When I started out, I had a strong quantitative background (chemical engineering undergrad, was taking PhD courses in chemical engineering) and some functional skills in programming. From there, I first dove deep into one type of machine learning (Gaussian processes) along with general ML practice (how to set up ML experiments in order to evaluate your models) because that was what I needed for my project. I learned mostly online and by reading papers, but I also took one class on data analysis for biologists that wasn’t ML-focused but did cover programming and statistical thinking. Later, I took a linear algebra class, an ML survey class, and an advanced topics class on structured learning at Caltech. Those helped me obtain a broad knowledge of ML, and then I’ve gained deeper understandings of some subfields that interest me or are especially relevant by reading papers closely (chasing down references and anything I don’t understand and/or implementing the core algorithms myself).

55
0

相关内容

商业数据分析,39页ppt
专知会员服务
113+阅读 · 2020年6月2日
简明扼要!Python教程手册,206页pdf
专知会员服务
42+阅读 · 2020年3月24日
专知会员服务
124+阅读 · 2020年1月16日
强化学习最新教程,17页pdf
专知会员服务
90+阅读 · 2019年10月11日
2019年机器学习框架回顾
专知会员服务
29+阅读 · 2019年10月11日
【新书】Python编程基础,669页pdf
专知会员服务
133+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
66+阅读 · 2019年10月9日
学习自然语言处理路线图
专知会员服务
79+阅读 · 2019年9月24日
深度学习自然语言处理阅读清单
专知
21+阅读 · 2019年1月13日
机器学习线性代数速查
机器学习研究会
14+阅读 · 2018年2月25日
五个精彩实用的自然语言处理资源
机器学习研究会
5+阅读 · 2018年2月23日
Python机器学习教程资料/代码
机器学习研究会
5+阅读 · 2018年2月22日
【资源】15个在线机器学习课程和教程
专知
6+阅读 · 2017年12月22日
【推荐】自然语言处理(NLP)指南
机器学习研究会
34+阅读 · 2017年11月17日
机器学习: 入门与求职建议
九章算法
4+阅读 · 2017年10月6日
【推荐】Python机器学习生态圈(Scikit-Learn相关项目)
机器学习研究会
6+阅读 · 2017年8月23日
Arxiv
10+阅读 · 2018年9月5日
Arxiv
4+阅读 · 2018年4月9日
小贴士
相关主题
相关VIP内容
商业数据分析,39页ppt
专知会员服务
113+阅读 · 2020年6月2日
简明扼要!Python教程手册,206页pdf
专知会员服务
42+阅读 · 2020年3月24日
专知会员服务
124+阅读 · 2020年1月16日
强化学习最新教程,17页pdf
专知会员服务
90+阅读 · 2019年10月11日
2019年机器学习框架回顾
专知会员服务
29+阅读 · 2019年10月11日
【新书】Python编程基础,669页pdf
专知会员服务
133+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
66+阅读 · 2019年10月9日
学习自然语言处理路线图
专知会员服务
79+阅读 · 2019年9月24日
相关资讯
深度学习自然语言处理阅读清单
专知
21+阅读 · 2019年1月13日
机器学习线性代数速查
机器学习研究会
14+阅读 · 2018年2月25日
五个精彩实用的自然语言处理资源
机器学习研究会
5+阅读 · 2018年2月23日
Python机器学习教程资料/代码
机器学习研究会
5+阅读 · 2018年2月22日
【资源】15个在线机器学习课程和教程
专知
6+阅读 · 2017年12月22日
【推荐】自然语言处理(NLP)指南
机器学习研究会
34+阅读 · 2017年11月17日
机器学习: 入门与求职建议
九章算法
4+阅读 · 2017年10月6日
【推荐】Python机器学习生态圈(Scikit-Learn相关项目)
机器学习研究会
6+阅读 · 2017年8月23日
微信扫码咨询专知VIP会员