來到老大的實驗室快一年了,跌跌撞撞卻還算是有些成長。已經養成從論文學東西的習慣,卻也開始變得沒有耐心扎扎實實念一本書。
最近想要趁著研究的淡季﹝?﹞、以及似乎慢慢抓到研究進度的感覺,來重新補一些很基本的東西,找了MIT的開放式課程讓自己至少跟著一個不會太慢的進度進行。
目前打算跟著兩門 13 周的課程,先從自己可能比較可以掌握的開始,所以挑的不是完全不認識的東西。
- Probability and Random Variables:應該是 MIT 的機率導論,總之也是跟著 Ross 那本教科書進行,共有 10 份作業,應該算是最容易完成的一門課,希望至少這個要順利。
- Mathematical Statistics:是一門研究所的課,看了課程內容發現許多概念是對機器學習的理論研究蠻有幫助的,就算要做實作可能也少不了這些知識,同樣有 10 份作業,這個應該稍微有難度一點。
等這兩門結束後,如果還順利的話,或許會繼續進行另一門課:High-Dimensional Statistics,算是結合了線性代數、和上面那門統計的東西,還有一些 Minimax lower bound 的概念,希望會對另一個卡了大半年的問題有一點幫助。
總的來說,做研究﹝機器學習理論研究﹞依然是我目前最有興趣的事情,也蠻樂意作為我未來幾年努力的方向﹝如果有人願意收我的話﹞。
持續努力,希望接下來的這一年,可以平衡好自主學習和研究進度。