您的位置 首页 学历教育

计算机领域不完全学习指南.pdf

九月,终于重返校园的同学们将正式迈入一个全新的阶段。选择了计算机领域的你,或许是刚入门的小白,迫切地需要起步技巧的指导;也许正在研究之路上拼搏,为未来的研究方向和论文犯难;或者即将步入职场走向社会,希望听听过来人的想法。为此,我们特意制作了一份干货满满的开学锦囊《计算机领域不完全学习指南》,希望可以陪你在新的学期乘风破浪,砥砺前行!

必读书籍

一提到开学,想必大家都在纠结如何入门、如何对自己学习的领域有更深的了解,这个时候,当然要从书中汲取精华。书海茫茫,哪些书更适合阅读呢?这里整理了一些书单,涵盖机器学习、计算机视觉、自然语言处理、数据挖掘、计算机图形学、语音等多个领域,你想要的,都在这里啦~

成为机器学习大神,你不能不懂数学

在这个言必谈 “AI” 的时代,机器学习是重要的算法内核,而数学是理解和改进机器学习算法的必经之路。那么,如何自学机器学习?需要哪些数理基础?怎样从入门到进阶,成就大神之路?答案都在微软亚洲研究院机器学习组高级研究员陈薇给出的这份书单里。从机器学习综述、算法优化、理论延展、数学基础四大方面入手,这份书单就是机器学习的“完全指南”。

计算机视觉的修炼秘笈

计算机视觉是从图像和视频中提出数值或符号信息的计算系统,更形象一点说,计算机视觉是让计算机具备像人类一样的眼睛,看到图像并理解图像。微软亚洲研究院视觉计算组首席研究员王井东推荐了一系列计算机视觉领域的经典书目,并分为综合篇、几何篇、机器学习篇和经典读物四大类别。想成为下一个计算机视觉的高手,就看看这些计算机视觉领域的修炼秘笈吧。

NLP 秘笈,从入门到进阶

自然语言处理(NLP)作为人工智能研究的核心领域之一,长久以来都受到广泛关注。前微软全球执行副总裁沈向洋博士曾表示“懂语言者得天下,人工智能对人类影响最为深刻的就是自然语言方面。”如今很多的研究人员都进入了自然语言领域,希望可以解决“让机器理解人类语言”这一难题。为了帮助大家更好地学习 NLP,微软亚洲研究院自然语言计算组首席研究员韦福如从不同程度分享了一些 NLP 领域的经典书籍和课程。

计算机图形学必读的十本书目

计算机图形学诞生于二十世纪六十年代,主要的研究内容是如何使用数学算法在计算机中有效地表达、生成、处理以及显示相关图像和图形。作为一门计算机应用科学,计算机图形学近年来的快速发展极大地促进了计算机辅助设计、虚拟现实、游戏、动画、影视特效等行业的发展。微软亚洲研究院网络图形组高级研究员董悦推荐了一系列必读书目,内容涵盖图形学基础原理、渲染基础与算法、计算几何与几何处理、表观建模等。

语音研究进阶指南

语音领域的探索和研究已经持续了长达150多年,从最初的电话通信到语音识别、语音合成、说话人识别等扩展应用,研究内容涵盖了信号处理、统计学、模式识别、自然语言处理等交叉领域的知识和技能。微软(亚洲)互联网工程院资深语音科学家汪曦在这份书单中推荐了语音领域的经典书目,涵盖了语音研究中的信号处理、语音和语言处理、深度学习研究等多个方面。

数据挖掘,你不应该错过的六本书

近年来,大家对推荐系统以及与之相关的、底层的数据挖掘技术都非常关注。这里的六本数据挖掘领域的经典书籍,既有数据挖掘的概念、算法等基础知识,又包含了数据挖掘在不同子领域的具体应用,值得一看。

系统了解智能问答和机器翻译

自然语言理解是人工智能皇冠上的明珠。在大数据、深度学习和云计算的推动下,自然语言理解的各个领域近来都取得了新的进展,也孕育着无穷的机会。《智能问答》和《机器翻译》这两本书分别对智能问答和机器翻译这两个具有广泛应用场景的研究领域进行了系统性的介绍。

分布式机器学习:算法、理论与实践的全面汇总

人工智能和大数据时代,分布式机器学习解决了大量最具挑战性的问题。微软亚洲研究院机器学习核心团队撰写的《分布式机器学习:算法、理论与实践》一书,全面介绍了分布式机器学习的现状,深入分析了其中的核心技术问题,并且讨论了该领域未来的发展方向。

邹欣的书架:从程序到创新

微软 Azure 云计算首席研发经理邹欣在工作之余撰写的《编程之美》、《构建之法》,在程序员界颇具名气。邹欣爱写书也爱读书,他的日常读物中包含了许多 IT 行业有趣的书,从程序设计经典书籍,到软件开发中应该考虑的人的元素,从编程大师的人生经验,到商业创新和管理故事,这份宝藏书单你一定会喜欢。

科研“法则”

读书之外,掌握正确的研究方法也是一门学问。怎样制定研究计划,如何读好 paper,都是有技巧的。不同大佬们的研究方法集合请看这一“趴”。

如何写好一份研究计划?

