大神门帮忙完成一份应用统计学学什么作业吧!

原标题:在国外读研我都不知噵我是怎么毕业的!

这篇文章是一个去美国读研究生院的学生写的,写于用非常具体的亲身事例来说明这个观点就是:美国的学习一点吔不轻松,美国学生很勤奋相比之下,中国学生进大学后等同放羊学的浅,学的弱还学的很不努力。

所以准备出去读书就要做好吃苦的准备了

在去美国读研究生院之前,我想大部分国人和我一样认为美国的教育都是人性化的教育,教育方式和观念都以人为本什么嘚感觉美国的教育都是让学生一边玩,一边学一点也不痛苦,学生有很多课外业余爱好

总之一句话,他们是素质教育我们是应试敎育。而在好多人眼中美国人都不怎么爱学习,学习很次中国是个人去了就可以称王等等。到这里学了以后发现以前感觉的完全是扯淡的。美国的高等教育比中国还应试美国的学生平均学习刻苦程度是中国学生不能比的。

比如在我的观念里,到大学作业是可做鈳不做的,严格说是不会的可以不做的老师不收,大家在家只要努力做了做不出来没关系,第二天老师会在课上讲所以作业都是良惢活,好学生都自觉完成了实在不会的就放着。

我开始还是拿这个观念去对待美国老师的作业当时看完书已经晚上10点多了,第二天要仩这门课我本来认为估计老师上课对对答案,有问题问问就可以估计没做完也没事。不过我还是凭着国内学习养成的老师给的良心活必做的习惯坚持把题做完了。当时写到了半夜2点半多其中好几次想放弃睡觉算了,不过最后还是写完了

我当时还说第一周就写到半夜两点半,当时觉得以后不会这样这是我自己给自己施加的压力罢了。结果没想到第二天上课,老师就真都把作业收了亏了我把卷孓都写完了,否则就傻眼了当时老师说收的时候,我心想还真收啊后来逐渐才明白原来美国作业是计成绩的,每次作业都会给你按照對错打分记出成绩, 最后和所有平时考试期末考试一起算最后的总成绩

而且最让人接受不了的是,题你要是不会做你不写,或者写錯了你就不得分,最后就会影响你的总成绩在中国是,平时允许你犯错允许你不会,你不会可以空着听老师讲,最后考试时会做僦可以因为从高中以后学得就比较难了,作业有不会做的很正常老师是允许的。

但是在美国就不一样了老师每周都会给你留一大堆莋业,你在下周上课前要交上来如果有不会的,你要在交作业前去自己去问老师老师不会在课上给你讲的。如果到交作业时还没有问咾师因为不会不做或者做错了,那么你就要承担这个责任老师不会因为你实在不会就手下留情的,你的作业就会被扣分每次作业老師都会记录的,最后会一起给你算总成绩的这样每周的作业都相当于一次考试,因为得的分数直接影响你最后的总成绩

我这学期学选叻3门课,分别是经济数学高级微观经济学,高级计量经济学最痛苦的是第一次计量经济学作业。计量经济学是我们这里面最难的课基本就是应用统计学学什么在经济学中的应用,而且这门课是最近几十年才兴起的国内教得很浅,以至于我一值认为应用统计学学什么昰门比较好学的课程

但是在申请美国大学的过程中在论坛经常听他们说外国的经济学要求数学非常高,其中最难的就是计量经济学还囿应用统计学学什么。数学和应用统计学学什么最好申请因为太难,外国人没人去学当时还不理解,为什么应用统计学学什么这么难學现在终于知道了。我们老师用了一堂多课就把前4章讲完了前四章就涵盖了我本科学的最难的一元线性回归和假设检验的所有内容。嘫后就留作业了

到快交作业的前几天,我才拿到课本于是赶紧做。因为这一部分本科没有学扎实为了做作业,用了几天把本科的概率论和数理统计又看了一遍感觉还是没怎么看懂,然后就做作业一点一点抠到凌晨5点多,实在做不下去了然后就交了。后来发了作業20分满分得了16分。

来说说美国研究生科目的成绩是怎样算出来的

计量经济学这门课第一次期中考试占20%,第二次期中考试占20%期末考试占20%,平时作业占40%

最后总成绩按照ABCD给你评分,90-100评A80-90评B,70-80评C70以下D或者不及格。而且硕士研究生毕业有一项成绩要求就是每学期平均分不能低于B否则下学期你就留校察看,如果再不行就被开除了也就是硕士研究生的及格分数是平均80以上。如果是十分简单的学科考80分以上不算很难关键是现在学得都是非常难的,作业和考试很难所以如果保证所有科平均80以上,不是一件容易的事情

我估计了一下,难课程洳果都保持80分左右就不错了所以最后很有可能的结果是大部分都是B,然后如果都是B的话只要有一科是C,那么平均就是 B以下那么就可鉯走人了。而如果得C的这一科是因为平时考试和作业都是刚好80分或平均刚好80分恰好有一次作业得79分,那么这一门课可能就因为这一次作業的80以下造成最后这门课B以下(或者说C),如果恰好其他课又都是B那你很有可能平时表现都不错就因为这一次作业的一分而被开除走囚。

当然你要说哪里有这么恰好的事情我说这个已经是很好的情况了,很有可能你的考试和作业会很多次上不了80分我这次作业就是在懸崖边上:16 分,20分满分看似不错,实际上16除以20等于0.8也就是80分,已经是最低可以接受的分了所以我以后作业必须要拿尽可能多的80分以仩才能避免因为有80分以下而最后失足的情况。所以这次只是刚刚及格

我在国内时看学校主页上的这学期学习安排,说是10月7日左右期中考試期中考试对我来说已经8年没有遇到了,因为上了大学以后好像就没有期中考试,也许工科的同学有不过我们经济这种文科的学科僦没有了。期中成绩老师大多是以出勤率来计算而且占30%,期末考试才是大头70%最多就是中期可能会有一片论文当作成绩参考。

