Thảo luận: Computer Vision & Machine Learning

Discussion in 'Computer science & Electrical Engineering' started by cuchuoi, Jul 12, 2008.

  1. sieubebuvietnam

    sieubebuvietnam Viên mãn

    Quyển Pattern của Bishop đấy là dành cho Graduate (master hoặc PhD) là chính. Toán chủ không vững thì không đủ sức để nhảy theo nhạc của quyển đấy đâu.
    Nếu chập chững mới học thì đọc quyển Learning from Data: a short course ấy.
    Sau đấy thì đọc quyển Introduction to Statistic Learning with application in R
    Đấy là 2 quyển rất tổng quan. dễ hiểu. Quyển thứ 2 có nhiều lab để thực hành
    Rỗi rãi thì đọc thêm quyển Neural Network and Learning Machine
    Sau đấy thì mới bắt đầu đi sâu vào các mô phương pháp cụ thể như Support Vector Machine, Graphic Model, Deep Learning, Semi-supervised...
    Mà khuyên chú nên đọc lại về Statistic nếu muốn theo Machine Learning
     
  2. AkizawaTakira

    AkizawaTakira Thèm thuồng

    Cảm ơn anh ạ :D Mà đọc lại những phần nào của thống kê hả anh? Hay em lại lên mạng tìm course rồi hóng ạ? :ck:
     
  3. AkizawaTakira

    AkizawaTakira Thèm thuồng

    Cảm ơn anh ạ :D Mà đọc lại những phần nào của thống kê hả anh? Hay lại lên mạng tìm course rồi hóng ạ? :ck:
     
  4. sieubebuvietnam

    sieubebuvietnam Viên mãn

    Statistic thì anh có đọc mấy quyển như
    1. All of Statistics - A Concise Course in Statistical Inference
    2. All of Nonparametric Statistics
    3. Statistics for Engineers and Scientists
    4. Exercises and Solutions in Statistical Theory

    Ngoài ra có mấy quyển sâu về Nonparametric nhưng chú mới học chắc chưa cần (:|
     
  5. AkizawaTakira

    AkizawaTakira Thèm thuồng

    Cảm ơn anh, em sẽ lấy 1 trong 4 quyển này về tu luyện :-". Mà anh đọc những thứ này hồi chưa xuất ngoại ạ? Nếu thế thì ngưỡng mộ quá ạ B-). Còn về vụ làm lab hay thực tập thì chắc em sẽ thử xin cả 2 xem thích hợp cái nào :-B
     
  6. AkizawaTakira

    AkizawaTakira Thèm thuồng

  7. AkizawaTakira

    AkizawaTakira Thèm thuồng

    Em thấy mấy cuốn có vẻ ghi là cần kiến thức tốt về giải tích và tính toán liên quan tới ma trận :la:. Thế nếu em học kém thì inbox hỏi anh siêu bé được không ạ? :D:D:D Em biết là các anh chị không rảnh nhưng mà em còn gà lắm ạ :ck:
     
  8. sieubebuvietnam

    sieubebuvietnam Viên mãn

    Chú hỏi anh làm gì. Kém cái gì thì đọc cái đấy thôi. Hỏi thì anh cũng chỉ chỉ cho chú nên đọc sách nào thôi. Chứ các thắc mắc nhỏ nhặt anh chỉ làm sao hết cho chú được. Anh có phải giáo viên đâu mà dạy chú :))
    Giải tích và ma trận thì có mấy quyển cơ bản. Chú cứ đọc thôi.

    1. Về giải tích thì anh đọc bộ 4 quyển gồm Fourier Analysis, Real Analysis, Complex Analysis, Function Analysis của Elias M. Stein của Princeton.
    Đọc những cái nhỏ hơn thì chú có thể đọc 2 quyển cực căn bản và dễ của Rudin là:
    - Principles of mathematical analysis
    - Real and Complex Analysis
    - Học về giải tích hàm thì có mấy quyển của Nga ngố hồi xưa viết dễ hiểu lắm. Anh vẫn thích 2 quyển của Kolmogorov.
    Ngoài ra nếu dỗi thì đọc thêm về phương trình đạo hàm riêng, hình học vi phân. Mấy cái này có nhiều ứng dụng lắm

    2. Về đại số thì anh đọc quyển cực căn bản nhưng khá đầy đủ của Meyer là:
    - Matrix Analysis and Applied Linear Algebra
    Sau đấy cần đọc thêm hay tra cứu thì anh đọc 2 quyển của Roger. A. Horn là Matrix Analysis và Matrix Computation của Gene H. Golub
    Có thời gian thì tập trung đọc mấy cái về ma trận đối xứng xác định dương...(cái này có mấy quyển viết riêng về mục này)

    Chú cứ đọc sơ sơ mấy quyển trên thì cũng phải mất cả kỳ rồi =))
     
  9. spoolerblue

    spoolerblue Viên mãn

    Muốn đổi nghề ghê /:)
     
  10. mtcmos

    mtcmos Viên mãn

    Chu sieube bự tống cho cả đống sách vào đầu rồi bảo tự học có mà chết. Trừ phi là textbook cho course hoặc là đã có kinh nghiệm từ trước và có time rảnh rỗi mới nhá được đống đó. Đọc sách nhiều cũng tốt nhưng đọc không kĩ và tham lam là tẩu hỏa nhập ma đấy.

