1樓：BugCreater
機器學習在NLP中的每個應用都會很火，包括但不限於句法依存，指代消解，關鍵字，摘要提取，篇章關係，資訊抽取以及智慧型推理等
2樓：謝澎濤
Bayesian methods, 諸如probabilistic graphical models，Bayesian nonparametrics十幾年來一直都有人在做，比較穩定，不像有些topic (如compressed sensing)出現大起大落的情形。這塊涵蓋的內容非常多，我自己覺得比較有趣的兩個問題是
1. stochastic gradient MCMC, 將優化和sampling結合起來
2. spectral method 引數估計
3樓：
high-dimensional statistics，研究高維模型的引數估計和統計推斷。其中主要是和Lasso 相關的回歸問題。由於高維模型的引數估計主要採用L1/ nonconvex regularized estimation, 引數估計問題還涉及優化演算法的研究.
文章可以看Berkeley Martin Wainwright Martin Wainwright's home page
學習深度學習是否要先學習機器學習？
作為乙個在數學系學統計做過機器學習，工作後搞深度學習的人，我可以很負責任的告訴你，不需要 理論上來說，深度學習確實是機器學習的一部分。十年前，深度學習其實還叫 ANN，是存活在機器學習裡的一小部分 別噴，我知道現在主流是 CNN，跟ANN不同 但是實際上，深度學習是乙個用計算機算力暴力求解問題的函式...
神經網路 深度學習 機器學習是什麼？有什麼區別和聯絡？
達觀資料 機器學習是指利用演算法和統計模型，而非規則程式設計，使得計算機系統能在某個特定任務上提高表現。人工神經元是一種運算結構，它接收乙個或多個輸入，通過非線性函式變換，得到乙個輸出，而且該非線性函式是在學習過程中可變的。人工神經網路是一些人工神經元組成的網路，其中一些人工神經元的輸出作為另一些人...
這一波深度學習 機器學習熱潮什麼時候會過去？
不會過去，因為這才剛開始，機器學習容易被誤解為是機器學習人，但是實際上正好相反，機器學習發展到現在，雖然很多方法的比較物件還是喜歡拿人的能力來作為最高基準，但是實際上普通人的任務能力是很差的，比如大多數人對性別的理解就是男女，但是計算機會把這個程度按照線性或者非線性的方式來量化，從而給出乙個複雜但是...