所以我来の前一直有我们专业不会有期中考试的侥幸心理结果上了第一周课我就傻了,所有3科都有期中考试而且期中考试都不只一次,有的课昰2次有的课是3次,加上期末考试基本上每个月每门课都会有一次考试,这个我们在应试教育的中学感受过不过那个叫做月考,或者尛测不计入最后成绩,而且那个最后成绩对你也没有用因为最后要看你的高考和中考成绩。而美国这个考试基本上是所有考试各占20%莋业占20%,没有轻重或者都是25%等,或者老师对这个评分比例进行微调反正权重基本都是一样的,而且所有的这些平时成绩最后折算成的總成绩会跟你一辈子找工作时,用人单位会让你出示所有高等教育的平时成绩因此你那次都不能马虎,包括作业

在没有考试的第一個月,我们就觉得已经很难了来之前我认为我只选了3门课,以国内的经验来说应该是很轻松而且周五,周六周日三天没课,每周可鉯休息3天生活应该很惬意。

可是知道了我上面所说的美国大学的教学制度后你就发现你每周都要写作业,而且要写好而老师上课基夲上对你写作业是没有什么帮助的。因为课堂时间有限老师就讲他喜欢讲的部分,然而你就要把所有书都看了然后再把所有题都做了。基本上老师每次课都讲一章一章的内容大概30-40页书,这30-40页的书是大书就是比国内16开纸大一点的那种书而且是英文的小子,密密麻麻仳中文的30-40页的内容应该多,而且最关键是书中每一句话都有复杂的数学和逻辑关系你要看透,都需要你想很长时间或者自己在草稿纸仩推导和画图帮助理解,这样有的时候十几页的书都要看56个小时。你每周要读3本这样的书(100多页)然后做3门作业

每次作业都很费时间,数学作业最简单不过你要用计算机写,用word打十分复杂的数学符号矩阵,希腊字母等很费劲。但是用4个小时应该可以写完(国内写莋业我记得好像能写2个小时的算是比较多的了)微观和计量经济学的作业一般都是十几个小时因为作业就相当于考试,但是这个比考试偠求的时间松而且属于开卷,所以老师留的题都很难最可恨的是计量经济学的老师,讲课非常快我拿到课本时,他已经结束前7章了我们每周休息的三天,我都在赶他的进度讲了一个月到期中考试了他已经讲了12章了,一本近1000页的书他讲了快一半了,只用了一个月嘚时间好在这个课本讲的十分详细,因为我看我本科的书看了好几天就是不明白怎么回事,看了这本书前4章以后就彻底明白了讲得呔细了,太系统了

粗略的算了一下,每周每门课上课看书时间要30个小时写作业的时间要10小时,那么三门课一周学习就要用120小时而一周7天每天24小时一共就168小时。你就会发现你完全没有休息时间和我们一起上课的一个台湾同学发现我们选了3门课很惊讶,说他学2门都快受鈈了了我们居然选3门。开始我们还不理解现在明白了,下学期一定学2门

就这样我们在紧张学习了一个月以后,开始了长达近2个月的栲试之旅我们这学期,数学有3次期中考试1次期末考试,一共4次考试其他两门2次其中 考试,一次期末考试分别共3次。也就是从9月30日開始到感恩节放假前一天我们几乎每周都有考试。

我们国家考试数学、物理这种计算为主的考试过去都是以大题的形势出现这种大型綜合计算题最能体现数学能力,过去一般都是考3-4道数学或物理大题 每道25-30分。但是因为数学物理这种学科确实太难了所以用这种考试会使很多人不及格的,少做一道就几十分没了少做两道就不及格了,过于太残酷了 学数学和物理的很多都是要么满分,要么不及格虽嘫很残酷,但是可以体现能力老师喜欢这种考试,就像语文老师说得其实语文什么都不用考,什么花样都不用出就考一篇作文就可鉯了。

但是为了照顾大多数考生的面子问题这种考试好像在改革开放之后逐渐被取消了,因为我们引入了西方的观念第一是注重学生洎尊心培养,总是考不及格会有阴影的第二是引入西方的标准化考试,也就是什么选择填空题因为美国托福,GRE还有美国文职公务员考試都是选择填空题

这样我从小经历的考试没有纯大题的形式。我经历的有的比较牛的数学和物理老师说都考纯大题才好呢考什么小碎題。但是到了美国以后我们引进了西方的观念发现在西方行不通,这里考试完全和我们没有改革开放之前的考试一样数学、微观经济學都是4-5道大题,每道20-25分没有一道选择或填空。

国内学经济学就背背概念。这里经济学基本上是可以说是文科中的物理学老师上课就昰在黑板上用数学推导公式和证明定理,最多在最后根据公式说一下经济意义

就这样我们在已经被国内淘汰了的过于残酷的纯大题考试Φ要都保持80分以上,难度有多大了吧还好,我的高等数学学得还不错计算基本功还行。所有数学考试全部95分上下一次,微观经济学栲试是拿回家考试开始我们认为比较轻松,结果发现不是那么回事出的题太难了,我做了3天有一道证明题我把自己锁到厕所里想了6個钟头,最后用欧拉定理硬证出来了

对于计量经济学,实在是没有办法太难了。我几乎在开学初的90%时间都用在计量上在第一次考试湔总算大体明白了这门课是怎么回事了,赶上了前12章的进度

本来开学初我们还信誓旦旦的要拿全A,结果这门第一次考试就考了54分而全癍平均70。第二次拿回家考试我还说这个还好可以拿回家做,结果我和那个中国同学费了整整一个星期在建立模型前面1个礼拜试验了近百种可能性的模型,结果就是相关系数不到20%根本不能用。后来折腾了很久花了两天时间完善模型和写报告,最后写到凌晨5点

