1樓：
我覺得LAMDA提供了乙個很好的科研環境，這是毋庸置疑的。最簡單的地方：錢夠，現在搞深度學習怎麼也得一人幾塊GPU吧，在這種硬體條件方面，LAMDA不會讓學生吃苦的，而某些學校的組裡連一人都分不到一塊GPU。
當然這是乙個說明LAMDA硬體條件的乙個case。LAMDA的硬體條件與環境氛圍我想在國內也應該是一流的。
其次，我覺得LAMDA的幾個老師所做的研究工作還是非常solid的，而且aim high。比如俞揚老師在做強化學習的環境模擬以及offline RL，這都是能使強化學習落地的關鍵topic，可能你在研究生階段做這些方向由於都是硬骨頭，很難發表文章，但我可以說你一定會受益匪淺，學到很多，而發的文章都會是極具影響力的工作，不會為了發文章而發文章。再比如周老師做的學件、基於樹結構的深度學習，張利軍老師做的優化演算法，例如SAdam等等，李宇峰老師的半監督學習，也都是非常solid的工作。
所以快速總結一下，我覺得如果你想在國內讀個碩士工作，LAMDA的牌子是夠用了的。但如果你想在國外發展或者成為一名計算機科學家，那毫無疑問，國外最頂級的實驗室會更好
2樓：
首先學術環境只在讀PhD的前提下成立，讀PhD的話很多答主已經分析的比較清楚了。
我想說的是題主最好先想清楚自己是不是真的足夠了解ml，以了解為前提下熱愛它。而不是覺得ml很cool，我就要搞這個方向，這是衝動而不是熱愛。也許等你多踩點坑就後悔為什麼要學ml了。
如果題主只是想轉個CS，早日去工業屆掙錢，家庭條件允許的話，去北美top 50讀個cs master吧。大可不必入ml的坑，而且北美master是很難找到ml相關工作的。
如果在國內找工作的話其實差別不大，也不用指望國內讀個研究生就能有多強的學術能力，早點出去實習，畢業去個好公司不難。
我反對之前有答主說的國外授課型master不好。ms就2，3年，無論國內還是國外，難道還指望這麼短時間成為學術大佬麼。大部分人只是想推遲就業，多積累一點而已。
如果在就業為背景的前提下，不如多做點project，積累碼力，豐富簡歷。而不是國內學術導向的master剛點了點科研技能點，畢業後直接工作去了。我甚至有點覺得這在某種程度上是浪費時間和資源。
當然如果是想申PhD，以Master 為跳板另談。
3樓：么么
留校任教的話，現在很多學校的政策對於土博還是很不友好的，但是周老師確實是國內機器學習的頂級大佬呢，所以周老師的offer感覺也很難拿呢
4樓：桂能
你要在國內混學術圈的話，那就周志華那邊，今天lambda已經成氣候，成氣候也就意味著他其實是有個團隊都非常強，這批人未來是要散到中國的學術圈子裡去的，在國內，connection就是這麼來的，未來等你35歲的時候，你如果要學術交流，隨便招呼一聲就有大批的師兄弟為你站台。
如果你要去flag做碼農賺錢，那就出國吧，這個沒有什麼好講的。
5樓：
當然是國外cs, Lamda最厲害的老師是lijun zhang,但是他的水平跟university of iowa的Tianbao yang差不多。所以你就知道Lamda跟國外cs比差距有多少了
6樓：
搞學術的人到後期靠團隊的支撐，大老闆一般不會在一線搞學術的，在國內當然混酒場更重要。脫離一線成為大老闆也是很多小老師的奮鬥目標。所以如果看透了，在哪都一樣的。
7樓：閔希豪森男爵
跟周老師有過交集，周老師是純粹的南大人，本碩博全南大，但渾身都是國際學術大師範兒，aaai fellow不是蓋的。手下幾位老師也都是牛人，可以說跟誰都不虧。
推薦lamda。
哦對，周老師的學生，去t不好說，去b和a基本平趟，不要問我為什麼知道的。
但是，走上學術的可能性還是很大的，我感覺能不被周老師感染的人不多。
8樓：
周志華國內很強，大陸的話好的去處就是清華，科大還有周志華那兒。不過能出國，國外學校不錯的話就走吧。除非周志華有hinton那樣牛，才值得為了乙個人留下來。
