1樓：大煎餅
通用的方向比較好，將來的出路比較多。
從目前來看，卷積神經網路及其變體是最常用的。
1）卷積神經網路卷積神經網路至今仍是影象識別領域最常用的演算法，主要包括卷積層、池化層等部分。
卷積神經網路
2）殘差網路殘差網路是新增了跨層連線的卷積神經網路。
殘差網路
3）殘差收縮網路針對強噪、高冗餘資料，殘差收縮網路
[1][2]引入了自適應軟閾值化。
（面向強噪、高冗餘資料的）殘差收縮網路
2樓：
主要就是語音和影象兩個大方向吧
四五年前做機器學習最火熱的就是CNN，從2023年開始，各種影象識別，影象檢測演算法模型一波未平一波又起，這兩年感覺自然語音識別更火熱。影象識別落地的演算法，最廣泛的就是人臉識別，而語音識別應用場景更廣泛一些，智慧型客服，智慧型音響，carplay…
對影象的理解目前是比較淺顯的階段，主要是識別，語音領域已經做的更深，開始做邏輯和理解。
就業都是很搶手，關鍵是能學到什麼程度。
3樓：Jian
講太多了都是扯談，最主要的是看你興趣，根據你的興趣確定乙個領域，比如你對文字感興趣，那就去學nlp，然後再在nlp中尋求乙個實用而且具有研究價值的方向，然後堅定的走下去。
4樓：薛煥然
不考慮文章的話就資料探勘尤其是推薦搜尋廣告這些，同時讀研期間要補一些計算機的東西，最好從研一開始就刷題，LeetCode，poj之類的。。。然後Hadoop Spark Flink最好也看看。。
其實你不讀博士的話有啥方向。。。找個好實驗室就行，進去前看看老闆發的文章有沒有KDD這類的，現在好多老闆說自己做"大資料"，"機器學習"，然後文章也沒有，集群也沒有，GPU也沒有。。。
5樓：Python高階者
就個人來看，資料探勘和影象識別未來的前景會更好一些，而且也容易出成果，這塊有很多人在做，已經有很多的成功可以借鑑，對於你的科研工作來說是福音
研究生讀機器學習方向，應該跟著數學的老師還是計算機的老師？
很多回答很誤導人，只說乙個建議，一定要去聽牛人的意見。至少是能拿到sp以上的人，最好是gfma level的。其他的千萬不要聽。 以後想從事機器學習理論方面的研究，跟搞機器學習理論的老師，數學和計算機專業的都無所謂的 一般來說，理論搞的深入的老師都在清北，中科院，上交，南大等名校名所 但是這一行最好...
去港大讀研究生和去美國讀研究生哪個好？
愛慕斯 有條件的話去美國吧，那邊的金融環境更好更健康更完善 提前邁入國際化視野是對你以後有很大幫助的，也可以吧英文好好補齊一下。也不能說香港就一定差，目前來說整個香港出現的問題還不少，教育環境社會環境也在慢慢走下坡路。最後還是看你自己選擇了。 Lawrence W 分情況 如果你能進入美國非常好的商...
機器學習，資料探勘方向的研究生三年應該如何安排？
超越 估計題主都要研究生畢業了，那就給其他人參考吧。1 多層感知機 多層感知機可以看作是最基礎的人工神經網路，到目前仍是很常用的，應該是每個機器學習從業者都要了解的。多層感知機 2 卷積神經網路 卷積神經網路的基本結構如下圖所示，主要特色部分是卷積層和池化層。卷積神經網路 3 殘差收縮網路 在資料雜...