以为可鉯取得不错的成绩结果得了66分,说是有一个环节论证方法出了问题我的心都凉了。因为这门课90分以上才是A80-90是B,80以下是C所有学科平均鈈能低于B,我这科很可能就C了最后我把总复习的时间全放在这科上面了。最后才有所收获得了85。

说说美国学生的学习态度和刻苦程度

峩不得不再说一下我们的认识误区在来美国之前我一直被美国的青春喜剧给误导,电影上演得都是他们怎么怎么不学习怎 么怎么调皮搗蛋,以至于我们国家的学生也开始学习和模仿估计是最先传到港台,然后港台的电影开始影响大陆的导致大陆的学生也开始变的很痞子。

我不知道美国导演是不是故意的虽然我问了美国人,他们说他们拍那样的电影只是表达了学生想拥有那样的生活而不是他们真實生活的写照。但是我还是要对美国导演提出抗议我们的教育制度不完善,学习还要靠自觉的情况下你们这是毁掉广大发展中国家的苗子啊。

美国的大学校园生其实是这样的:

每个校园里走的学生都背个书包匆匆去上课没有一个在嬉皮打闹的,即便是等公共汽车或者莋公共汽车上也在看书。在咖啡店里或者休息的地方你会发现很多美国学生要么在看书写作业,要么用电脑写作业非常安静,没有囚大声喧哗我本来还带着掌上游戏机,有一次在公共汽车上拿出来玩有外放声音,突然发现大家都在看书学习我很不好意思的又放囙去了。突然觉得我在国内本来是很自觉学习的好学生在这里怎么感觉自己跟痞子小混混一样,成了不良少年

有一次晚上去系里打印講义,走在在夜色下的校园里突然想到了我们国内平时大学校园里晚上是什么样子,再对比一下这里我发现校园里路上没有人,有的囚也都是背着书包匆匆的行走去赶时间学习而我印象中至少是我们省的高校校园,夜幕下都是一对对的情侣在共享好时光有一次去这個城市的主街看看,看看那些吧里的人都在干什么突然发现人们都在那里拿着电脑学习。当时想了想国内酒吧里无数失足男女青年在里媔群魔乱舞不禁感慨万千。

美国真实校园生活就是整个一个中国理想中的好学生的聚集地美国学生学习这样的场景只有在中国的电影裏才能看见,而我国的真实学生却在积极模仿美国电影里的东西图书馆里学生们都在很安静的上自习,图书馆的机房学生们都在用来寫作业,没有一个干闲事的我还真的注意观察过。

我在国内上大一的时候觉得学校图书馆和计算机中心的机子比家里的好而且便宜,僦去带着游戏到那里去打游戏第一学期期末还和全宿舍的人去图书馆包夜通宵打游戏,我们那还要钱这里用的计算机都不要钱,但是铨都是用来学习我想原因有两方面:第一方面是我们管理不严。我想如果你在美国的学校机子上打游戏基本就可以准备回家走人了。苐二即便是让你打游戏,就按照我上面说的作业和考试的压力你有时间打游戏吗?

接着说美国学生的学习他们在卖星巴克的地方看書写作业是很正常的事情。那个写作业是真写不是装的。他们学习刻苦还体现在两次计量闭卷考试前老师都发了去年考试的卷子,因為这不是作业所以我和那个中国学生都没写。这很不符合我们的风格因为在国内好学生都是老师越不要求做的,都越做结果来了美國以后,由于老师逼的太紧有极度的逆反心理和厌学情 绪。结果只要不计分的坚决不写也不看。

但是我发现这两次每次美国学生都把所有题目都做在纸上了我又一次体会到了他们才是好学生,我们都是混混还有就是他们学习都很积极,我们上的研究生课程只有3-4个昰研究生,剩下的十几个都是本科生他们为了将来更好的学习,在本科阶段就自己主动选研究生的课程而且有的是我们选的魔鬼3门,怹们也都选他们还有自己的本科课程,我们光这三门就快受不了了他们要学至少4-5门课。总之美国学生各个很刻苦永远看不见他们玩。

不得不说说美国的大学教授的能力

我们这个计量经济学的老师光计量经济学的课本就有20多种各种统计软件SAS,GaussSPSS等等都很精通,教材也佷多计算机编程也很牛,我还从他那里学了不少技巧而且他用计算机上多媒体课都是自己接线路(美国老师都是自己接),国内的老師好像都要有 个专门搞计算机的人给他接好才会用。

美国的老师电脑用的比我这个对电脑很痴迷的人都好虽然他们都不是学计算机的。要知道这些教授们都50多岁了年龄和我父亲差不多,国内和我父亲差不多的人很少有人愿意用电脑的。上课有时候还问问我们微观经濟学学得怎么样然后他会瞬间说出我们学的部分的各种函数的性质和定理。人们都说他要求学生严但是他说他遇到的老师才严,他上夶学时他老师考他是任何拼写和标点错误这种和学科不相关的错误都会扣分的,他说他不会那么要求我们的所以他说他对我们要求很松。

美国的教授一般都是像他这样很厉害有一次上完微观经济学,后面上自然资源课的教授进来看见一黑板数学公式和推导立即说出昰这是Shepherd’s Lama(谢波德拉马定理),后来有说了很多好像很有感情似的。我想一个教自然资源的居然还对数学定理这么了如指掌

美国教授嘟是博士,博士这个词在国内反正对我觉得没什么了不起的因为我们国内,只要考上了就都能毕业,所以看这个人厉害不厉害主要看怹考这个学历时的考试水平我国高考参加的人最多,所以竞争最激烈所以最能体现人的水平,所以名牌大学的全日制本科对我很有威懾力但是参加硕士研究生考试人就少 了,所以名牌大学的硕士在我眼里也就一般而博士,参加的人就更少了博士一般混5-6年就毕业了,没有听说过在国内上博士有人学得要死要活还不能毕业的所以博士对国内的一般人来说感觉不是那么有影响力。

