知难而进敢啃硬骨头
――来自司法体制改革试点省份的调研与思考（中）
本报记者&温红彦&张&毅&王比学&张&洋
&&&&来源：&&&&
“改革，一直是一点一点往前拱的”“背着‘黑锅’前行是改革者必须经历的修行”。说这话的人叫邹碧华，上海市高院原副院长。去世的前几天，他还在和同事讨论员额制的改革方案，决心先把这块涉及人事的“硬骨头”啃下来。
人们称赞邹碧华是“真正的法律人”“改革的燃灯者”，他用生命诠释了改革者的执着与信仰。
习近平总书记强调，“要强化改革责任担当，看准了的事情，就要拿出政治勇气来，坚定不移干。”司法体制改革走到今天，碰到的都是“硬骨头”，它必然是一场触动各方利益的深层变革，唯有无私无畏，才能担当前行。
调研采访中，看到了众多默默无闻的“邹碧华”在改革一线勇于担当，大胆创新，一个一个解开摆在面前的司改方程式，一夯一夯打实新体制机制的基础。这是一条具有中国特色、符合司法规律的改革之路，公平正义的阳光将温暖我们每一个人的脸颊。
员额制，让法官检察官走上专业化、职业化道路
39%，一个牵动全体司法人员神经的数字。
按照中央部署，司法人员进行分类管理，其中法官检察官员额数不超过39%。这意味着原先在一线办案的部分审判员和检察员、部分具有法官检察官身份的行政人员，将要退出员额。
年长者有些不安：办了一辈子案件，最终如果失去法官检察官身份，情何以堪？
年轻人也有担心：肚子里装了不少书本知识，但缺少实战经验，如何过关入额？
院长庭长们更是焦虑：早就不在一线办案了，自己还能不能入额？将来有一批人员入不了额，怎么安置岗位、安抚人心？
其实，员额制的本质就是推进法官检察官队伍的专业化、职业化建设，把审判权、检察权交到政治素养强、专业素质高的人手里。
改革难免有阵痛，既要下决心推进，又要考虑实际情况。“针对大量案件在一线的实际，我们提出向基层倾斜，省、市、县三级员额比例分别为37%、38%、39%，让更多法官检察官充实到基层。”湖北省政法委副书记谭先振说。
5月27日，在湖北省检察院参加座谈的助理检察员祝超满脸欢喜，即将参加员额考试，他表示：“考上了最好，考不上以后也有机会，因为按照改革部署，将来基层专业人员和上级法院检察院的上升通道打开了。”
办案人员“做减法”，案件数量却在“做加法”，矛盾如何化解？
优化一个组合，化解“加减”矛盾。江苏江阴法院先行先试搞主审法官制度改革，引起全国同行的关注。“以前是一个法官带一个书记员，现在是一个法官加上几个法官助理、书记员的审判组合，这带来的直接变化是，在案件上升、人员未增的情况下，全院受理案件数量和审执结案件数量，与2012年改革前相比，分别增长75.2%和53.1%。”江阴法院院长王立新谈及改革，信心满满。
“审判权的核心是庭审和裁判，调查取证、调解等其他的程序性、事务性权力属于审判权的外围。增加一个法官助理，让法官更专注于庭审和裁判，这有利于提高办案的效率与质量。”上海市委政法委书记姜平说。
司法责任制，让每一起司法案件经得起时间的检验
动真碰硬，是本轮司法体制改革的亮点。针对以往的司法不公、司法腐败、领导干预、冤假错案等问题，党中央将“司法责任制”作为改革的“牛鼻子”，明确提出“让审理者裁判，由裁判者负责”。
今年3月1日，司法责任制在海南全面推开。“全省各级法院明确了主审法官、合议庭及其成员的办案责任，一般案件不再经过院、庭长的审批，除审判委员会讨论决定的案件外，裁判文书不再由未担任主审法官的院、庭长签发。”海南省高院政治部主任蔡建新介绍。
让审理者裁判，使法官检察官的主动性得以充分发挥；由裁判者负责，是为了确保司法权力关在制度的笼子里。放管结合，旨在让法官检察官“以至公无私之心，行正大光明之事”，让每一起司法案件经得起时间的检验。
党的十八届四中全会明确提出，建立健全办案质量终身责任制和错案追究倒查问责制。这让办案人员感受到了从未有过的压力，他们在办案时不敢有任何懈怠。
