刚接触机器学习，adaboost对训练数据分类的非常精细，为什么不会过拟合呢？是迭代过程中基函数会自己做权衡，不会为了一些明显的噪声去增加err（损失），从而对噪声有一定的容忍度吗？

数据预处理的主要任务包括:数据清洗 数据集成 数据转换 数据归约 数据离散化。为什么只有“数据集成”单独出了书，而剩下的却没有？（我不是处女座）是因为“数据集成”的内容已经多到可以单独成册了，还是因为“数据集成”很重要？PS:大家发现了吗，华章计算机科学丛书，花纹可以拼接到一起，如下图～[img=1112832840]

支持向量机为什么要求间隔大于等于1，而不是2或3呢？算法懂了，求最大间距超平面，但为什么默认最小间距是1呢？只是为了计算方便吗

不可否认，人工神经网络中有一些思想是很巧妙的。但正如SVM, Linear Regression, Decision Tree, Boosting Tree 一样，他们都有各自巧妙的思想，但数学并不复杂。通过具象来深入理解其原理和调参也并不复杂。常用的技巧有，train, predict，feature engineering，bootstrap 等等。机器学习作为一种计算机科学分支，其数学概念的复杂度低于统计学。机器学习用的是比较直观的想法。有许多trick，例如loss function, kernel，activation function， back propagation。那么，机器学习，或者深度学习，难点究竟在哪里呢？1 […]

假设电商网站用户有若干特征，每个特征对应一个分布，比如类别：得到向量（0.2,0.4…）表示该用户0.2的概率购买生活用品，0.4的概率是数码产品…， 按价格段分（0.4,0.3…）表示0-300的购买概率是0.4， 300-500的概率是0.3…如何计算不同用户的相似度？一种简单的方法是基于逻辑回归构造不同的特征的权重，按特征分别计算相似度，再加权。请教大家 还有什么其余的方法吗

简要描述一下背景，本人2015年8月至10月在蚂蚁金服实习，做的是Android客户端，当时的项目是蚂蚁聚宝。研究生读的方向是数据挖掘，研一下学期课程比较轻松，想找一份北京的数据挖掘或者机器学习方面的工作实习(不想做android了)。不知道投哪个公司实习好(希望能去学到东西)，希望大家能够推荐一下，当然了，大家推荐的公司，可能个人能力不足，不能够得到offer，但是我会尽力。谢谢各位了。