而在美国博士这个詞是很有影响力的,教授都是博士在学校人们一般不会称呼他为某某教授,或者某某官衔这些教授或者当官的有博士学位的更喜欢人們叫他们某某博士,因为这个代表了荣誉

比如我们微观经济学的助教就是个上博士的,结果他上学期考试有C被劝退了, 现在正在我们城里的一个商场卖东西

我不禁很感慨,一个上博士的中途被开除然后就只能去商场卖东西去了。也许我光经历美国的研究生教育而沒有经历国内研究生教育,就对国内研究生教育 横加指责过于武断了我相信我前面说的学的内容国内这个专业的研究生肯定也学,但是峩敢肯定没有几个能像美国学校出来学这么扎实的

我同系的那个中国同学,他说他的在国内上研究生的同学整天闲着没事干咱们却在這里整天一夜一夜不睡觉。而且据说有一个他的同学学计量先学了一学期 gauss编程课,我们这儿人生地不熟的上来就很难,然后还要自己看书学gauss编程每次交计量的作业都比一次考试耗费精力。有一次我和那个同学写完作业已经凌晨3点了,这个时候他的QQ上的也在美国留學的同学都在QQ上,都还没睡觉呢交流一下,全部都很痛苦

一个在纽约学金融同学说:“也不知是老师有问题,还是我自己太笨没有领會老师的意思那个题按照老师的意思要用excel算一千遍”。当时我很感慨美国的高等教育实在是太强了,对人要求太高了 我来之前还在算我们学校和北京大学在国际上的排名,当时觉得比北京大学高但是自己说的时候也很没有底气,但是现在不同了我有一种不管排名誰高,有本事就出来一起比一比的气势确实在这种残酷的教育下我们学得非常扎实。

记得有一个老师从美国硕士毕业回来闲着无聊就詓考研报名,去考北京大学的光华管理学院这个基本是我们经济管理领域的最高学府,多少人挤破脑 袋去考它竞争十分激烈,这个老師最后就背了背政治别的什么也不复习然后就考上了。我以前在人大经济论坛问过问题被他们骂做不懂经济的人。现在我再去那里囿一个人不会做,我瞬间把全部数学推导给写了出来后来没人敢说什么。而我问的问题几个月都没有人回答。

我的中学教育很好以臸大学毕业后工作几年,我仍然对高中的所有知识点记忆犹新拿起数理化的题就会做。但是大学学的东西什么都记不起来了只记了几個名词,剩下的什么都没有大学毕业时,我还抱怨大学没学什么东西父亲还安慰我,大学学的是一种思想和方法有了这种思想和方法就可以了。但是企业不是靠耍心眼小聪明就可以成功的靠的是实打实的技术,我们大学的找不到工作的毕业生有几个是能拿出真本领嘚

再说说美国这种教育下的成果

如果说美国这种残酷的高等教育不能产生很好的效果,那大可不必去学习我们学经济学,学得都是方程组组成的模型然后用模型计算出结论。计量经济学靠 统计量来估计模型的系数这个如果在中国多数企业中你要用这个,估计会被人嘲笑骂成书呆子。我当时就想看看美国的真实生活中用不用这个这么理论化的东西

我们对此问题专门问过美国学生。他们的回答令我們很吃惊美国人几乎干什么都会用数学计算,比如你要开个超市或者快餐店老板会找人去建立模型, 然后按照模型去经营因为他们楿信这个是最科学的,最优化的我问道如果要是不用模型呢,凭自己的经验和感觉呢美国学生说那基本上肯定是会破产的,因为感觉嘚东西靠不住永远也不如数学计算的精确。而且他还说经营一个企业不用模型会破产用错了模型,也会破产的

我问他父亲的卖树苗企业用用吗?他说当然用我问他用不用模型处理日常生活,他说他用比如买汽车,他要根据当时的利率油价,汽车的价钱和时间建竝一套模型算出当利率和油价多少时,他能接受的价格范围以达到最优选择(他还不是学经济学的是学森林学和地理学的)。当时我們听了都目瞪口呆感觉美国人太强了。原来我们都以为美国人个个都是数学白痴只有中国人数学最强,看来我们中国是只会计算不会運用的

还有一个例子是华盛顿州立大学的那个台湾同学说他去年的微观经济学老师太强了,他去年上他的课由于太难跟不上,在第一佽期中考试之后得了十几分后就放弃 了所以今年重新学这门。他说去年那个老师今年退休了去年第一次期中考试,全班最高30多分上課老师基本不怎么讲,留作业都是他外面接的公司的工程我心想理工科的可以接工程,我们学得这个经济学也有公司信吗

他说当然有啊。华盛顿州的渔民为了经营的更好都是请他去做咨询。所以他留的作业是最难的和实际结合最紧密的。

我们国家人们往往说的和实際结合的意思是不要去用课本学的东西,因为那个解决不了问题还是在社会上学本领吧,其实我觉得不是课本的东西解决不了问题昰因为你学的不精不会解决问题,而美国人相信理论一定会指导实践的他们如果发现理论如果不能解决实际问题,那么一定是理论不够唍整和完善所以他们会用更复杂的数学去完善理论,这就是为什么我们学美国的东西感觉那么难因为他们要用理论解决实际问题,而被迫把理论改造的很复杂实践证明这样复杂的理论确实可以解决问题,我们这学期学的计量后感觉自己就可以做点东西的

学生们都不會做他的作业,但是不做又没有平时成绩所以都被迫大家一起课下约个时间,找个空教室一起研究题

研究题的方法是大家坐一起,谁會哪道题谁就去黑板上写出来,给大家讲最后把题都做完。那个台湾同学继续说我们没有赶上那个老师很遗憾我们想我们一个计量經济学就够受的了,如果再加上那个老师非吐血不行。

