本科生進數據機器學習和挖掘實驗室能做一些什麼？

01-02

我是國內某211高校數學系大二本科生，目前已經聯繫上一個做機器學習、數據挖掘和數據分析的導師，下學期開始加入他的團隊。他的研究方向為基於小波分析的知識發現及應用研究、多Agent系統的理論研究、基於數據挖掘的網路入侵特徵識別方法研究、基於商空間粒度計算理論的知識發現方法及應用研究、信息資源的檢索與約簡演算法研究等等。
請問作為本科生我能做一些什麼？如何能快速從lab assistant到拿到project？我的打算是本科畢業後出國。
目前正在看斯坦福的機器學習公開課，自己嘗試在python上實現每一個演算法，同時還在自學一本數據挖掘入門的書。之前沒有接觸過機器學習和數據挖掘，學過MIT的計算機科學導論，演算法導論，演算法設計，離散數學，再加上學校學的微積分，線性代數，概率論，數理統計，常微分方程等數學課。

首先就是自然環境啦～實驗室是非常理想的自習，休（吃）閑（貨）娛（看）樂（片）的地方，列印資料等等很方便。

其次便是學術環境啦～項目，期刊論文，愛西批西第一手資料等等。加上一些派到某國去參加某些會議，搞些交流都有很多。

再次就是人脈資源啦～實驗室幾乎都是研究生，可以看看現在一流科研工作者的日常科（游）研（戲）生活。教授副教授也常來發一些有趣的東西，一些外校的論文什麼的。

關於為什麼我要把自然環境排在前面呢。

其實大學也不需要辣么功利，整體想著自己以後一定要怎麼樣怎麼樣怎麼樣出人頭地，怎麼樣留個學變成「別人家孩子」。將生活過得舒適也是很美好的。

實驗室有一個你的位置，你就有了一個除了寢室的家，這是一種歸屬感，是融入了整個實驗室的團體氛圍。有問題問學長，有目標就從一個個小目標開始，有想法跟教授說，有空閑時間看看劇，按部就班慢慢的來，不急不慌，很多事情自然而然就能落到自己的頭上。

假設1. 你導師有專業背景，具體來說，有NIPS、ICML、CVPR、KDD這些文章，2. 他願意指導你做學術，3. 你也夠聰明夠努力。

在這3個前提下，我覺得你有希望做出「靠譜」的學術論文，即使沒發表，也能拿出來說，能寫進CV，能用來套詞。如果3個前提缺少一個，肯定沒戲。

像機器一樣學習

腦袋空空，一心想著發paper

我在國內一所三流985讀書，現在大三，不是計算機專業，但也屬於信息大類

大一生活平平，也沒有什麼出彩的地方，大二有幸進入了老師的實驗室學習，可以說是對我來說比較關鍵的一個轉折點。

1. 學術上，接觸到脫離課本的新領域的知識。多讀讀論文，嘗試寫一寫，可以了解到許多新知識，比如學會如何寫一篇規範的學術文章，這些知識可能不能讓你考試分更高，但對個人綜合素養來說是很好的提升。

2. Paper這種東西，要水能特別水，如果機遇好的話，在師兄師姐之前的工作上推廣一下，寫個小paper不是什麼難事（當然樓主如果特牛的話當我沒說）。我做一個比喻就是圍城，學術圈外的人覺得這些搞科研的人都特厲害，但進入圈內後會發現除了Top的那些精英學者，混的人其實也不少。

3. 做科研最需要的不是智力，而是努力（對普通人來說）。如上一點說的，真正contribution的工作是少數的，相較之下，我們本科生多努力，也是可以混出幾篇來的，要相信自己。

4. 進入實驗室，沒有課的時候泡在實驗室，學習也好，娛樂休閑也好，接觸到都是一些研究生師兄師姐，相當於提前讀了個研，多划算！樓主想出國深造的話，提前了解一下國內研究生的模式，等於國內國外都讀了個研（滑稽，純屬扯淡，好像偏題了..）

5. 和師兄師姐搞好關係。實驗室也能提供很多學術以外的資源，生活上，師兄師姐能給傳授很多人生經驗，多和他們搞好關係，自己少走很多彎路！

6. 不要有太大的優越感，進入實驗室學習，容易讓自己產生心理膨脹（好吧，我曾經有過...）。其實，實驗室學習只是多條道路之一，大學各有各的活法，不要膨脹。

其他的，以後想到再更吧

覺得跟題主情況有點像，就說下自己的情況，我是普通211的大二學生，這學期靠會一點爬蟲進了一個機器學習的實驗室。

因為之前幾乎沒有相關的基礎，所以沒有什麼我能做的，只是一些邊緣工作。一直在自己看Michael Nielsen的Neural Networks and Deep Learning，不懂的和導師交流。

開始的時候是做爬蟲，爬一些圖片以便之後做數據集。最近導師讓我看Faster-RCNN數據集的製做。

第一次進實驗室，開始也沒想一定要做成什麼樣，主要是對機器學習感興趣，想要學點東西。所以現在也沒有樓上的回答那麼忙。大概就是這樣。

一樓的三點其實都沒問題，你可以先放下聰明，多花點努力。先從公開課，書籍資料出發培養興趣。比如吳恩達的機器學習公開課。機器學習很泛也很精，要泛讀然後精做。我導師8年左右時間研究支持向量機和特徵選擇，很小的一個點做了這麼久。當然這是純理論的。先從淺一點的理論出發，本科階段的科研其實就是嘗試，運氣好的說不定能中個SCI。以後出國什麼的都有好處。但是這個科研過程如果你不喜歡，以後可以選擇別的路。

還沒在知乎上回答過問題，不過看樓主很真誠，自己又有這方面經驗，就簡單說一下吧。

國內大概排名20的大學，現在大三，大二上學期專業分流後加入網路工程系的精英班（進這個班的原因是我對大數據和機器學習，數據挖掘非常感興趣），這個班級制度和研究生差不多，再加上導師特別好特別負責，一年來學了很多東西，雖然說基本都靠自學，但是毫無疑問是實驗室的環境在引導自己。目前一篇IEEE的論文正在二輪審核狀態。反正就是完全滿足了自己對所喜歡領域的探索需求。並且目前我也在學斯坦福機器學習的公開課，也在學機器學習的演算法，一直在幫一個博士生做論文的實驗，也會和實驗室其他的本科生一塊兒搞點兒項目或者比賽。

喂喂喂，題主，看你的描述，你確定你和我不是同一個人？？？

額 -_-|| 貌似我比你早一年入坑，大一就去了哦～

因為C++老師對我印象太好，先後推薦我去搞ACM和機器學習。但是去ACM時有課時衝突，加上當時正在研究最優化問題，和很多ACM知識關係不大，所以沒有深入ACM。

然後搞機器學習，生物信息學。

一年來，從未後悔，非常充實，非常開心。(可不要怕累哦～)

-_-# 好想進實驗室，打雜也好，而然沒有機會。

感覺大家都好厲害啊 (?òωó?) ，本科就有paper，並且老師好負責任。說說我們吧，本科去實驗室就是打比賽，各種各樣的在實驗里，有ACM，數模，安全類，軟體類，大家（都是本科生）一起學習，一起找工作，老師基本放養。

對於普通學校而言，你僅僅是個別導師的比賽和發垃圾論文工具而已。絲毫鍛煉不了什麼真本領。如果你是top20的學校可能好得多。我只針對普通學校。好好學英語，好好學數學。學術，paper等到博士再說吧。

我大學時候各種國家級獎拿了一堆。真沒用。和實際上的學術什麼的差距很大很大。