数学大二有将来申DM/ML方向phD求建议

国内普通985数学系大二，即将大三，现参与学校2+2项目去美帝某州立大学继续学应数
将来对申DM/ML方向的PhD有想法，不知道怎么开始
求指导和建议。
比如
1 、建议 whatever都可以
2、ML/DM的知识树（预备知识）是怎样的呢？
3、对ML和DM的了解仅限于有限的公开课和wiki，怎样获得更多的了解？比如应该选修什么课，或者应该找什么方向的实习或者项目这种吗？

1.赶紧进实验室...已经大三了如果你还没基础那发顶会paper基本希望不大了...争取混个顶会二三作或者二级会一作吧...如果只有研究经历没有产出的话top 30基本不要想了...

2.知识树数学就是线代和概率统计，和高级的线代和概率统计......当然有些细节方向会用到图论和抽代的东西，不过你估计学不到那个层次
CS方向一般都是general AI -> undergrad ML - grad ML...每个学校叫法不一样，有的会有ML theory偏理论方向的有的会有ML application偏应用方向的

3. 上课呗...ML一般讲课也就三类，supervised, unsupervised, reinforcement, 一般上课讲的东西也都很有限，基本就是decision tree, regression, SVM, neural net, boosting, clustering, PCA/ICA之类的，基本的了解wikipedia足够了...
真正学好ML你的理论基础一定要跟上，否则你永远是别人告诉你用什么算法然后你去实现，和码农没什么区别，想上PHD这点很重要，一般美本的课都会注重实践的，比如说给你一个dataset，你自己来选用什么算法。。。
所有的dataset你都应该仔细想想他有什么性质, expectation, variance可能是什么，你的prior有什么，还有你的目的是什么，low variance/high bias还是high variance/low bias，就是所谓的ML的insight...这种东西你只能多看paper多实践多思考才行，
没有10年功夫就别想了...等以后你面试就会发现research的面试没人在意你会什么算法，你能不能在有限时间里面写出bug-free的代码，公司或者学校招你看的就是你的insight...
你这个阶段就别想能做到真正的ML/DM的实习或者项目了，反正就是各种常见的问题你能实现就用不同算法实现实现，到实验室多学习就足够了

就统计和概率吧，基本上所有ml算法都是以这两个为基础的。到高级的分析各种精度分析都是notation，跟统计科差不多。

Python好好学学，哈哈。