1樓：然紫體壇
既然機器學習相關課程都能在網上學，那還有必要讀研究生嗎？個人感覺，視自身情況而定，可以先做反問，我現在會什麼？我現在能不能做專案？
我先在能做什麼？不瞞你說，三本畢業後，只會寫**，你有經驗嗎？就算給你個工作，給你個專案，你能搞下來嗎？
既然機器學習相關課程都能在網上學，那還有必要讀研究生嗎？三本生，物聯網專業，很好，新生專業，不過實話實說吧，綜合考慮，你能不能剋制自己？如果前三年都是混日子，那麼我想朋友也不必考研了，浪費時間，畢竟三本學風也不好。
如果能剋制住自己，很好，因為考研可能是你最後一次公平競爭，本科平等（初試平等，複試就不一定了）身邊有位三本生考研211的朋友，初試405，報了蘇州大學，複試遭歧視，不過這位朋友依靠實力搞定了老師，所以，如果決心考研，不用在乎幾本，別人歧視你，是因為你沒實力，只要你實力強，老師一樣收你，所以我說，既然決心考研，就專心考，不要受現實因素影響。
既然機器學習相關課程都能在網上學，那還有必要讀研究生嗎？還有就是，朋友你是物聯網專業，在這裡我要說的是，要學活！計算機本科畢業，只會專業課書本上的東西，該專業受現實因素影響較大，即經驗，本科畢業，只會編，不會變通，可以說是半個小白，現在你會的，大專也會，真正決定將來工作薪水的，是經驗豐富度。
我建議，計算機專業方面的同學，應當多關注應用能力的培養，當然，如果真想實現真正意義上的「走出去」，還是要有高學歷的，畢竟很多企業明文規定碩士及以上學歷，工作經驗要求3-5年。
既然機器學習相關課程都能在網上學，那還有必要讀研究生嗎？我建議，如果想走遠，考研必須的，如果像平常人一樣每月拿一萬多的工資，考研可以放一放，還有，一定要剋制自己，不要像有些人一樣每天醉生夢死。
2樓：情感週末
有必要讀研究生，因為在研究生過程中，會有導師親手帶，還能夠進行很多的實際性操作。
3樓：雙魚愛仕達
當然有必要。因為網上的課程只是皮毛，並不是精髓，所以如果想要學的精的話，需要去讀研究生。
4樓：而且我
有必要讀，因為研究生是一種學歷的代表，也象徵著自己身價的提公升，和機器學習沒有很大的關聯。
既然機器學習相關課程都能在網上學，那還有沒有必要讀研究生？
5樓：神睦疚遲慮嘿稅
引言：有一些人其實是比較想往機械學習相關的方向發展的，但是卻發現網路上有一些學習的資源。既然機械學習相關課程都能在網上學，那麼還有必要讀研究生嗎？
研究生的培養階段，其實跟本科生是不太一樣的，一般情況下在研究生第一年的時候是會學習相關的課程，但是之後的話就閉漏啟是需要自己去做課題寫**了。在這個情況之下比較考驗乙個人的科研能力的，所以說學習課程只是研究生培養階段的一部分，更大的一部分就是自己的科研成果了。而在網路上進行的機械學習相關課程，實際上只是讓自己學到了知識，但是如何的應用並不能得到檢驗。
況且研究生畢業之後還能有乙個文憑，那麼這個文憑也就代表了自己的知識和付出。但是在網路上進行學習的話是很難有相關的文憑的，所以說研究生是有必要上的。而且研究生是可以接觸到優秀的老師，而且學校也會提供給各種各樣的資源或者自己還可以去接觸到一些專案。
那麼在做轎如專案的過程中，實際上就是增加了自己在行業內的經驗和知名度，這個時候也能夠對自己的就業有所幫助，但是不知道研究生的話這些優質的資源是沒有辦法接觸到的。
一些人總覺得那些考研究生的人都是浪費了自己的時間和精力，但是沒有想到的是其實上了研究生之後對人生的提高是非常必要的。不僅可以開拓自己的眼界，而且有一些地區人才引進計劃中主要是針對研究生和博士生的，所以說本科生根本就沒有機會。學歷的搜茄提公升對個人的發展是非常重要的，再加上現在有很多的人都是比較優秀的，如果自己再不努力變得更優秀的話，那麼就會失去了核心的競爭力。
6樓：昕昕學姐
需要慶返讀研究生的，因為現在很多機器和網上課程都沒有辦法猜信系統地講授知識點，而且學校也能給研究生乙個良好穗差輪的學習氛圍。
