非科班投稿NIPS小经验分享

很有意思的分享！！！！

zhouzhouzo5 发表于 2019-9-16 00:17
请教楼主，如果要往data scientist方向发展，是不是继续读phd是更好的选择？

DS不需要的。我MS的同学都有linkedin混到principle的了，但是同年龄的PhD还有没到senior的。说明DS不需要PhD。Research Scientist可能需要。

手动赞楼主一个！可否再介绍一下概率论有什么推荐的学习材料么？

rubikzy 发表于 2019-9-16 04:25
手动赞楼主一个！可否再介绍一下概率论有什么推荐的学习材料么？

作为概率论渣我本来没有资格推荐。我就拿老师推荐的教材吧😓。这本对于概率论一可能比较详细：a probability path。第二本Durett比较有名，但是写的简单。不做习题不容易有深的理解。

mark一下，蟹蟹楼主

66666666

楼主你好，谢谢你的分享！非常有用，我也是本科数学，研究生转了CS，现在在某大厂做 data scientist, 实际工作内容比较像ML engineer吧。工作上接触phd比较多之后，发现思维方式思考深度还是落后不少，对于ML/DL模型和部分应用领域（比如游戏行业的用户行为建模）希望也能深入探究，但是现在感觉自己看paper的方法都有些不对。现在在考虑能否就近去读part time phd。可以请教两个问题么？ 1. 沿着楼主的路，上这些课 + 读paper，可以实现提高研究能力，ML模型改进的能力么？ 2. 楼主觉得一天最多只有5～6小时投入到研究，对于搞科研是不是太少了啊QAQ

PS：楼主如果对于工业界的scientist有兴趣欢迎联系，之前已经介绍了几个phd同学去做实习。

joycevernon 发表于 2020-5-23 07:50
楼主你好，谢谢你的分享！非常有用，我也是本科数学，研究生转了CS，现在在某大厂做 data scientist, 实际 ...

这得看你到底想做啥，以及决心了。part time时间久一点？如果有热门方向CS phd，学校不用太好。是可以考虑的。

读理论paper不适合蜻蜓点水的，这种适合挑一个你认为最有前景的领域，把paper从入门到深入的刷就好了。

应用的paper周期短，见过不少master都能工作的时候发KDD或者www，代价小很多。如果你还不确定，可以致力于应用的文章。

本科math背景的话看起来适合搞贝叶斯。

joycevernon 发表于 2020-5-23 07:50
楼主你好，谢谢你的分享！非常有用，我也是本科数学，研究生转了CS，现在在某大厂做 data scientist, 实际 ...

1. 改进ML模型，CV是不是一般都是企业lead？我眼里模型的求解在学院派这里方法更多一些。模型很多是业务导向？这一点不是很清楚；

2. 5-6高效的科研那是相当足够了。因为大部分PhD可能做不到这些。如果能持续3年，且方向对的话....你肯定有很多paper的。

学长，请问一下你说的随机过程是离散过程诸如hawkes process那一类的还是像levy那种随机分析（金融数学）涉及的内容呢？我现在是大四，对non convex 感兴趣，想好好打一下概率论和随机过程的基础