    Chú Akizawa chọn lấy 1 topic, đọc 1 quyển tầm 400 trang đổ lại, đọc chậm (kể cả đọc đi đọc lại), practice (coding, simulation, hand calculation, có thể luyện tập quantitative <-> qualitative, applied math không quan trọng phần chứng minh mà là étimation and correlation ^.^) thành thạo rồi hãy nhảy qua thứ khác.

    Nhiều sách cho dành cho tra cứu như sieube chứ không phải cho freshman đâu :-?
     
    d_t_nguyen likes this.
  11. AkizawaTakira

    AkizawaTakira Thèm thuồng

    Từ lúc anh ấy cho mấy cuốn về thống kê là em đã biết rồi mà :-w Nhưng mà vẫn cảm ơn 2 anh. Khoảng kì sau em sẽ lên đây báo cáo tiến độ ạ (hoặc là báo tử :-&:-&:-&). Hasta la vista B-)
     
  12. sieubebuvietnam

    sieubebuvietnam Viên mãn

    @bác mtcmos: Nói theo ngôn ngữ của kiếm hiệp là còn phụ thuộc vào "ngộ tính" của thí chủ Akizawa bác ạ :))
     
  13. mtcmos

    mtcmos Viên mãn

    Tóm lại là để cho thí chủ Akizawa tự ngộ ra là muốn làm Quách Tỉnh hay trở thành Đông Phương Bất Bại :D
     
  14. compvis

    compvis Thèm thuồng

    Nghiên cứu CV mà sợ toán thì cũng thật là lạ !!!???
     
  15. nungnuanai

    nungnuanai Thèm thuồng

    Chào các bạn,
    Mình là mem mới và cũng mới tìm hiểu về CV. Mình vào đây chủ yếu là hóng và xin tài liệu :D, hi vọng sau này biết nhiều hơn sẽ có thể thảo luận cùng mọi người.
    Mình đang đọc về matrix decomposition, bạn nào có tài liệu về SVD và NMF share mình với. Mình cám ơn nhiều.
     
  16. hhp

    hhp Thèm thuồng

    Chào cả nhà,

    Thầy hướng dẫn của mình cung cấp tài chính để mình mua một chiếc Desktop computer phục vụ cho việc phát triển và thử nghiệm các thuật toán liên quan đến Machine Learning, đặc biệt là Deep Learning. Công việc của mình đòi hỏi máy tính làm việc với những dữ liệu đầu vào rất lớn dưới dạng videos và cần sử dụng GPU. Câu hỏi của mình là mình có thể có những lựa chọn nào cho một chiếc máy như vậy, nhất là làm thế nào để chọn một loại GPU tốt ?

    Rất cám ơn sự tư vấn của các bạn !
     
  17. ChienDuong

    ChienDuong Thèm thuồng

    Em chào các anh chị,
    Em hiện đang nghiên cứu về 3D segmentation dựa trên 3D point clouds. Em hiện tại có được 3D points output từ muitiple Kinect v2 cameras.
    Em đặt mục tiêu là ra được 1 conference tầm trung trong năm tới như ICASSP. Về việc ứng dụng deep-learning vào 3D points.
    Hiện tại thì em cũng đọc được kha khá các bài review, cũng như paper ở CVPR, ICCV. Trong đó có một số bài đang là trend hiện tại như:
    Pointnet++, Pointnet sử dụng input là unorder 3D point sets. (e thấy là khá phù hợp vời việc output em đang có).

    Em biết là câu hỏi em sắp hỏi khá chung chung nhưng em rất mong được các anh chị, bạn có kinh nghiệm góp ý với ạ. Em xin hỏi:
    1) Có ai chung hướng nghiên cứu với em không?
    2) Để làm sao để có thể ra accept ở 1 conference tầm trung như ICASSP ạ. Làm sao để có ý tưởng đưa ra được một cái proposal cụ thể. Giáo sư hay nói em là, hay ráng hiểu thật kĩ những bài em đọc, rồi từ đó cải tiến, đề ra cách để có thể improve. Nhưng thực sự những bài đó để hiểu implement lại đã khó với trình độ hiện tại của em chứ chưa nói tới improve ạ .
    Em xin cảm ơn :)
     
  18. trangnambeo

    trangnambeo Viên mãn

    You can follow the instructions here: http://timdettmers.com/.
    I attempted to build one but ended up buying a Alienware with GTX 1070 card. In the future, If I want a powerful card, I can buy an eGPU. Hope that it helps.
     
    hhp likes this.
  19. trangnambeo

    trangnambeo Viên mãn

    My friend did something like your research, you can take a look at his work at: http://www.utdallas.edu/~cxc123730/UTD-MHAD.html
    He did share some codes which is a good start.
     
    ChienDuong likes this.
  20. ChienDuong

    ChienDuong Thèm thuồng

    Thank you so much for your guidance.
     

Share This Page