我这个人比较喜欢计算机和电子科技产品来美国之前,我一直不明白为什么中國人那么聪明所有的电子产品的核心的控制芯片,内存芯片都是美国公司或者 日本韩国公司造的中国自己为什么造不了?虽然大部分電子产品都是中国制造但是懂行的人都知道,里面的芯片几乎全市国外的中国所做的只是把芯片,内存买来焊到电路板上,然后组裝上外壳就可以了干的完全是最低端的,最没有技术含量的活因此企业赚的钱都是很少的部分,这些电子产品的价格有一半多要被外國的芯片厂赚取这也就是为什么电子产品不能和国内的农产品,普通小商品一样有适合中国人的价格而电子产品一般都是和美元国际價格接轨的。因为成本降不下来产品的主体成本,是外国厂商定的我们要降价只能降自己不到20%的利润,所以降价空间很小一旦外国廠商也把同类产品降价,那么我们的国产厂就没有取胜机会了

现在液晶电视就是一个很好的例子。造成这个情况的根本原因上是没有核惢技术为什么没有核心技术?以前总是认为为什么美国那么走运老天怎么那么照顾他?我来到美国以后感受了一下美国的高等教育,又回顾了一下自己的高等教育感觉非常正常太正常不过了。

我在学习的中期上留学论坛看了看大家在美国的反应,结果这些国内十汾优秀的人在美国也都开始发起牢骚,我可以列举如下:

考考,考考死算了。

每两个星期就考一次试考完试还有一大堆homework,全都算進期末成绩里的前次考完疯赶作业,拉下两天的课没复习还没缓过劲来,又要考了

第一学期上课听不太懂,我觉得我下课要花比别囚多很多的时间看书第二个星期才发现听懂了一些。上的课还是我没学过的别人听课算复习而已,对我来说全是新的内容

师兄师姐咹慰我说过一个学期就好了,可是大部分的考试都在第一学期第二学期只有一两个考试了,适应又怎么样呢大局都定了。郁闷继续看书去了。

不知道是不是只有我感觉这样上课累死,考试累死实验累死,写文章累死专业还不好找工作,于是修外专业的课作业能写傻,出来找工作吧认识的人好多因为交流工作不顺被fire掉,每天神经都处于紧张状态觉得晚上醒来的时候还兴奋的不行,活的那叫┅个提心吊胆

等等,以上是我在这学期中期的时候看见的帖子当时大家都在喊累。

到了期末我又上了上论坛看见有一个博士得了C,敎授建议他退学他想重新申请。

PhD第一年成绩不好紧急求助-PhD第一年成绩有了一门C,教授建议我Quit但是还是希望能在美国继续待下去,想问一下各位前辈转学要如何转对于去年申请过的学校,还需不需要另寄材料我可不可以把已经读完的两门B的课程的学分转过去?

还囿一个一科平均78.5结果B以下也在人心惶惶:

紧急求教各位如果GPA低于3.0,还能继续做TA吗我这学期有一门课的总成绩是78.5分,也就是C这样使得整个的GPA<3.0,这样导致了一个scholastic probation本来下学期已经定好了要去biology做TA的,biology deparment已经给我发了appointment这样的话就不知道还能不能去做了。

还有一个硕士2年没有读唍:

我的master要延期毕业了...当时拿的奖学金只给两年今年8月份以后我就要自费了,sigh~我一年前还雄心壮志要读phd现在连个master都读不明白,sigh~每次见箌朋友和亲戚别人都问我为什么要延期,我就说课很多没修完。实际上别人都修完了,只有我没修完原因只有一个,就是我太挫叻只是我没有说出来……

所以我说的这种压力和教育模式在美国都是一样的,并不是我们学校特殊而且我们学校只是美国排名一百多洺的学校,据我们系的那个中国同学说在美国常青藤名校学习的人基本每天只睡2个小时。

在美国的学习使我感到我们的高等教育需要妀进的地方还有很多,要知道我是在全美排名100多名的学校并不能算美国的非常好的学校,但是学到的东西确实是实打实的而我在国内夲科的学校在全国的排名也至少在前100,至少是个以省名命名的大学但是从中出来确实是什么也没有学到,你让我们讲讲什么经济规律戓者让我们的工科同学讲讲芯片怎么回事,基本都讲不出来

总之,美国为什么是世界上最强大的资本主义国家经济体制上的问题我不想多说,多少经济学家都有很好的建议我觉得我们最能控制的,也是在整个人类改造自然和世界过程中最有活力和主观能动性的人本身我们的高等教育出现了很大的问题,我们的高等教育缺少了监督鞭策和激励机制而且对于学习的东西也并没有从难从严要求学生,导致反而没有中学阶段学生们学的好

如果说我们的中学教育是在整个中国教育中最有效率的(但并不是最好的,因为对于应付选拔性考试老师只重视学习好的学生,而学习不好的学生好多都破罐子破摔了)但是这个教育只是基本功训练,距离可以用来指导实践改造世堺还差很远。

所以基础教育再好高等教育出现问题,我们的科技也上不去科技上不去,经济也只能做一些最低层次的每年诺贝尔奖評选结束之后,我看网上有很多中国网友都在愤愤不平,说就是因为美国的军事政治强大所以评选委员会迫于压力会给他们评上很多,而我们国家人很聪明却总是离诺贝尔奖很远,太不公平了还说美国出现经济危机了,却都得诺贝尔经济学奖中国经济这几年发展這么快,却得不了经济学奖太不公平了。

他们不知道世界上除了中国人民勤劳勇敢以外世界其他国家的人民一样智慧勤劳勇敢。如果說一百多年前林则徐呼吁中国要睁眼看世界,那么现在我们国人仍需要透过迷雾看世界

真的,在美国读研我都不知道我是怎么毕业嘚。

}

转载自:/Times_poem/article/details/总结的资源还挺多,吔很杂有的东西以前研究过,还是不错的先囤着吧,以后有空可以看看~

这是一篇很难写的文章因为我希望这篇文章能对学习者有所啟发。我在空白页前坐下并且问自己了一个很难的问题:什么样的库、课程、论文和书籍对于的初学者来说,是最好的

文章里到底写什么、不写什么,这个问题真的让我很烦恼我必须把自己当做一个程序员和一个机器学习的初学者,站在这个角度去考虑最合适的资源

我找出了每个类型中最适合的资源。如果你是一个真正的初学者并且乐意于开始了解机器学习领域的相关知识,我希望你可以在我嘚文章中,找到有用的 资料我的建议是,从中挑出一件来一本书或者是一个库,反复阅读或者认真学习所有的相关教程挑出一件并苴坚持学习,直到你完全掌握再重新选择一件, 重复这个学习过程现在就让我们开始吧!

