Synced 深度研学社 每周干货，每周五为大家推荐机器学习的入门教程、技术分析、以及资源分享。不多不少，每周进步一点点~
【入门教程】Becoming a Data Scientist – Curriculum via Metromap
by Swami Chandrasekaran
简介：不论你的目标是掌握机器学习的某个应用，还是成为数据科学家，这都不是能够一蹴而就的目标。想要真正培养扎实的技术，还需要系统地一步步慢慢累积自己的知识。就职于 IBM 沃森小组的 Swami Chandrasekaran 就自己制作了一个成为数据科学家的「知识轨道图」。模仿地铁轨道，图中详细地列出了数据科学几大领域需要掌握的知识内容。知识点互相关联、由浅至深，有一些并不困难，有一些则需要花些时间掌握。相信这张轨道图可以帮你构建一个更完整、宏观的学习计划。
【技术分析】Deep Forest: Towards an Alternative to Deep Neural Networks
by Zhihua Zhou, Ji Feng
简介：南京大学的周志华教授日前在 arXiv 提交了一篇论文，提出了名为 ”gcForest” 的方法。这一方法使用决策树群，并且称其表现能与深度神经网络相抗衡，同时不需要大量的调参，从而简化训练的过程。知乎上的讨论也很热烈，其中不乏许多具有参考价值的理解。
知乎讨论链接：如何评价周志华教授新提出的 Deep Forest 模型，它会取代当前火热的深度学习 DNN 吗？
【资源分享】Tools to help you dive into Computer Vision
简介：尽管在计算机视觉领域还有很多问题尚待解决，目前这一领域却已经有了很多使用的开源工具，可以用于研究与产业应用。比如，在图像处理领域就已经有想 OpenCV、BoofCV 这样十分成熟且稳定的库。Medium 上的这篇文章，总结了常用的计算机视觉工具。
