本科阶段只学过C语言，外加一些线性代数，概率论的知识。现在硕士阶段进行数据挖掘、自然语言处理的学习中感觉到力不从心。不知道从何去入手，有一堆书也不知道先后顺序或者如何搭配。数据结构与算法、离散数学、数据库等内容也不清楚。总而言之就是相当之困惑，感觉前景一片黑暗，希望能有人帮我解下惑，不胜感激！！

本人CS专业，大学时学过线代，高数，概统，为什么研究生阶段看机器学习/数据挖掘论文还是很困难？问题出在哪里？感觉数学学不完。

想要为以后可能要做的事情做下准备，到目前为止做过分析拿到手的还都是经过一串pipeline预处理过的比较干净的数据，想要知道搭建这些pipeline一般需要哪些工具。比如，未经处理的机器生成的文本log一类，要处理成可以进行分析、建模的形式一般需要哪些步骤，哪些工具是比较必要的？

如果是的话，有什么办法能跳出这个限制吗？

预测得到的mse是基于oob得到的么，那还需要交叉验证么

现在样本数据流是按时间顺序存储的，我如果想分析训练数据是不是在变化（即存在概念漂移的），除了直接用在线学习的方式上线看效果外，有没有其它的指标可以看出来？

我尝试了拿jieba分词库里的提取关键词的方法，已经跑了24小时了，并没有出结果，希望大家给些建议，谢谢~

logistics回归中，当样本数据量很大时还是否需要regularization正则化以防止过拟合？

之前在知乎看到别人回答说机器学习不想统计那样有严密的数学基础，机器学习预测性很强，但是不容易像统计那样证明，我想在一些对数据很敏感的行业应该还是要求数学基础的，大家怎么看，

要实现大家真正先要的那个程度的人工智能，只有机器学习就够了吗？为什么没人开发新的学科？只要继续发明新的机器学习算法就能够达成那种程度的AI了吗？