“如今连我们也跟着忙得不可开交了。”南京市鼓楼区法院人民陪审员张嵘嵘谈及司法责任制带来的变化，深有感触地说，“无论是查阅案卷，还是庭审会议，法官都主动给我们打电话，听取我们的意见，生怕在案件事实的把握上有一点点疏漏。”
“以前是有人把关的，现在拐杖丢掉了，真不知道怎么走路了。”一些年轻法官心里发虚。各地法院检察院的院长、庭长积极转变角色，充当重大疑难复杂案件的“智囊团”。“我们正在改革审判委员会或者组建专业法官会议，给主审法官拿不准的案件提供参考意见，但是否采纳，主审法官自己决定。”武汉市青山区法院政治处主任屈晓波说。
基层法官检察官都流露出这样的担忧：到底哪些情况该承担责任？“是违法办案，还是办案瑕疵？是作风责任，还是程序错误？这些都要区分和细化。”他们普遍认为，在深化改革中，应细化责任追究制度。湖北省检察院政治部主任金鑫建议，下一步应考虑制定法官检察官履行法定职责豁免制度，非因法定事由不被追责。
完善职业保障，让法官检察官更有尊荣感
改革究竟给法官检察官带来什么影响？案件多、压力大，收入低、待遇差，执法环境不理想，社会对司法人员的尊重度也不高……如今，一些基层法院检察院“年轻人进不来，年长者留不住”，一些司法人员另谋他就。
记者在调研中发现，现在离职的法官检察官有两类情况：一类是处于事业顶峰、“一览众山小”的中年人，一类是刚当上法官、“路漫漫其修远兮”的年轻人。
调研中，“权责利相统一”是广大法官检察官的呼声。如果他们一直处在付出和回报严重透支的状态，改革实效可能打折扣。欣喜的是，中央明确要求，健全与法官检察官司法责任相适应的职业保障制度。
上海对进入员额的法官检察官收入水平暂时按高于普通公务员43%的比例安排，并向一线法官检察官倾斜；
深圳比照同样实行薪级制的行政执法类公务员，按照高于其10%的标准确定法官每一薪级的薪酬标准；
当然，职业保障不只是涨工资，还来自于法官检察官能否依法独立办案，这可以说是最大的职业尊荣。这份尊荣体现在社会公众对司法职业的普遍认同、尊重、敬仰，体现在法官检察官有依法独立行使审判权检察权、不受外界违法干预的权利。他们手持法律的标尺丈量公平正义，测算最广大人民群众利益，甚至在某些个案的判决上，直接体现着国家法治水平。
广东一名基层法官简单而朴实地概括了他心中的职业尊荣感：在工作上，能依法独立办理案件；在收入上，能保持城市中上水平。
南京大成律师事务所律师朱涤非，20年前是一名法官，对司法人员的职业尊荣有着切身感受，“法官检察官也要养家糊口，我们既需要对其手中的司法权杖充满期待，也需要对其本人充满尊重。”朱涤非认为，改革要以人为本，要从制度设计和工作环境上，让这支队伍有更多的尊荣感。
告别“地方粮票”，避免金钱案、人情案、关系案
公正高效权威的司法，离不开良好的外部法治环境。省级以下法院检察院人财物统一管理由此被提上日程。
从今年1月起，湖北全省法院、检察院系统实施了财物由省级统一管理。过去基层法院、检察院的保障水平与当地经济发展程度、财政收入状况有关，难免有办金钱案、人情案、关系案的冲动。而全省财物统管之后，开前门、堵后门，保障更充足。同时各级法院、检察院财物管理更加严格，彻底实现收支两条线，堵住有些基层院靠办案“创收”的资金流入渠道。
得益于省级以下人财物统一管理的改革举措，不少经济欠发达地区的基层法院、检察院，经费保障问题迎刃而解了。湖北省枣阳市检察院2014年度总经费为2254万元，2015年财物统管后总预算2786万元，经费总额增长了24%。
调研中也发现了一些新问题。“有的辅助人员、书记员是通过公务员考试正式招录，有的则是通过地方政府向社会招聘，后者的经费待遇一直是地方财政支持。”江苏省高院行政装备管理处处长李玉柱提出，省级统筹后，大量原本在编制外的人员经费怎么办？