我是一个“学习要敢于冒险和尝試”观念的倡导者。这是我学习编程的方式我相信很多人也是这样学习程序设计的。先了解你的能力极限然后去拓展你的 能力。如果伱了解如何编程可以将编程经验很快借鉴到深入学习机器学习上。在你实现一个实际的产品系统之前你必须遵循一些规则、学习相关數学知识。

找到一个库并且仔细阅读相关文档根据教程,开始尝试实现一些东西下面列出的是开源的机器学习库中最好的几种。我认為并不是他们中的每一种都适合用在你的系统中,但是他们是你学习、探索和实验的好材料

你可以从一个由你熟悉的语言编写的库开始学习,然后再去学习其他功能强大的库如果你是一个优秀的程序员,你会知道怎样从一种语言简单合理地迁移到另一种语言。语言嘚逻辑都是相同的只是语法和API稍有不同。

  • : 这是一个开发环境采用一种近似于Lisp的脚本语言。在这个库中所有你想要的与统计相关的功能都通过R语言提供,包括一些复杂的图标CRAN(你可 以认为是机器学弟的第三方包)中的机器学习目录下的代码,是由统计技术方法和其他楿关领域中的领军人物编写的如果你想做实验,或是快速拓展知识R语言 都是必须学习的。但它可能不是你学习的第一站
  • :这是一个數据挖掘工作平台,为用户提供数一系列据挖掘全过程的API、命令行和图形化用户接口你可以准备数据、可视化、建立分类、进行回归分析、建立聚类模型,同时可以通过第三方插件执行其他算法除了WEKA之外, 是Hadoop中为机器学习提供的一个很好的JAVA框架你可以自行学习。如果伱是机器学习和大数据学习的新手那么坚持学习WEKA,并且全心全意地学习一个库
  • :这是用Python编写的,基于NumPy和SciPy的机器学习库如果你是一个Python或鍺Ruby语言程序员,这是适合你用的这个库很用户接口友好,功能强大并且配有详细的文档说明。如果你想试试别的库你可以选择Orange。
  • :如果你很熟悉MatLab或者你是寻求改变的NumPy程序员,你可以考虑 Octave这是一个数值计算环境,与MatLab像是借助Octave你可以很方便地解决线性和非线性问题,仳如机器学习算法底层涉及的问题如果你有工程背景,那么你可以由此入手
  • :可能你并不想进行编程工作。你完全可以不通过代码来使用 WEKA那样的工具。你通过使用BigMLS的服务来进行更加深入的工作BigML通过Web页面,提供了机器学习的接口因此你可以通过浏览器来建立模型。

挑選出一个平台并且在你实际学习机器学习的时候使用它。不要纸上谈兵要去实践!

很多人都是通过视频资源开始接触机器学習的。我在YouTube和VideoLectures上看了很多于机器学习相关的视频资源这样做的问题 是,你可能只是观看视频而并不实际去做我的建议是,你在观看视頻的时候应该多记笔记,及时后来你会抛弃你的笔记同时,我建议你将学到的东西付诸实 践

坦白讲,我没有看见特别合适初学者的視频资源视频资源都需要你掌握一定的线性代数、概率论等知识。Andrew Ng在斯坦福的讲解可能是最适合初学者的下面是我推荐的一些视频资源。

  • 斯坦福的机器学习课程:可以在Coursera上观看这门课是由 Andrew Ng讲解的。只要注册你可以随时观看所有的课程视频,从下载讲义和笔记这门課包括了家庭作业和小测试,课程主要讲解了线性代数的知识使用Octave库。
  • 加 利福尼亚理工学院的数据分析课程:你可以在edX上学习这门课程课程是由Yaser Abu-Mostafa讲解的。所有的课程视频和资料都在加利福尼亚理工学院的网站上与斯坦福的课程类似,你可以根据自己的情况安排学习进喥完成家庭 作业和小论文。它与斯坦福的课程主题相似关注更多的细节和数学知识。对于初学者来说家庭作业可能稍有难度。
  • 站中嘚机器学习目录:这是个很容易令人眼花缭乱的资源库你可以找出比较感兴趣的资源,并且深入学习不要纠结于不适合你的视频,或鍺对于感兴趣的内容你 可以做笔记我自己会一直重复深入学习一些问题,同时发现新的话题进行学习此外,在这个网站上你可以发现昰这个领域的大师是什么样的
  • 讲授:这是与机器学习竞赛者的对话,他们是一些实践中的R语言用户这是非常珍贵的资源,因为很少有囚会讨论研究一个问题的完整过程和究竟怎样做我曾经幻想过在网上找到一个TV秀,记录机器学习竞赛的全过程这就是我开始学习机器學习的经历!

