Resources

Tutorials

1. 专业系列

代码能力和计算思维训练 入门级的同学建议练习 codeforces 上的 Div2 级别的题目(A和B是思路直白的纯编程题目,C以上是中等的算法题目);提高级的同学建议练习 codeforces 上的 Div1级别题目。代码能力和计算思维能力是计算机专业学生的基本功和“内功”,不容忽视!

机器学习 入门参考书 《Machine Learning in Action》 ;进阶参考书 《Pattern Recognition and Machine Learning》 ;初学者建议阅读《统计学习方法》(李航著),可以快速了解机器学习全貌。

机器视觉 经典参考书 《Computer Vision: Algorithms and Applications》 ;经典参考书 《Computer Vision: Models, Learning, and Inference》 ;初学者建议阅读《数字图像处理(第三版)》(阮秋琦翻译),并且结合 OpenCV 中的 Tutorials 进行编程实验; Stanford vision lab 每年都会有精彩的课程,可以经常去看看。

经验之谈:机器学习/机器视觉都是一个很大的范畴的总和,有两种学习方式,一种是阅读基础书,搞懂它的每一部分;另一种是找一个问题,看文献,编程实现,不断往深走。这两种学习方式是互补的,不可偏废。

2. 基础系列

线性代数:《Matrix Analysis》(by Roger A. Horn)矩阵论领域的经典著作,风行几十年了;强烈推荐麻省理工学院Gilbert Strang老爷子的《线性代数课程》, 网易公开课 可以观看。

数理统计 :《Introductionto Mathematical Statistics》,第六版,Hogg著。

英语写作 :《Style: Toward Clarity and Grace》,学会写“老外”能容易读懂的论文,而不是chinglish。

3. How to 系列

如何做研究 浅谈科研流程及其中的师生合作(山世光研究员)

如何写论文 How to write a great research paper (Dr. Jones) 讲座视频

如何做报告 The Art of Presentations (Prof. Baochun Li)

4. 机器学习读书报告资料

主题1——无监督学习

知识点包括:《机器学习》(作者:周志华)第9章。必须掌握的算法包括:K-Means, Expectation Maximization Algorithm, Density Peak, DBSCAN, GraphCut。