“在江苏，越往基层，薪酬越高；越往南走，薪酬越高。司法人员薪酬待遇原本是向市县区横向看齐的，省级统筹后，各地工资标准怎么定？一刀切，也可能造成新的不平衡。”江苏省高院研究室主任孙辙说，“干得好好的，工资水平陡然比当地降了一大截，这肯定不利于调动积极性。”
“地方差异是客观存在的，必须加以考虑，但更关键的是要有预算的刚性。”南京大学法学院吴英姿教授说，以前的地方财政预算就是太过于弹性，法院检察院老惦记着“地方粮票”，因此给司法寻租创造了空间。
改革总是不断由问题倒逼产生，又在不断解决问题中得以深化。改革难免有得有失，改革需要一股子精神。调研中，有一位工作了30多年的法院同志说，“哪怕今天做出一点牺牲，将来能够更好地实现社会的公平正义，我们吃点亏又算得了什么！”一位90后法官助理说，“法律是人类文明的智慧结晶，自己的工作能够沐浴在人类的智慧之光中，很自豪！”
按照中央部署，顺应群众期待，司法体制改革就是要真抓实干涉险滩，只有这样，公正高效权威的社会主义司法制度才会进一步健全，司法改革成果才会惠及更多的人民群众。
《 人民日报 》（ 日 04 版）
(责编：宋煦冬)
善意回帖，理性发言!
使用其他账号登录:
恭喜你，发表成功!
请牢记你的用户名:，密码:,立即进入修改密码。
s后自动返回
5s后自动返回
恭喜你，发表成功!
5s后自动返回
最新评论热门评论
24小时排行&|&
人 民 网 版 权 所 有 ，未 经 书 面 授 权 禁 止 使 用
Copyright &
by .cn all rights reserved
人 民 网 版 权 所 有 ，未 经 书 面 授 权 禁 止 使 用
Copyright &
by .cn. all rights reserved机器学习入门者学习指南（经验分享） | 机器学习小组 | 果壳网 科技有意思
5357人加入此小组
本人计算机研二，专业方向自然语言处理，个人对于机器学习挺感兴趣，于是开始学习。所以，原来这家伙是个菜鸟……正是由于自己是个菜鸟，所以体会到自学机器学习的艰辛，于是在这里分享一下个人的经验，希望能对入门者有所帮助。一些有关机器学习的介绍在这里就不做详细介绍了，感兴趣的同学可以去维基百科。就直接进入正题。1、去Coursera上Andrew Ng的《机器学习》，完成所有作业，最好能全部拿满分。这是相当入门的课程，老师是机器学习领域的专家，而且也是目前比较火热的深度学习的专家之一。关于老师的详细信息大家可以去谷歌。这门课程我是从课程上了一半开始注册的，所以最后没有拿到高分。不过真心收获很大，使我在看论文的时候轻松了好多。老师讲的是深入浅出，不用太担心数学方面的东西。而且作业也非常适合入门者，都是设计好的程序框架，有作业指南，根据作业指南填写该完成的部分就行。这门课上完了，你基本上可以开始简单的应用各种机器学习技术了。2、找一个项目或者找一门稍微具体点的关于机器学习的书。开始深入研究。我目前正处于这个阶段，找了个开源项目，但是由于个人时间精力有限，没时间去整。不过还是找了一本书，李航的《统计学习方法》。因为书是从自然语言处理的角度来写的，所以对我很有帮助。目前已经过了一遍，并且实现了最简单的模型——感知机。正准备进入下一个模型的实现，并且仔细研究书中内容。在学习并实现了感知机模型后给实验室的同学们做了一个关于感知机模型的报告，此时我才发现，机器学习远不止我看到的这么简单，应用只是一方面，要想明白透彻，还得整明白这一个个模型背后的故事。我承认，是报告当中大家提出的种种问题刺激了我！于是进入3（个人觉得可以和2同时进行，当然需要时间精力充足）。3、修炼内功。话说自己发现光应用不行，还得整明白其背后的东东后，就想四处找人请教，到哪儿去学高级的内功呢？这不，瞌睡就有人送枕头。有一群搞机器学习的人没事就在微博上咋呼，我还喜欢看他们咋呼。