【中枢教育】Berkeley学长浅谈统计与概率、机器学习、运筹之间的联系.docxVIP

【中枢教育】Berkeley学长浅谈统计与概率、机器学习、运筹之间的联系关键词：中枢教育 伯克利 统计学 数学 申请主讲人：Z学长中枢教育学员北大数学本科Berkeley统计学MS在读内容简介：1. 大学期间统计学的学习和科研经验分享2. 统计学与概率、机器学习、运筹等之间的联系3. Berkeley统计学专业的学习经验分享及申请经验分享各位老师，同学们大家好！我是赵学长，北大数学学院2012级概率统计系，现在就读于加州大学伯克利分校。好了。我开讲啦，大家有什么问题，欢迎随时打断我。就像国外教授上课一样，有问题随时提问，不必等我讲完。各位同学，大家中午好！新的学期就要到来了，首先祝大家在新学期更上一层楼。很高兴有机会能和大家在一起，分享我的留学经历；也很感谢Pivot的各位老师，和你们的密切合作让我的申请之路顺利了许多。两年前，在大三的时候，在选择专业和方向的过程中，我走了很多的弯路。当时很少有老师和长辈来指导我如何选专业，多数时候我都在闭门造车，凭空想象。那段时间心烦意乱，心思很少放在学习上。学如逆水行舟，不进则退。当我回过神来的时候，周围的同学已经比我多学了很多。有的同学早早开始了本科生科研，有的同学早早提交了海外交换的申请。真正想要向统计学方向发展的，应该是我大三下学期的事情了。引领我走向这条路的，是我最最尊敬的吴老师。她是我本科生科研的导师，我的本科生科研做的是金融数学。记得那时，我和我的组员以正在以传统的概率统计学工具来研究我们的题目，例如随机模拟，随机分析，假设检验等等。在一次讨论课的时候，吴老师提了一句：“要是用这些方法做下去，我觉得我们会举步维艰，能不能将一些现代的统计学习方法运用到我们的研究上来？”之后，吴老师发给了我一本书《The?Elements?of?Statistical?Learning》，她说这是伯克利的研究生教材，和我们的国内的统计学教材完全不一样。一扇大门从此打开。找到了学习方向之后，即使从零开始，也不害怕。吴老师给的那本书对我来说实在太难，我在论坛里闲逛时找到了另外一本书：《Machine?Learning：?A?probabilistic?perspective》。这本书是机器学习的启蒙教材。当时买不起原版的图书，看电子版看得头晕眼花。这本书的每一章的前几页我的看过（章节最后的内容看不懂），就这样，我自学了机器学习里的基本理论、模型和方法。之后，我又学习了学院里的《统计学习》这门课（2015秋才有这门课），从统计学习的民科变成了学院派。我希望学弟学妹们能够尽早开始本科生科研，科研的方向不一定要十分合乎你的胃口。重要的是要和自己的导师多多交流，了解未来学科的发展方向，找到自己的学习目标。我的本科生科研有一些成果，但没有论文；不过，这样一段科研经历一定能给申请带来积极作用。不过，最最遗憾的事情，就是我没有海外交流的经历。因为海外交流需要我们大二的时候就要（中枢教育）开始着手准备，等我反应过来的时候已经追回莫及。我的很多海外交流的同学都得到了海外教授的那封价值连城的推荐信。接下来，我想就几个问题进行深入探讨：一.统计系有那些具体的分类我们12级数院的概率统计系大概有60名同学，大家感兴趣的方向也大相径庭。学概率的，有的去研究测度论、随机过程和随机微分方程。统计在科学众多领域的广泛应用（如生物、农业、医学）一直是统计的强大生命力；近二十年，统计与计算机（如机器学习）、应用数学、优化等领域有很多交叉。生物是统计运用历史最久的一个领域，因为时间很久影响广泛，很多学校都有单独的生物统计系。金融那边也大量用统计模型。不过，我了解的大多还是统计学。下面简单说说美国一些统计系的情况：美国统计系最强的学校主要是stanford和berkeley。斯坦福做得更偏计算机，一年三个学期，学习进度很快。伯克利稍微温柔一些，但课程的理论难度丝毫不减。美国的其他地方大致了解一些，harvard主要是做生物统计和传统统计。MIT的统计系不完善，不过MIT在美国人的心目中是最牛的学校，美国人不允许MIT的学生找不到工作。yale统计系比较小，我记得老师只有6个，PhD值得考虑，硕士老师应该管不过来。UMICH的统计很好，老师很多，做得也很现代，当时一直很想去读博。JHU生物统计很强，在生统领域有着非常突出的贡献。Columbia统计博士很不错，硕士中国人太多。Chicago也很强，值得一去。二．机器学习的学习路线数据科学是当下很时髦的名词，如果能在PS里呈现自己做的机器学习方面的相关工作，对于申请来将是一个很大的加分。尤其是申请硕士，注重就业导向的统计硕士项目很希望招来的学生有data?science方面的背景。就我的经验而言，学习ML需要在掌握理论知识的同时，还应训练相应的编程技巧。理论知识：懂得基本的数理统计和概率论的知识