机器学习/数据挖掘应该怎么学？

[gunshot]

正在看 《数据挖掘导论》 ，吴恩达的 CS229 。冒昧问一下 kaggle 上面的题目是什么水平？

[green15]

同求靠谱教程学习

[sleeperqp]

正在看李航的统计学习 感觉还不错

[CupTools]

最近为了写一个 spam filter 而了解到 Bayes Theorem 。然后感觉原来其实基础很重要。统计学，微积分，连矩阵都要重温。

所以说，先把基础打好，再去想 ML

[ltrans]

@gunshot
其实我也是想学这些，但像前面大多数人所说的，深入学习至少要 master 。我也是工科本科，曾经的我像你一样直接忽视了数理知识直接开学~后面慢慢学下去发现，理解更深层次的知识，高等数学的推导，线性代数的矩阵运算，概率论的统计知识……=_=全都非常重要。基础不扎实你能看一个知识点一整天才能看得懂，可怜我本科没人学这些，也体会到 @ppdg 说的要有师兄带才能事半功倍。

因此现在大三有种打算也正在做，以考研为目标打好英语，数学一和 408 基础。考上了， master 有导师有师兄，考不上，有这些基础相信努力跟上 MOOC 相关课程也能学好。

[murmur]

@microhan 读研的时候做过 NLP 的一些应用，同样数学好的，推推公式大概就知道优化那些参数了，数学不行的，公式看不懂的，就只能靠猜
我还是应用，还不是改进，只停留在组合、优化训练集和参数上

[wangzhangup]

基础课程上完了，只是入门，最重要的是要进行实际项目的历练，最好是跟团队协作，这样对自己的成长帮助非常大，最大的感受就是 deeper and deeper.
BTW, 不要怕什么基础，也不要被吓到了就止步，没有谁出生什么都会的。基础差一点，无非学得慢点，但是绝对不会阻止你搞定。喜欢就去学， don't settle!

[gunshot]

@ltrans 共勉，我也在复习数一
@wangzhangup 向你看齐

[Neveroldmilk]

去 Udacity 上看他们的课程，都是免费的，上手工具用的是 Python 。

[microhan]

@nevin47 鄙人以实践为主，虽然数理方面的根基不是很好，想通过机器学习解决一些实际问题，这方面确实遇到不少坑。后面再学不行只是针对 @murmur 的发问， 毕竟不是做研究，是要解决实际问题。分数不能决定你能用机器学习做多少事情。

[murmur]

@microhan 实际上机器学习的最基本应用随便给一个合格的程序员讲讲他就能干活，毕竟现成的类库太多了，尤其还有 svm 这种哪里都能试试的好东西，但是想稍微深入点，或者把规模做大就要数学了，都说大数据，最基本什么大数据能并行计算得有点概念吧

[nevin47]

@microhan 我觉得你说的也很在理。
不过在解决实际问题的过程中有时候还是需要对模型进行优化的，如果没有基础知识只是应用工具往往不一定能得到理想的结果。所以我觉得有一个比较好的数学基础是做好机器学习的先决条件，当然不是说有了好的数学基础就一定能做好 ML 了