于是被我捡到了包。贴图一张。话说，这是机器学习教父级别的任务Jordan推荐的书籍，而且全部都是内功秘密！我看到之后赶紧收藏，然后一本本的去下载啊！然后看着这些英文书籍，默默流泪，看来研究生阶段和妹纸是木有缘分啦！！！由于我数学基础一般，又找了一本儿优化入门的英文资料（Introduction to Optimization ）。这些资料大多都可以在百度当中搜到，我就不列举资源列表了。大家照图下吧。不过我只下载了优化部分，因为饭得一口口吃。其余部分不知道百度上能不能搜索到。如果搜索不到大家也可以去新浪微博找那些搞机器学习的人（尤其是比较出名的）寻求帮助，他们会非常热心的。4、走到这里，路已经比较清晰了。剩下的就是耐住寂寞与妹纸的诱惑，与实验室的电脑和灯光度过一个个中秋吧。就这么多了，希望我这个菜鸟的一点小经验对你有所帮助。
+ 加入我的果篮
碉堡了，学习！
之前看网易公开课有Ng的机器学习，据网上说和courser a的版本有点区别，不知是怎样。看到Coursera的课是Oct 14th开课，10weeks之后还有半个月就考研了，感觉时间上太纠结了。如果今年4月的时候赶上开课的话就好。唉……
引用 的话：前看网易公开课有Ng的机器学习，据网上说和courser a的版本有点区别，不知是怎样。看到Coursera的课是Oct 14th开课，10weeks之后还有半个月就考研了，感觉时间上太纠结了。如...考研还是专心准备考研吧。考完研再上也行，之后还会开课的。
GJ！本科生表示正在跟着老师学数据挖掘做项目，做的就是自然语言方向的，当然我目前做的东西还很初级，只是刚开始写朴素贝叶斯分类器和基于规则的词性分析的代码而已其实比较纠结该不该走自然语言处理这条路，我爸更希望我学数据挖掘或者图像处理，虽然都是机器学习相关的呢
引用 的话：J！本科生表示正在跟着老师学数据挖掘做项目，做的就是自然语言方向的，当然我目前做的东西还很初级，只是刚开始写朴素贝叶斯分类器和基于规则的词性分析的代码而已其实比较纠结该不该走自然语言处理这条路，...个人意见：喜欢什么做什么。我学的是自然语言处理，不过也只是个入门，有什么问题可以交流讨论。
网易公开课里面的作业不太会做。。
很热血激动得看到了你的经验篇，感谢呐，首先今天我才知道果壳网，，，Orz然后进来想看看有没有关于机器学习的方面的帖子，就搜到了你这篇，我现在也是一名自然语言处理的研一的学生，刚过了研一的上半学期，不知不觉地过了这学期啊。。。嗯，我是在之前有学习台湾大学林轩田老师开讲的machine learning foundation(机器学习基石)，当时遇上期末考，没有专注学习下去，作业也跟着没有按时上交，现在趁着寒假，补起来中，我现在就处在你说的阶段一的开始吧。。。激动中，希望自己一步步下去，坚持下去，以后多多请教交流了
引用 的话：热血激动得看到了你的经验篇，感谢呐，首先今天我才知道果壳网，，，Orz然后进来想看看有没有关于机器学习的方面的帖子，就搜到了你这篇，我现在也是一名自然语言处理的研一的学生，刚过了研一的上半学期，不知...加油！林老师那个课程挺难的，我也没跟下来，正准备有时间的时候重新学习呢。大家互相交流讨论哈！
请问，哪个开源项目可以参加？想参加一个机器学习的~谢谢楼主
引用 的话：请问，哪个开源项目可以参加？想参加一个机器学习的~谢谢楼主你可以上GitHub找，也可以上(这上面全是各种机器学习竞赛和练习赛)
coursera上的andrew ng的课程是英文的。这样不会觉得作为初学者，效率很低么？
引用 的话：coursera上的andrew ng的课程是英文的。这样不会觉得作为初学者，效率很低么？取决于个人情况吧,如果英语真的非常不好,而且对于英语非常抵触,那建议还是选择其他方法吧.不过,个人觉得那门课真的入门非常棒.