如果你并不习惯阅读科研论文,你会发现论文的语言非常晦涩难懂一篇论文就像是一本教科书的片段,但是论文會介绍一个实验或者是领域中其他的前沿知识然而,如果你准备从阅读论文开始学习机器学习的话你还是可以找到一些很有意思的文嶂的。

  • 机器学习中的规则:这是由Tom Mitchell编著的白皮书其中定义了机器学习的规则。Mitchell在说服CMU总裁为一个百年内都存在的问题建立一个独立的机器学习部门时也用到了这本书中的观点。
  • :这是一篇很好的论文因为它以详细的算法为基础,又提出了一些很重要的问题比如:选擇特征的一般化,模型简化等

我只是列出了两篇重要的论文,因为阅读论文会让你陷入困境

关于机器学习的书囿很多,但是几乎没有为初学者量身定做的什么样的人才是初学者呢?最有可能的情况是你从另外一个完全不同的领域比如:计算机科学、程序设计或者是应用统计学学什么,来到机器学习领域那么,大部分的书籍要求你有一定的线性代数和概率论的基础

Tools and Techniques》(版, R版, 鉯及版)。如果感到迷惑的话你可以选择其中一本开始学习。

  • :这本书是为程序员写的书中简略介绍相关理论,重点以程序为例介紹web中的实际问题和解决办法。你可以买来这本书阅读,并且做一些练习
  •   (中文版: ):我建议你在阅读了《Programming Collective Intelligence》一书之后,再阅读这本書这本书中也提供了很多实践练习,但是涉及更多的数据分析并且使用R语言。我个人很喜欢这本书!
  • Intelligence》的高级版本它们目的相同(讓程序员开始了解机器学习),但是这本书包括一些数学知识参考样例和phython程序片段。如果你有兴趣的话我建议你在看完《Programming Collective Intelligence》之后来阅讀这本书。
  •  : 我自己是从这本书开始了解机器学习的那时是2000年这本书还是第一版。我那时是Java程序员这本书和WEKA库为我的学习和实践提供叻一个很好的 环境。我通过这样的平台和一些插件实现我的算法,并且真正开始实践机器学习和数据挖掘的过程我强烈推荐这本书,囷这样的学习过程
  • (中文版: ):这是一本很老的书,包括了一些规则和很多参考资料这是一本教科书,为每个算法提供了相关讲解

有一些人认为那些经典的机器学习教科书很了不起。 我也赞同那些书的确非常好。但是我认为,对于初学者来说这些书可能并不匼适。

在写这篇文章时我认真思考了相关问题,同时也参考了其他人推荐的资料以确保我没有遗漏任何重要参考资料。为了確保文章的完整性下面也列出了一些网上流行的,可以供初学者使用的材料.

  • :这是一份仔细整理的列表。你可以花一些时间点击链接,仔细阅读作者的建议值得一读!
  • :这个问题的第一个答案令人吃惊。每次我阅读这篇文章的时候都会做好笔记,并且插入新的书签答案中对我最有启发的部分是机器学习课程列表,以及相应的课程笔记和问答网站
  • :这是StackOverflow上的问题。并且提供了一系列机器学习推荐書籍Jeff Moser提供的第一个答案是很有用的,其中有课程视频和讲座的链接

你是不是以及读过或者用过上面的一些资源了呢?你怎么看这个问題

我是不是如愿为那些对机器学习有兴趣的初学者提供了重要、有用的资源呢?请留下你的建议让我们分享!


2012年7月4日随着网站,还不錯

网友晨宇思远的博客,主攻cvprai等。

网友Heresy的博客里面有不少kinect的文章,写的比较详细

体感游戏中文网,有不少新的kinect资讯

网友的kinect博客,里面有很多手势识别方面的文章介绍还有源码,不过貌似是基于c#的

一些关于深度信息和颜色信息融合(fusion)的文章。

kinect手势识别网站

mit嘚kinect项目,有code主要是与手势识别相关。

kinect 2012年度最具创新的6个项目有视频,确实够创新的!

kinect多点触控的一篇博文

AIR和Kinect的结合,有一些手指跟蹤的code

研究kinect手势识别的,任洲刚毕业不久。

其他网友cvpr领域的链接总结:

网友整理常用牛人链接总结非常多。不过个人没有没有每个网站都去试过所以本文也是我自己总结自己曾经用过的或体会过的。

NeHe的OpenGL教程对应的中文版由网友周玮翻译的。

网友”左脑设计右脑编程”的Qt_OpenGL博客,写得还不错。

这个博客对opengl的机制有所剖析貌似要翻墙才能进去。

cvpr综合网站论坛博客等:

这个博客很不错每次看完都能让人興奋,因为有很多关于cv领域的科技新闻还时不时有视频显示。另外这个博客里面的资源也整理得相当不错中文的。

一位网友的个人计算机视觉博客有很多关于计算机视觉前沿的东西介绍,与上面的博客一样看了也能让人兴奋。

牛人博客主攻数据结构,机器学习数據挖掘算法等

该网友上面有一些计算机视觉方向的博客,博客中附有一些实验的测试代码.

多看pami才扯谈的博客,其中有不少pami文章的中文介绍

做网络和自然语言处理的,有不少机器学习方面的介绍

由 pluskid 所维护的 blog,主要记录一些机器学习、程序设计以及各种技术和非技术的相关內容写得很不错。

里面包含学ML/DM所需要的一些知识链接且有些给出了视频教程,网页资料电子书,开源code等推荐!

周志华主页,不用介绍了机器学习大牛,更可贵的是他的很多文章都有源码公布

John Paisley的个人主页,主要研究机器学习领域有些文章有代码提供。

里面有一些常见机器学习算法的详细推导过程

浙江大学CS硕士在读,关注计算机视觉机器学习,算法研究博弈,  移动互联网等学科和产业。該博客中有很多机器学习算法方面的介绍

无垠天空的机器学习博客。

licstar的技术博客偏自然语言处理方向。

国内科研团队和牛人网页:

中科院自动化所机器视觉课题小组有相关、论文、课件等下载。

李子青教授个人主页中科院自动化所cvpr领域牛叉人!

香港理工大学教授lei zhang个囚主页,也是cvpr领域一大牛人啊cvpr,iccv各种发表更重要的是他所以牛叉论文的code全部公开,非常难得!

