如题

本人正在在读运筹学IEOR的研究生，本来是应该注重在supply chain中的分析应用，但是在偶然的机会下在工作中上了一些machine learning的公开课，粗略入门了一下，目前只能做一个入门python调包侠，所以想问一下以后如何更深入地学习一下machine learning相关的知识。虽然知道找工程师，data scientist 之类的工作与科班出身的同学很难竞争，但是如果能够独立比较好地解决一些问题，找一下相关IT/DATA consultant之类的职位可能更合适一些，想必各位大牛也看不上吧LOL 另外发现在Supply Chain领域中弄六西格玛优化的时候发现machine learning的一些方法还真能起到 […]

假设有反映主体（共N个属性）的n行m列数据（n<N），试将其看成主体的n个属性的m个样本，但是每个样本中的n个属性是从总共的N个属性中随机选择的，并不一一对应，也就是说第1列第1行的数值与第2列第1行的数值不表示同一属性，请问这样的数据可以进行分类吗？有何种分类方法？（我只想把它分成两类，一类是优秀的、一类是劣质的）

本人研一，目前已经将机器学习的基础知识部分以及学习了不少，目前深入学习包括了《PRML》、《统计学习方法》、《矩阵论》、《最优化方法》、吴恩达《机器学习》视频、部分《凸优化》、《数字图像处理》；[PS:本人有c/c++/matlab/java的语言基础，python还没有用过；]我目前还没有任何机器学习方面的实践经验，不知道接下来我改如何学习，如何进阶到更高的层次，求大神分享经验！

Typing Pattern被用于Coursera认证等诸多场景。如何比较准确地通过打字习惯进行身份识别？有哪些比较成熟的算法？

我发现绝大多数用神经网络、深度学习方法解决的问题都是分类问题。对于连续型变量的回归预测问题（比如预测身高、体重、年龄、温度、质量得分），我也见过几篇用神经网络的文章，但结论都是神经网络不适用，推测原因是神经元中非线性映射函数的存在。之前一个朋友的解决方法是把连续型变量按区间划分，转化为离散的类别变量……但我总觉得这样不太好。请教各位大神们，有没有很好的用神经网络实现连续型变量回归预测的方法？或者相关的讨论或结论？