引用 的话：取决于个人情况吧,如果英语真的非常不好,而且对于英语非常抵触,那建议还是选择其他方法吧.不过,个人觉得那门课真的入门非常棒.我也觉得，确实这门课，几句话，在每个几分钟的分段内，就能把一些我不太清楚或者模糊的地方讲得很透彻。可惜week 2后就没中文字幕了。我自己的英语其实还行，日常交流和论文讨论什么的没问题，不过在这种线上课，我等于经常要暂停来理解英文字幕意思，对于机器学习这样的相对有难度的技术课程，是有些不太方便。希望week 2以后的字幕能有中文的。另外，楼主这门课你是后面的都上完了么？因为我只上了第一周，做过在线的课堂练习。你说的高分，是指作业的完成还是？
引用 的话：我也觉得，确实这门课，几句话，在每个几分钟的分段内，就能把一些我不太清楚或者模糊的地方讲得很透彻。可惜week 2后就没中文字幕了。我自己的英语其实还行，日常交流和论文讨论什么的没问题，不过在这种线上...去年上的，上完了。高分指的是正确完成所有作业，实际上难度不大。但是要把课上内容的每个细节都弄得非常透彻清楚，课下还是要花费一番功夫的。我觉得应该有中文字幕吧，你在网络上好好找找。实在不行就多听几遍（时间充足情况下）。我现在听也会有停下来重听的情况。
文科生表示压力很大，同是研二，同为自然语言处理方向，只不过我是语言学方向下的。现在也在听吴恩华的课了，英文水平有限，有的习题看不大懂，看来还是看的少。
引用 的话：文科生表示压力很大，同是研二，同为自然语言处理方向，只不过我是语言学方向下的。现在也在听吴恩华的课了，英文水平有限，有的习题看不大懂，看来还是看的少。加油，多看几遍就行了
正在弄这个，谢谢来自
引用 的话：正在弄这个，谢谢不客气，互相学习:-)
谢谢楼主分享，在上网易的公开课，但是本菜鸟大二，没有学过概率论，听到后面有点不懂，不知道该怎么办了= =
引用 的话：谢谢楼主分享，在上网易的公开课，但是本菜鸟大二，没有学过概率论，听到后面有点不懂，不知道该怎么办了= =可以找一些概率论的书籍作为补充阅读，另外找人问问题，可以是老师，可以是学姐学长，不要轻易放弃哦。
引用 的话：可以找一些概率论的书籍作为补充阅读，另外找人问问题，可以是老师，可以是学姐学长，不要轻易放弃哦。恩！找到了统计学的课程，先把概率统计学一下，希望能坚持，大数据时代这条路可以走很长！多谢指教！
引用 的话：恩！找到了统计学的课程，先把概率统计学一下，希望能坚持，大数据时代这条路可以走很长！多谢指教！不客气，一起学习！
有木有用caffe做dl的朋友，我毕设做这，一起交流~研究生也是ml，模式识别等方向
kaggle 怎么玩..。有点不会，求带领一题
我很好奇一个问题，楼主研究生期间和妹子真的没有缘分了吗？
引用 的话：我很好奇一个问题，楼主研究生期间和妹子真的没有缘分了吗？通常是有缘分没结果……哈哈，也没有那么悲催，只不过社交时间少了
引用 的话：加油！林老师那个课程挺难的，我也没跟下来，正准备有时间的时候重新学习呢。大家互相交流讨你们已经学完“机器学习基石”了吗？我是新手，正在学习中，请多多指教！
有人玩kaggle吗求带 目前的是写分词器的水平（HMM）
引用 的话：没有，那门课对我来说挺难的，我现在从事的工作和机器学习没有非常大的关联了，最多是应用机器学习算法，所以现在我没有深入研究里面的理论了