7樓：happy薛醜醜
是有必要讀研究生的，因為讀研究生的話能夠提高自己的學歷，便於自己找工作。
目前本科，對機器學習感興趣，應該朝哪個方向學習？
8樓：何飛飛聊娛樂
機器學習是一種人工智慧(ai)，它能讓計算機在沒有明確程式設計指令的情況下收集資訊。對於那些嘗試分析越來越多、越來越複雜資料的公司來說，這種能力是必不可少的。擁有熟練程式設計技能的人也供不應求。
如果對在大學深造數年不感興趣，還有其他可進入機器學習領域的路徑。克洛伊寧舉例說，在發現難以找到合適的員工後，他自己建立了機器學習訓練專案。他說：
我們招募擁有電腦科學或數學專業的人才，伏拍然後對他們進行相關培訓。
僱傭他們要廉價得多，他們的薪酬大約只有機器學習開發者的一半。」市場中充斥著許多並不真正瞭解演算法的人。克洛伊寧已經被大量申請淹沒了，他說：
段局「人們渴望接受培訓，到目前為止，我們還未曾向招募人員支付過任何費用。」與任何供需失衡相似，機器學習領域的問題終將得到糾正。
那麼，現握廳讓在就攻讀博士學位，並在機器學習大潮中賺錢為時已晚嗎？或許。這個領域的薪資增長已經放緩，但工資水平依然高於其他電腦科學崗位。
而且無論如何，學習機器學習都是個好主意。特洛伊說：「這將是所有開發者都需要了解一點兒的技術。
將來，每家公司可能都會有幾名機器學習專家，然後又20到40位瞭解機器學習知識的開發者，以便他們能夠與這些程式互動。」
簡單說一點，之所以最左邊寫了『數學基礎』『典型機器學習演算法』『程式設計基礎』三個並行的部分，是因為機器學習是乙個將數學/演算法理論和工程實踐緊密結合的領域，需要紮實的理論基礎幫助引導資料分析與模型調優，同時也需要精湛的工程開發能力去高效化地訓練和部署模型和服務。
需要多說一句的是，在網際網絡領域從事機器學習的人，有2類背景的人比較多，其中一部分(很大一部分)是程式設計師出身，這類同學工程經驗相對會多一些，另一部分是學數學統計領域的同學，這部分同學理論基礎相對紮實一些。因此對比上圖，2類同學入門機器學習，所欠缺和需要加強的部分是不一樣的。
9樓：小阿星
應該朝人工智慧專業的方向學習，因為這樣的滑仿話能夠使得專業對口，能夠讓自己的能力不斷的提公升，對自己之明畝後的發展有很大激讓森的幫助。
10樓：青楓侃
應該朝人工智慧這個方向學習。這個專業的發展是非常不錯的，同時之後也有非常不錯的發展前景。
11樓：雙魚愛仕達
應該學習人工智慧。因為我們如果以後想要研究機械人的話，就要去學習人工智慧專業，會讓我們打好基礎。
機器學習為什麼會使用梯度下降法機器學習吳恩達為什麼線性迴歸和邏輯迴歸的梯度下降演算法一樣
梯度下降法是一個最優化演算法，通常也稱為最速下降法。最速下降法是求解無約束優化問題最簡單和最古老的方法之一，雖然現在已經不具有實用性，但是許多有效演算法都是以它為基礎進行改進和修正而得到的。最速下降法是用負梯度方向為搜尋方向的，最速下降法越接近目標值，步長越小，前進越慢。梯度下降法可以用於求解非線性...
機器學習該怎麼入門，機器學習真的很難入門嗎
可以先了解下人工智慧，資料探勘。網易公開課上有機器學習大牛吳恩達的公開課，這是機器學習公認的最好資料。推薦一本書 機器學習實戰 邊學邊動手。機器學習真的很難入門嗎?機器學習不難入門。機器學習裡有很多演算法，最少你得有程式設計的基礎吧。當然入門講解的一些演算法還是非常易懂的。這裡推薦mooc上的兩門課程，一門...
機器學習中使用到底是什麼原理,機器學習中使用到底是一個什麼原理
最基本的就是分類,判斷一個向量究竟是不是屬於一個分類。其中方法比較複雜,建議可以從支援向量機開始看 機器學習中使用到底是一個什麼原理 機器學習通俗的說,就是用簡單粗暴的方法來發現事物內在的聯絡。比如我想做手勢識別,我需要一個函式,函式的輸入是手勢資料,輸出是不同手勢的型別。機器學習中使用到底是一個什...