经历了大学的四年，经历了考研，又走过了研一一年，迎来了新的困惑。回顾研一一年，自己收获颇多，除了上课之外，导师让自己探索了好几个方向，分别是(1)数据库和数据仓库，以Microsoft SQL Server 2008为主线。(2)分布式存储与分布式计算，以Hadoop生态系统为主线。(3)数据挖掘，以Weka为主线。(4)推荐系统，以Taste为主线。(5)社交网络，以Ucinet为主线。(6)机器学习，以Scikit-Learn和Mahout为主线。(7)搜索引擎，以Lucene，Nutch和solr为主线。(8)众包理论，以AMT(Amazon Mechanical Turk)为主线。(9)主题模型，以LSA，PLSA和LDA为主线。研一一年自己还读了很多关于推荐系统，社交网络方面的论文，尤其是关于主题模型，时间模型和信任模型等。
总之，研一一年基本是上课，读论文，探索自己喜欢的方向。在探索的过程中，自己学会了如何去搜索资料，如何去解决一个问题，我想这才是自己最大的收获。比如，为了弄懂主题模型，自己学习了数据挖掘，机器学习，搜索引擎，自然语言处理，模式识别，人工智能，图形图像，机器视觉，并行计算，还有数学分析，高等代数，概率论，统计学，信息论，随机过程，离散数学，具体数学，时间序列分析等。
时间过的真快，一转眼一年过去了，暑假之后，自己马上就要研二了。这就意味着(1)自己不能再继续探索自己喜欢的方向了。(2)自己要写论文了，因为没有论文是不能毕业答辩的。(3)自己也将要找工作了，需要深入学习一个方向。(4)自己也将要出去实习了，为步入社会做好思想准备和技术准备。
现在，自己面临最大的问题就是找到一个自己喜欢的方向，然后展开深入地学习。因为，这个问题关乎着自己今后一年的前进方向，是方向性的问题。经过长时间的思考以及自己自身的情况，自己决定主攻分布式机器学习。具体规划，如下所示：
一、工作准备
1、重点学习Mahout。
说明：
机器学习是一个非常复杂的问题，绝对不是仅仅掌握几个工具就可以搞定的，因为机器学习是以数学为基础的，数学不好，是绝对不行的。但是，考虑到实际情况，自己也只能一边学习分布式机器学习，一边打基础了。
2、学习Hadoop生态系统，还有Spark等大数据处理工具。
3、熟练C，Java和Python编程。
4、学习数据结构和算法。
5、熟练操作MySQL，尤其是存储过程。
说明：
所有学习均以代码为主线来展开，以上内容务必熟练操作。
二、专业理论
1、数据挖掘，机器学习
说明：以学习Scikit-Learn为主线。
2、统计学
说明：以学习SPSS为主线。
3、并行计算
说明：以MPICH2和MapReduce为主线。
三、基础理论
1、离散数学
2、概率论
3、随机过程
4、时间序列分析
说明：以Matlab和R为主线。
虽然自己主攻分布式机器学习，但是自己今后从事什么样的工作并不确定。无论从事什么样的工作，都应该熟练掌握至少一种编程语言(Java和Python)，一个数据库(MySQL)，一个平台(Hadoop等)，几种常用工具(SPSS，Matlab和R)，打牢数据结构和算法(C)。考虑到自己的实际情况，还要求掌握并行计算(MPICH2和MapReduce)。
总之，研二一年的学习战略是深度学习，重视学习的深度，掌握的熟练程度。
原文地址：http://blog.csdn.net/ssw_1990/article/details/38274985