这看这好像是我刚开始这么走过的，确实总结真的很重要，特别是在机器学习这块，很多东西吃不透，貌似理解的其实也只是对自己的不负责任的行为。不管是别人问自己问题的时候，还是自己问自己问题的时候，其实最能体会到自己的lv。其实完全可以先把分类和聚类其中的算法先吃透一个，不管是算法的实现，或者拿了数据自己去跑一遍，只要能有完整的去走完，会有很大的成就感，而且这是继续前进的动力，再慢慢的去完善自己的代码或者拿到的数据，来提升自己的评估。这又会是更加完美的体验
顶一下，在机器学习的路上，fighting
引用 的话：GJ！本科生表示正在跟着老师学数据挖掘做项目，做的就是自然语言方向的，当然我目前做的东西还很初级，只是刚开始写朴素贝叶斯分类器和基于规则的词性分析的代码而已其实比较纠结该不该走自然语言处理这条路，我爸... 你是在国内读本科还是美本啊。。。每次想找教授做科研要不是不甩我就是被拒绝。。好心酸的(#‵′)凸
引用 的话：没有，那门课对我来说挺难的，我现在从事的工作和机器学习没有非常大的关联了，最多是应用机器学习算法，所以现在我没有深入研究里面的理论了LZ可以分享一下找工作的经验吗~非常感谢！
您好，那个课程week2 quiz的第一题和第五题怎么都做不对，求指教来自
引用 的话：LZ可以分享一下找工作的经验吗~非常感谢！没怎么经历找工作的过程，我现在在专科学校教授编程入门课程，就是选择做自己喜欢做的事情。
引用 的话：个人意见：喜欢什么做什么。我学的是自然语言处理，不过也只是个入门，有什么问题可以交流讨论。很想和楼主交流交流！我马上大三，在大二下的时候突然开始想做自然语言处理，于是declare了数学语言学major辅修了计算机，但是因为选课问题，我可能要drop cs minor了，请问楼主对我本科生阶段选课有什么好的建议吗。我数学课已经学了不少了
引用 的话：很想和楼主交流交流！我马上大三，在大二下的时候突然开始想做自然语言处理，于是declare了数学语言学major辅修了计算机，但是因为选课问题，我可能要drop cs minor了，请问楼主对我本科生...你是在国外读书吧？如果在国外的话我可能帮不到你什么太多忙，因为我对国外的选课什么的不太了解。如果你问的是关于自然语言处理方面的选课的话，个人觉得首先数学方面的需要学习概率与统计学，线性代数。计算机方面的需要会一门编程语言（推荐Python，入门快速且很多可用的扩展包）。然后需要学习一些机器学习的基础知识，人工智能的基础知识，之后就是去学习自然语言处理的专业知识。如果你懂一些语言学方面的东西可能会锦上添花。自然语言处理会因为语言的不同面对不同的问题和任务，但是各种语言所面临的任务大致是相似的。对自然语言处理整体有一个了解，知道它是干什么的，主要有哪些问题和任务，目前大致都处于什么状态了。其次，对每个问题的现有的解决方法自己能实现一下。最后，针对某个问题，有一些自己的想法，可以尝试去做实验检验。这是我根据个人研究生阶段的学习给出的一些建议，不一定适合你，所以仅供参考。
引用 的话：没怎么经历找工作的过程，我现在在专科学校教授编程入门课程，就是选择做自己喜欢做的事情。楼主好棒，仍在坚持一如既往地做自己想做的工作和事情。
