1 / 32

迎新报告会

迎新报告会. 胡奇夫. 主要内容. 课程推荐 书单推荐 学习经历 经验教训. 算法系列. 计算机算法设计与分析 卜东波老师. 算法系列. 高级算法设计与分析 孙晓明老师 组合最优化 郭田德老师 线性规划算法选读 郭田德老师 近似 算法的设计与分析 堵丁柱老师. 数学系列. 数学系列 组合 数学 周善有老师. 数学系列. 随机过程 孙应飞老师 近世代数 翟起滨老师. 操作系统 系列. 操作系统 杨力祥老师. 计算机科学系列. Computational Complexity. 计算机科学系列.

ciro
Télécharger la présentation

迎新报告会

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. 迎新报告会 胡奇夫

  2. 主要内容 • 课程推荐 • 书单推荐 • 学习经历 • 经验教训

  3. 算法系列 计算机算法设计与分析 卜东波老师

  4. 算法系列 高级算法设计与分析 孙晓明老师 • 组合最优化 郭田德老师 • 线性规划算法选读 郭田德老师 • 近似算法的设计与分析 堵丁柱老师

  5. 数学系列 • 数学系列 • 组合数学 周善有老师

  6. 数学系列 • 随机过程 孙应飞老师 • 近世代数 翟起滨老师

  7. 操作系统系列 • 操作系统 杨力祥老师

  8. 计算机科学系列 • Computational Complexity

  9. 计算机科学系列 • Concrete mathematics

  10. 计算机科学 • Discrete mathematics

  11. 计算机科学系列 • Basic Algorithm

  12. 计算机科学系列 • 随机算法

  13. ML数学基础书籍 (林达华推荐) • 线性代数

  14. ML数学基础书籍 (林达华推荐) • 统计基础

  15. ML数学基础书籍 (本人推荐) • 概率论基础

  16. ML数学基础书籍 (本人推荐) • 统计进阶

  17. ML数学基础书籍 (林达华推荐) • Baby Rudin

  18. ML数学基础书籍 (本人推荐) • 分析入门

  19. ML数学基础书籍 (林达华推荐) • 分析进阶

  20. ML数学基础书籍 (林达华推荐) • 拓扑

  21. ML数学基础书籍 (林达华推荐) • 流形

  22. ML入门书籍 (李建扣推荐) My Bible (贝叶斯学派)

  23. ML入门书籍 (李建扣推荐) ISL (频率派)

  24. ML入门书籍 (李建扣推荐) ESL (频率派)

  25. ML 实战 (李建扣推荐) • 牛刀小试

  26. 学习经历 • 2013.7  2014. 3 理论密码学

  27. 学习经历 • 2013.7  2014. 3 理论密码学

  28. 学习经历 为什么放弃理论密码学？（本年度最正确的决定） • 从自身情况考虑，天赋有限 找不到好的问题可以做，知道的问题都是世界难题 • 周围没有做这方面的人可以讨论，网上密码学公开课的资料很少（怕变成民科） • 对自己没有信心（我不掷骰子）

  29. 学习经历 2014.3 -> 2014.6 网络安全的研究：网络脆弱性 做实验拿不到好的数据，没有好的 idea 2014.6->至今 Internet 的拓扑结构建模 && 下一代因特网 2014.2->至今 跟着***学习机器学习

  30. 经验教训 • 尽早确定自己想做的方向。确保在这个方向中： 能够有人为你正确地指引方向 网络上有充足的资源 能够有人讨论 实验数据容易获得 有前景

  31. 经验教训 2. 边做边学 一定不要学完所有的知识之后才开始做！！！ 3.注重动手能力的培养 李建扣：如果一个做机器学习的人跟你说他没有写过代码，那么他就是一个骗子！ c\c++ , python, matlab, R, Mathematics

  32. 丰富多彩的生活

More Related