因為你進了那個實驗室也不一定是他帶你，不值得
9樓：
其實我不要太清楚周老師有多強，只是微博上看覺得周老師人很好。我建議如果能跟上比較好的老師出去讀。我現在的答案是預設周老師是大陸機器學習最強的（或者之一）。
首先跟周肯定很好，但是這樣否認其他美國其他學校未免有些衝動。
我覺得，美國就算top100裡也有大批優秀的老師，這是因為美國吸引了全世界最優秀的學者，沒有人可以否認這一點。所以不是說出國跟不上好老師，有太多優秀的老師，可能lz需要一段時間把老師多了解了解。至於老師nice與否不好說，但大牛老師一般不會為難學生的。
另外就是環境的問題了，畢竟在美國學術交流機會多，就像我在的學校，每週自己實驗室來做talk的都是各大學校的大牛，不說蹭別的組別的系的seminar了。去別的學校聽個workshop開車兩三小時就到了。我們這個領域，還有相近的領域，幾個學校學生大多都算認識，大牛導師不敢說認識但都打過照面，這種氛圍是大陸趕不上的。
世界很大，可以出去看看，或者在周老師讀博然後出國做博后。重點是要出去看看~
10樓：凱威講堂
如果想早點賺錢，建議出國master，從實踐的角度掌握ML DM 應用，多刷刷題。時刻保持好奇勤學的習慣很重要，自學也是可以學很多的
11樓：張晨麟
認真的來說，如果想要來LAMDA唯讀Master然後找工作的話。那其實並不是乙個太好的選擇。LAMDA可能由於南京大學等地理位置、平台的限制，歷年的碩士生找工作水平都沒有那麼好。
那樣我還是建議去國外讀Master。
如果是認真想從事這方面的工作，比如讀乙個Ph.D的話，那麼樓上有老師也講了，除非你能申請到CMU等超級大牛的Group，那麼如果申請不到的話，LAMDA絕對是很好很好的選擇。
12樓：劉威
如果讀碩士，那肯定lamda比出國強，美國大部分master都是授課型，不是很符合你的想法，主要是提供了乙個更好的留在美國工作的機會。至於博士就得具體分析了，得看題主水平能申請到什麼樣的學校。
而且鑑於樓主還是轉專業的情況，兩三年時間的碩士的學習ML的時間短了一些，所以如果要做ML，最好還是讀個博士。
13樓：
除非是CMU，UC Berkeley之類的國際超級研究組，否則我覺得還是南大周老師的研究組吧。但光碩士肯定不行，一路讀完博士，一定有驚喜。
14樓：
在我看來，國際上在機器學習領域的學術修養和人才培養方面比周志華老師團隊明顯高的，屈指可數。如果不是確定能去那些特別知名的研究組或導師，LAMDA實驗室肯定更好些。
南大周志華的《機器學習》這本書怎麼樣？
這學期學完了1 9章，期末臨考前又預習了一遍233，預習這本書時對這本書有很多抱怨，推導不細，讀不懂等等，但當我認真過了一遍這9章之後，我體會到了周志華老師的用心 態度和努力，相信老師在生活中也是一位很好的人。個人覺得用心的地方在於 一是這本書很寬，在兩側留足了記筆記的空白地方。二是兩側很多地方加入...
機器學習（周志華）第2 3 4節中，代價曲線的理解？
Honfung.Wong 我想講人話，也就是用不那麼 數學 的方法來直白地解釋下這些問題。顯而易見，書中公式 2.25 定義了 是關於 FNR FPR 和正例概率 p 的一次函式，圖 2.5 上左右端點分別是 p 0 和 p 1 的情形。故易得出結論。圖 2.5 中，橫軸為 正例概率代價 縱軸為 歸...
周志華《機器學習》38頁關於二項檢驗的公式 2 27 是否有誤？
GuoQW 符號 代表泛化錯誤率，代表測試錯誤率，是某次進行實驗得到的測試錯誤率。現假設 是猜測值 得到下式 這符合二項分布，接著利用下式計算拒絕域下限 若 時，拒絕假設 即某次實驗出現該情形，有理由拒絕原假設 否則，不支援拒絕假設 出現在非拒絕域不代表接受原假設 周志華教授 機器學習 第一版第31...