引用 的话：您好，那个课程week2 quiz的第一题和第五题怎么都做不对，求指教不好意思，刚看到你的消息，可能现在已经没什么用了……我当时做不出来都会去论坛找别人写的相关的帖子研究，基本上认真仔细阅读别人写的帖子就能解决你的问题了。如果还需要什么帮助的话我你可以找一个QQ群，它里面很多都是学机器学习的人，名字叫“Coursera 机器学习”。
引用 的话：不好意思，刚看到你的消息，可能现在已经没什么用了……我当时做不出来都会去论坛找别人写的相关的帖子研究，基本上认真仔细阅读别人写的帖子就能解决你的问题了。如果还需要什么帮助的话我你可以找一个QQ群，它里...群主设置了不允许任何人加入。。。我有一个编程的问题，coursera的作业，做一天了一直不知道哪里错。。
引用 的话：群主设置了不允许任何人加入。。。我有一个编程的问题，coursera的作业，做一天了一直不知道哪里错。。关于什么的？方便说的话可以私信我，我看看能不能帮到你。
第一节课我今天刚听完
不知后面的课会不会用到matlab
因为没学过之前
我是否应该学一学在听后面的课比较好？是否应该自学一下老师在视频中提到的那些基础知识再听视频比较好？我是研一新生
导师让我在数据挖掘和机器学习里面选择一个方向做
现在还比较懵懂
不知道怎么选择
究其原因主要是不知道机器学习和数据挖掘都要做什么?
您觉得机器学习与数据挖掘最本质的区别是什么？
如果方便的话
楼主可否指点一二/
引用 的话：你好 第一节课我今天刚听完 不知后面的课会不会用到matlab 因为没学过之前 我是否应该学一学在听后面的课比较好？是否应该自学一下老师在视频中提到的那些基础知识再听视频比较好？我是研一...《机器学习》这门课里用的不是matlab，是octave，一个开源的编程语言，类似matlab，老师会讲怎么用。所以，你直接跟着学就行，不用自己再去学matlab。另外，我觉得数据挖掘更多的是使用机器学习的模型、算法去发现数据中的规律，而机器学习则是去更深入的研究这些模型和算法，这些更深的机器学习的理论性的东西。当然数据挖掘还包括其他方面的内容，例如：数据的表示之类。以上是我的理解，或许对你有用。
怎么说呢，还是看你的方向吧如果是往工业界发展：1. 有 Ng的课程 (推荐斯坦福的CS229，而非coursera)、林轩田在coursera上的两个课程、凸优化、矩阵分析相关的课程，就算入门了2. 再看些 PRML、模式分类、统计学习方法这几本书的部分章节，自己推导推导，基础就差不多打好了3. 再自学python，包括很多相关的库，以及看些偏互联网业务的书，比如 推荐系统、计算广告等等，就可以出山了4. 剩下的就是在工业界遇到具体问题，具体分析，补充相关知识如果是往学术界发展，可以看看楼主推荐的书，并且选一个方向钻进去
引用 的话：群主设置了不允许任何人加入。。。我有一个编程的问题，coursera的作业，做一天了一直不知道哪里错。。课程里有论坛啊，可以去看看有没有人有相同的问题或者自己提问一下，TA一般都会很快的回答的
这个书单，我感觉一般人看不完吧。真要看完且吃透，绝对是领域里的大牛级别的人物。
引用 的话：这个书单，我感觉一般人看不完吧。真要看完且吃透，绝对是领域里的大牛级别的人物。嗯，好多经典书籍是要啃很久的。
(C)2015果壳网&京ICP备号-2&京公网安备}