研究生阶段学什么 研究生如何学习课程
研究生阶段该怎么学习？机器学习,数据挖掘在研究生阶段大概要学些什么？研究生阶段应该怎么学习英语？
本文导航
研究生如何学习课程
二十年学生生涯，大学里从本科读到硕士研究生，大学工作5年多，对所看、所感写成以下文字，希望对各位研究生有所帮助。一、研究内容来源：1 充分利用别人的成果。尽量看研究同一个问题书籍的章节和相关论文，一定要深入进去，然后分析和研究这些论文的的不足之处，盲点（即没有研究到的地方或研究不深入的地方），这些就是你研究的切入点，把这些不足的地方好好分析，写成论文，十之八九能在一般核心期刊上发表。2 将某种研究解决问题的方法用于去解决另外的问题。看到某人的论文解决问题的方法很新颖，自己能够掌握。就思考能不能把这种方法拿去解决另外的问题呢？然后带着问题去找另外的问题。然后写成论文，加以润色，也能称为一篇论文，虽然原创性不高，但是在出成果的同时，也能开阔视野，体会到解决问题的乐趣。3 在看文献资料（看的时候一定要做笔记，摘抄）较多的基础上，写综述性文章。这样的文章不好写，要么是总结不好，要么就是由于看的文献不够，总结不全面。但是要多写，多改，也能出成果，更能锻炼人。4 多做理论研究。尤其是工科的学生。接触到的数学公式，力学公式很多。可以应用这些公式，进行不同问题的分析和研究，从理论上提高自己解决问题的能力。5 数值模拟。目前搞数学模拟的人很多。找个软件（有的就是网上下载的）安装在计算机上，几天捣鼓，先模仿别人的模拟，后在此基础上修改，也能学会数值模拟的同时，出一些小成果。对于一些机灵的学生，作出的成果水平还很不错。6 有机会的话，多做试验，尤其是硕士研究生，对原创性要求不高，只要做的工作系统就行，因此，可以围绕同一个问题多做不同的试验，这样在完成学位论文的同时，也能提高自己试验能力，分析问题、解决问题的能力。7 工程实践 对于工科的学生，应该尽量多参加工程实践。将在工程实践中的技术问题提升到科学问题。自己研究的问题如果能够用于指导工程实践，做到学以致用，是最理想的。不光可以写论文，还能申报专利。二、研究生三年阶段该做的事情：1 交流研究生三年，一年级几乎在上课，这段时间应该多请教导师，与导师交流，请导师指导研究方向，指点文献阅读方式。同时多进入实验室，与师兄师姐交流，帮助师兄师姐做实验，要做到不怕脏、怕累。毕竟一个研究生三年完成的学位论文的内容很小很小，研究方向很窄。师兄师姐做的实验和研究内容，也应该掌握的，这样有利于开阔视野，扩大知识面。多与人交流，就可以学到更多人的研究方法，研究思路，取长补短。一名导师首先带了很多名研究生，作为研究生，在同一导师手下的这几个同学中，应该博采众家之长，努力成为导师首先最优秀的研究生。毕竟你的导师也是水平有限的，在全校可能不是最厉害的，在全省，全国就更一般了。如果你连你导师门下的学生中，都做不到最好，那怎么超越你的导师，做到青出于蓝而胜于蓝，怎么能到更广阔的天地里面去竞争呢？2 经常总结研究生尤其是工科的研究生，在导师的要求下，经常参加各种实验、参加工程实践，这些东西有些可能是与自己学位论文无关的内容，有的可能自己也不感兴趣的。如果因为不感兴趣，就应付了事，得过且过。这是很不好的。每个人都应该认真对待面对的事情，哪怕是你不喜欢的，也应该尽最大努力干好。要时常总结，多与老师和同学交流。最好有一个专门的记录本，将所看所想记录下来。3 学会写课题申报书研究生在学习期间，最大的任务就是学会做科研的方法。而做科研的第一步，就是写项目申报书，因此，不管你喜欢不喜欢，你都应该掌握这方面的技能。写项目申报书，你就必须查文献资料，分析文献资料，总结文献资料，这有利于开阔视野，锻炼驾驭资料的能力。写项目申报书，你就得写研究基础，这就促使你去总结你以前的研究工作。有利于将以前的研究工作融会贯通。一句话，学会写项目申报书好处多多。4 为将来未雨绸缪研究生毕业要么考博，要么找工作。对于考博的同学，要学会做科研的方法，应该学会使用一些软件，提高英语水平，夯实基础知识，为将来上博士做准备。5 搞好各方面的关系1）导师关系绝大多数导师，都希望自己的学生将来超越自己，将来有个很好的前程，也会为学生创造各方面的学习和生活条件。研究生与导师的关系就像是古时候师傅与徒弟的关系。可以做到如兄如父，亦师亦友的关系。这段关系搞好了，也将是终身的关系。2）同学关系同一个导师的学生，往往是一种竞争关系，但是也是同门关系，尤其应该搞好关系，不同导师的同一个研究生班的同学，往往由于很多同学经常出差参加工程实践，聚少离多，这段关系更应该好好把握。多一个朋友，多一条出路。有人研究过，美国的成功人士，很多事由于同学、校友和父辈朋友的提携开始成功的第一步的。
学数据挖掘可以学到什么
如下：
1、编程语言
目前工业界的机器学习编程语言很多，基于个人的一些浅显的工作经验，发现目前比较常用的编程语言是 Python 和 SQL。需要掌握的内容有以下几点：聚合函数，数学函数，字符串函数，表格的连接函数，条件语句等。
2、机器学习
推荐教材《机器学习实战》，作者是 Peter Harrington。阅读这本书需要读者掌握 Python 语言，加上 Numpy，Scipy，matplotlib 函数库的一些基础内容。
3、数理统计
数理统计方面还是有一些东西是蛮常用的。例如时间序列模型 ARMA 模型等。一些数据的指标，例如均值，方差，标准差，变异系数，相关系数，ROC曲线和AUC，召回率和正确率，交叉验证等。
数据挖掘和机器学习的区分
数据挖掘并不那么关心算法的细节，而相对更重视结果的解释及其统计意义；而相反，机器学习似乎更在乎算法的设计、优化，在分类、聚类、或者一些既定问题上的效果，而较少关心统计意义方面的考量。
具体来说，一个数据挖掘专家可能会用线性回归甚至关联分析，这些被机器学习学者认为是上世纪初产物的模型完成一些非常有趣的实际工作，并得到确定的统计意义。
研究生零基础学英语
研究生阶段学习英语方法，第一扩充英语词汇量，第二大量阅读，开阔眼界件，第三坚持原汁原味的英语素材，第四听力要听得多，第五多看专业的英文文献，第六联系翻译的基本功。