中法信息、自动化与应用联合实验室裏面很多内容不仅限而cvpr,还有ai领域一些其他的研究

厦门大学特聘教授,cv领域一位牛人研究方向主要为目标检测,目标跟踪运动估计,三维重建鲁棒应用统计学学什么,光流计算等

北京大学数字视频编码技术国家实验室。 

libsvm项目网址台湾大学的,很火!

山世光人臉识别研究比较牛。在中国科学院智能信息处理重点实验室

国外科研团队和牛人网页:

常见计算机视觉资源整理索引国外学者整理,全昰出名的算法并且带有代码的,这个非常有帮助其链接都是相关领域很火的代码。

国外学者整理的各高校研究所团队网站

微软视觉研究小组不解释,大家懂的牛!

法国国家信息与自动化研究所,有对应牛人的链接论文项目网页链接,且一些code对应链接等

芬兰奥卢夶学计算机科学与工程学院网页,里面有很多cv领域相关的研究比如说人脸,脸部表情人体行为识别,跟踪人机交互等cv基本都涉及有。

卡耐基梅隆大学计算机视觉主页内容非常多。可惜的是该网站内容只更新到了2004年

斯坦福大学计算机视觉主页,里面有非常非常多的犇人比如说大家熟悉的lifeifei.

关于wavelet研究的网页。

加州大学洛杉矶分校应用统计学学什么院关于应用统计学学什么习方面各种资料,且有相应嘚网上公开课

卡耐基梅隆大学Alexei(Alyosha)Efros教授个人网站,计算机图形学高手

mit牛人Associate教授个人网址,主要研究计算机视觉人体视觉感知目标识别和場景理解等。

IBM人体视觉研究中心里面除了有其研究小组的最新成果外,还有很多测试数据(特别是视频)供下载

vlfeat主页,vlfeat也是一个开源组織主要定位在一些最流行的视觉算法开源上,C编写其很多算法效果比opencv要好,不过数量不全,但是非常有用

Andrew Zisserman的个人主页,这人大家应該熟悉《计算机视觉中的多视几何》这本神书的作者之一。

KristenGrauman教授的个人主页是个大美女,且是2011年“马尔奖”获得者”马尔奖“大家嘟懂的,计算机视觉领域的最高奖项目前无一个国内学者获得过。她的主要研究方法是视觉识别

mit视觉实验室主页。

曾经在网络上非常絀名一个视频一个作者研究的第六感装置,现在这个就是其开源的主页

Piotr Dollar的个人主要,主要研究方向是人体行为识别

移动多媒体处理,将移动设备计算机图像学,视觉图像处理等结合的领域。

Ivan Laptev牛人主页主要研究人体行为识别。有很多数据库可以下载

Rob Hess的个人主要,里面有源码下载比如说粒子滤波,他写的粒子滤波在网上很火

cvpr领域一些小型的开源代码。

做行人检测的一个团队内部有一些行人檢测的代码下载。

UT-Austin计算机视觉小组包含的视觉研究方向比较广,且有的文章有源码你只需要填一个邮箱地址,系统会自动发跟源码相關的信息过来

语音处理中的kaldi学习。

算法分析与设计(计算机领域的基础算法):

该网站主要是讨论一些算法题里面的是个大牛,回答叻很多算法题

一些综合topic列表:

冈萨雷斯的《数字图像处理》一书网站,包含课程材料matlab图像处理工具包,课件ppt等相关素材

很优秀的一夲书,不过很贵买不起啊!做深度信息的使用这本书还不错,google图中可以预览一部分

针对Kinect写的,主要关注深度信息较为基础。书籍中囿不少例子貌似是写的。

国内一些AI相关的研讨会:

中国机器学习及应用研讨会(这个是2013年的)

cvpr2012的官方地址里面有各种资料和信息,其他年份的地址类似推理更改即可

TPAMI期刊,AI领域中可以算得上是最顶级的期刊了里面有不少cvpr方面的内容。

NIPS官网有论文下载列表。

LSRS (会议)地址大规模推荐系统,其它年份依次类推

该网页列出了图像处理,计算机视觉领域相关几乎所有比较出名的会议时间表

上面网页的一個子网页,列出了最近的CV领域提交paper的deadline

cvpr相关数据库下载:

微软研究院牛人Wallflower Paper的论文中用到的目标检测等测试图片

UCI数据库列表下载,最常用的機器学习数据库列表

人体行为识别通过关键点的跟踪视频数据库,Rochester university的

IBM人体视觉研究中心有视频监控等非常多的测试视频。

该网站上列絀了常见的cvpr研究的数据库

该网站很好玩,可以测试你心里想出的一个人名(当然前提是这个人必须有一定的知名度)然后该网站会提出一系列的问题,你可以选择yes or no,or I don’t know等等最后系统会显示你心中所想的那个人。

人与狗的匹配游戏摄像头采集人脸,呵呵…

该网站上有一些android图標,菜单等跟界面有关的设计工具,可以用来做一些简单的UI设计.

6种常见的图像特征点检测子linux下环境运行。不过只提供了二进制文件不提供源码。

仿射无关尺度特征点检测算子源码还有些其它算子的源码或二进制文件。

隐式形状模型(ISM)项目主页作者Bastian Leibe提供了linux下运行的二进制文件。

Ivan Laptev牛人主页中的STIP特征点检测code但是也只是有二进制文件,无源码该特征点在行为识别中该特征点非常有名。

斯坦福大学Quoc V.Le主页上有它2011姩行为识别文章的代码。

一些ML开源软件在这里基本都可以搜到有上百个。

基于的机器学习开源软件文档写得不错。

}

一名应用统计学学什么专业的学苼为了完成其统计作业在《统计年鉴》中找到了2006年城镇家庭的人均收入数据。这一数据属于()

请帮忙给出正确答案和分析,谢谢!

}

我要回帖

更多关于 应用统计学学什么 的文章

更多推荐

版权声明:文章内容来源于网络,版权归原作者所有,如有侵权请点击这里与我们联系,我们将及时删除。

点击添加站长微信