现在研一在读，电子科大信号处理方向。但是从本科大四起对机器学习有关注，感兴趣。现在有修机器学习的课程，关于入门的话题已在知乎上看过答案。想问的是，第一，毕竟不是本专业，自己学习的话可能比不上科班出来（？），在考虑是否有必要读博。第二个就是在想自己是否适合读博，当然也搜过相关问题，但还是想问，特别是在看过一个答案说 机器学习真心是给聪明人玩的。这句有点让我引发思考，是否脑子够用？比如现在用书PRML，看英文版稍微有点慢，但多看下还是可以理解。但觉得自己对机器学习还是很感兴趣的，觉得有意思（可能没开始看论文，不知水深浅吧）。第三，如果读博，毕竟不是本专业，怎么参与到论文发表，科研之中，想提高自己申请博士的竞争力。暂时就这些，希望各位前辈 […]

鄙人研究生一枚，仍没确定好细的研究方向，发现并没有什么科研潜力。现在希望能深入学习一下目前比较火的，企业需要的方向，为找工作而准备。大家有什么好的意见或者建议么？

初心者一枚，还望指教~~—–本题已收录至知乎圆桌 » 对弈人工智能，更多关于李世石对战人工智能的解读欢迎关注讨论。

表示网上的文章对这个话题都只是一笔带过啊，求知乎大神解答！！

德川在《关于点击率模型，你知道这三点就够了》提到：第 三，应用Online的更新方式去更新模型，还是batch的方式。Online的方式对应的最优化算法主要是minibatch sgd，Offline的方式可以应用计算广告书里说的LBFGS，Trust region这些。按我个人经验，minibatch sgd的更新方式对头部的数据学习的会更快更充分，因此更善于fine tuning the head part。而Offline的方式全局优化历史数据，对于长尾稀疏特征，就比sgd的方式要精细些了。如果业务场景时效性较强，更关注头部，用一个 Online keep更新的模型就足够了，比如新闻推荐的场景。但是如果业务场景有很多长尾流量， […]

感觉云计算起点很低。数据挖掘起点高一点。很多本科毕业的就可以做云计算。但是数据挖掘需要积累很多数学知识，交叉学科错综复杂起点较高。不知道是这样吗

题主想了解一下各路大神本科或者研究生发机器学习论文的经验。然后题主目前大二在lamda组搬砖。有很多乱七八糟的想法，题主的数学背景有线代、高数、概率论、实变、群论。发论文是否还需要更厉害的数学工具？

想不断学习来提高自己的技术能力，选择机器学习是否是一个正确的选择

你有从哪些地方感觉到「应用宝」的推荐算法很准吗？

很多人都推荐说 MIT 的 Deep Learning 是比较权威的一本学习 深度学习 的书。 大家怎么看？此书还未出版，详见官方网站 ： Deep Learning