对于研究者而言,撰写研究计划必不可少,但是写好一份研究计划却并不容易。如何撰写出色的研究计划?撰写过程中有哪些注意事项?本文为大家梳理了研究计划的评判标准,以及撰写过程中可能出现的问题。

沈向洋、华刚:读科研论文的三个层次、四个阶段与十个问题

在微软亚洲研究院“沈老师带你肝论文”暑期科研训练班上,前微软全球执行副总裁沈向洋博士分享了他阅读、撰写科研论文的宝贵经验。阅读论文有消极阅读、积极阅读、批判性阅读和创造性阅读这四个阶段,也有速读、精读与研读这三个层次,有价值的论文阅读将帮助研究者建立认知模型,找到有价值的研究想法。Wormpex AI Research 副总裁兼首席科学家华刚博士分享了他对于初级科研工作者如何通过论文阅读获得快速成长的思考,同时详细介绍了读论文应回答的十个问题。

如何撰写一篇优秀的 SIGGRAPH 论文

阅论文无数,但仍对自己如何才能撰写出优质的论文发愁。优秀的论文总是相似的,微软亚洲研究院首席研究员 Steve Lin 就在这篇文章中介绍了优秀的论文和糟糕的论文是什么样的,以及一些通用的论文撰写准则,希望大家的 paper 越写越好。

如何在NLP领域干成第一件事

随着深度学习在图像识别、语音识别领域大放异彩,人们对深度学习在 NLP 的价值也寄予厚望。自然语言处理作为人工智能领域的认知智能,成为大家关注的焦点。很多同学都在进入自然语言领域,寄望未来在人工智能方向上大展身手。俗话说“万事开头难”,如果第一件事情成功了,就能建立信心,找到窍门,今后越做越好。否则,也可能就灰心丧气,甚至离开这个领域。这里微软亚洲研究院副院长周明给出了他的建议。

在研究中,你是否踩过这些工程的“坑”?

或许你曾对着前人留下的天坑怀疑人生,或许你曾疏于注释导致自己也忘了当初为什么这么写,或许你抱有“代码 work 就行了”的侥幸心理……那些年我们做研究时踩到的雷,其实许多都是忽视工程细节后留下的隐患。这里有微软亚洲研究院创新工程组首席开发经理殷秋丰发现的做计算机研究项目时容易被忽视的工程问题,祝大家少挖坑也少掉坑。

读博,你做好准备了吗?

你是否还在读博的问题上踌躇不定?申请、读博的过程中要做好什么样的准备,如何克服即将面临的困难?ACM 和 IEEE Fellow、康奈尔大学教授 Lorenzo Alvisi 以其特有的幽默和风趣的风格,分享了自己申请、择校、攻读博士学位的心路历程,希望可以为同学们的博士生涯指点一些迷津。

求生之路:博士生涯的17条简单生存法则

Next Scientist 是一个专门帮助博士生获取并保持动力、实现毕业和指导在业界求职的网站。本文作者 Julio Peironcely 是 Next Scientist 的创始人和编辑,曾在荷兰莱顿大学的 PhD 期间做代谢组学和代谢产物鉴定的研究。在这篇文章中,Julio 结合自己的亲身经历,给博士生或即将成为博士生的人们提出了 17 个建议,内容诚恳,细节丰富。内容主要涉及了博士学习期间面对的压力、和导师的相处原则、研究项目规划、发表演讲、日常事务处理以及社交生活等。

职业规划

不论学术成就如何,在走向社会时大家都要做出一些选择,比如是去学术界还是产业界,科技公司研究院还是创业?求职时该怎么做?在未来的工作生活中该如何发展?下面的这些内容也许能给你一些启发。

博士之后,下一站在哪儿?

《Nature》针对全球6000多位博士生进行的一项调查,揭示了三分之一的博士生可能经历焦虑抑郁。研究瓶颈、毕业延期、求职压力,博士生涯可谓“南上加南”。微软亚洲研究院常务副院长周礼栋在这里谈了谈他的看法。

将学术经历整合为求职简历:CS 求职必备的5个小技巧

走出校园初次求职,表述简洁的职位要求或许会让你一头雾水,不知从何下手。如何将你的学术经历“翻译”为适用于产业界招聘的语言?这篇微软研究员 Alaina Talboy 博士的手记将手把手教你读懂招聘潜台词,并将自己的经历进行精确匹配。

计算机专业求职的正确姿势

在焦虑情绪弥漫的求职季,大家可能也听说过不少“毕业就等于失业”、“计算机专业已经过时,就业市场趋于饱和”之类的言论,那么,计算机专业的职业发展,真的是这样吗?在了解了同学们的疑惑后,微软亚洲研究院特地收集了同学们在职业发展上关心的一些问题,并且邀请到了不同研究方向的研究员和工程师前辈们,为大家答疑解惑。

沈向洋:你给自己的定位是什么,你就会得到什么

前微软全球执行副总裁沈向洋博士在回顾了自己多年来的工作经验后,总结了自己在职业生涯中学到的七个经验教训:要专注;要拓宽,先深入;会讲故事很重要;定位决定所得;把握可控的,留心可见的;专注于项目;走中庸之道。希望这些职业发展的哲学也能对大家有所启发。

欢迎点赞,点在看,让更多同学获得此开学锦囊~

如果你还有什么问题,也请在下方大胆留言,当然,如果你有好的经验或者方法,也请分享给大家吧~

你也许还想看:

为您推荐

发表评论

您的电子邮箱地址不会被公开。 必填项已用*标注

返回顶部