如果你想进入迷人的学术世界，最主要的途径是攻读博士学位。然而，这是一条非常艰难的道路，尤其是因为相对于其他工作而言所经历的孤独和开始撰写高质量机器学习论文所需的知识量。
但是，如果你认为这两个问题不是问题，因为你热爱学习（特别是机器学习），并且你不介意孤独，那么你可能是攻读博士学位的完美候选人！
既然你已经决定了……你的下一步是什么？实际上，你需要两步。第一步是找到一个伟大的博士导师，第二步是向你的博士导师展示你对机器学习有很多了解并且对它感到兴奋。但是很多人在简历上都写有这些话，你与众不同的是你相对于其他人真正知道的东西。那就是你对机器学习的了解。但首先，你需要学习一些东西……以下是一个宝贵的书籍列表，你可以考虑学习一下机器学习：
- DeGroot, M. H., & Schervish, M. J. (2012). Probability and statistics. Pearson Education. 首先要了解基础知识，机器学习的基础是概率和统计学。这本书是关于它们的一个很好的总结。它提供了所有你在博士研究中进一步需要的随机变量的必要信息。统计和概率是机器学习的主要构建块。不要犹豫去学习它们。
- Petersen, K. B., & Pedersen, M. S. (2008). The matrix cookbook. Technical University of Denmark, 7(15), 510. 这本书不建议阅读，而是将其作为一个珍贵的计算工具。如果概率和统计是机器学习的主要构建块，那么微积分就是粘合剂。如果你不了解微积分，你可以在进入机器学习之前阅读一本专门的书籍。
- Hill, R. C., Griffiths, W. E., & Lim, G. C. (2018). Principles of econometrics. John Wiley & Sons. 这可能会让你惊讶！但事实上并非如此。回归是最基本的参数机器学习模型，掌握它是获得有关机器学习模型需要的假设的直觉的最好方式。因此，这是一个很好的训练，让你了解有关回归的一切。
- Kernighan, B. W., & Ritchie, D. M. (1988). The C programming language. Pearson Educación. 如果你不知道如何编码，以及如何进行良好的编码，你将在机器学习博士研究中失败。如果你没有技术背景，了解C语言。忘记Python和R。你要用C学习编程。然后，Python、R或任何其他语言都将变得非常容易。
- Murphy, K. P. (2022). Probabilistic machine learning: an introduction. MIT press. 最后，你准备好了解这本机器学习入门书籍。你将再次阅读之前书中涉及到的很多章节，获得有关机器学习基础知识的所有必要背景，以追求博士学位。 你对我的列表感到惊讶吗？在进入机器学习博士研究之前，你是否认为还有其他需要掌握的基本领域（也许是代数……）。请评论！记得在工作时要享受乐趣！！
评论(0)