Machine Learning(Coursera)课程学习笔记
2017-04-15 22:52
375 查看
简介
这门课将目前主流的机器学习的算法从底层到上层进行了介绍,不但包括算法的数学原理,实际开发编程的相关技巧,同时给出了各种算法的主要推演过程,使机器学习的算法不再是黑箱状态,成为我们能够驾驭的利器。更为重要的在构建机器学习系统时需要注意的事项,这是仅仅阅读无法获取到的巨大财富。老师,吴恩达(Andrew Ng),华裔美国人,是斯坦福大学计算机科学系和电子工程系副教授,人工智能实验室主任。吴恩达是人工智能和机器学习领域国际上最权威的学者之一。吴恩达也是在线教育平台Coursera的联合创始人(with Daphne Koller)
学习基础
了解外面世界的能力,Coursera在另一边(你懂得)一定的编程基础(matlab最好)
至少高中的数学基础
充足的时间
主要内容
课程主要包括:机器学习的定义,监督学习算法(线性回归,逻辑回归,神经网络以及支持向量机SVM),非监督学习算法(PCA,kmeans,异常检测),推荐系统(协同滤波算法),在线学习方法以及机器学习的应用(开发技巧,调试技巧,大数据量的学习),最后通过结合一个OCR的系统来说明机器学习系统的构建过程,主要课程的如下图所示主要收获
了解了CV集的真正作用了解到high bias和过拟合的数学含义,以及如何通过learning curves确定机器学习系统的状态
深入了解了各个算法的实际数据原理
深刻感受到了美国的教育和国内的不一样,在听课的时候感觉都明白了,但做起练习来就不一样了,练习比讲课要难一些,需要自己去查资料或翻讲义,需要真正去理解
如下图所示。
总结
如果你可能从事IT领域的工作或对于人工智能有兴趣,又有一定基础,那么这门课就值得投入。相关文章推荐
- Java学习:coursera课程笔记(一)
- Java学习:coursera课程笔记(三)
- Coursera 机器学习(by Andrew Ng)课程学习笔记 Week 5——神经网络(二)
- coursera NLP学习笔记之week1课程介绍&基础的文本处理
- 吴恩达Coursera深度学习课程 DeepLearning.ai 提炼笔记(1-2)-- 神经网络基础(转载)
- 吴恩达Coursera深度学习课程 DeepLearning.ai 提炼笔记(3-1)-- 机器学习策略(1)
- Coursera 机器学习(by Andrew Ng)课程学习笔记 Week 7——支持向量机
- 如何学习:学习困难科目的实用思维(Coursera课程笔记,2015.6.16)
- 吴恩达Coursera深度学习课程 DeepLearning.ai 提炼笔记(3-2)-- 机器学习策略(2)
- 吴恩达Coursera深度学习课程 DeepLearning.ai 提炼笔记(1-3)-- 浅层神经网络(转载)
- Coursera台大机器学习基础课程学习笔记1 -- 机器学习定义及PLA算法
- Coursera吴恩达机器学习课程 总结笔记及作业代码——第7周支持向量机
- Coursera吴恩达机器学习课程 总结笔记及作业代码——第3周逻辑回归
- Coursera 机器学习(by Andrew Ng)课程学习笔记 Week 4——神经网络(一)
- Coursera吴恩达机器学习课程 总结笔记及作业代码——第5周神经网络续
- Coursera台大机器学习基础课程学习笔记1 -- 机器学习定义及PLA算法
- Coursera台大机器学习基础课程学习笔记1 -- 机器学习定义及PLA算法
- Coursera吴恩达机器学习课程 总结笔记及作业代码——第6周有关机器学习的小建议
- 吴恩达Coursera深度学习课程 DeepLearning.ai 提炼笔记(1-2)-- 神经网络基础
- 吴恩达Coursera深度学习课程 DeepLearning.ai 提炼笔记(2-3)-- 超参数调试 和 Batch Norm