从现在起入门机器学习

佚名 6年前 (2018-05-04) 人工智能 1468人围观抢沙发百度已收录

转载请保留作者和原文出处

SRE实战互联网时代守护先锋，助力企业售后服务体系运筹帷幄！一键直达领取阿里云限量特价优惠。

种下一棵树，最好的时机有两个：十年前和现在。本系列是我作为机器学习的门外汉，学习斯坦福大学吴恩达教授的机器学习课程时的一些总结，目前我学到了第五周，我会在学习过程中分享一些东西出来，希望能够帮助到对机器学习感兴趣，想自学的小伙伴。

如果你对机器学习感兴趣，但也仅此而已，还没有入门，并没有系统的学习过。那么本课程适合你，它就是入门级课程，所有需要用到的东西，比如一点点线性代数的知识，编程工具Octave/Matlab的使用，都在视频里有对应的课程及练习帮助你掌握。这是公认的进入机器学习领域最好的课程，已经有180万人学习了本课程，而且本课程也是17年最流行的网上课程。

很多人在自学机器学习时可能会有疑问，这课程适合自己吗？能收获什么？需要什么条件吗？比如Python或者线性代数？抛弃这些疑问吧，如果想学习就学吧，先学起来，你就有感觉了，直觉会引导你走下去。

引用一下大神卡马克在<< Doom启示录 >>里的一段话：

在信息时代，客观障碍已不复存在，所谓障碍都是主观上的。如果你想动手开发什么全新的技术，你不需要几百万美元的资金，你只需要在冰箱里放满比萨和可乐，再有一台便宜的计算机，和为之献身的决心。我们在地板上睡过，我们从河水中趟过。

当你在学习本课程时，除了视频课程之外，还有下面的这些配套的资源可以用来提高学习的效率

视频是几年前(11年？据说是coursera开办时的第一个课程）拍摄的，里面可能有一些错误的地方，注意看勘误：
比如 Errata Week3
编程作业的额外测试用例因为编程练习题里只有一两个测试用例，所以可能会出现你提交后发现这道题目没有过的情况，此时可以借助这些额外的测试用例来帮助你找到问题所在。
每周课程和编程练习的FAQ：
比如第三周的
可以在看视频课程之前大致浏览一下这里的内容，等学完视频课程后，再浏览一下这里的内容。
每周重点总结
这个是吴恩达教授发起的讨论，主要目的是让大家用自己的语言复述一下本周的5大重点，只有自己能复述出来的东西，才是自己真正学习到的东西，这也算是一种高度浓缩的总结了。视频课程的问题是本身承载的内容有限，很容易跟着视频走，失去自己思考的时间。
学习小组，有slack, what's app 和微信群
我也组建了一个微信群，适合最近(2018.4月)开始学习的同学
每周相关的讨论组,比如第三周。
可以从里面看到一些有意思的idea，比如把linear regression和 logistic regression的cost function绘制出来，一图胜千言；或者有些人会把第四周logistic regression里题目给定的特征向量展示出来，也非常有意思。