高能預警:第一段差不多都是廢話
前一段時間在網易公開課學習了大牛吳恩達的《機器學習》課程,我雖然之前零零散散接觸過機器學習,也寫過一點小程序,但學習了大牛的課程後感覺受益良多。這門課大概是五年前Standford上傳的,不得不感嘆頂級的學校自然有頂級的觀念、教師和資源。之前學習《信號與系統》時,也是直接找到了Oppenheim本人的課程,其講課之細緻,引人入勝,至今印象深刻。
大概介紹一下《機器學習》這門公開課,一共分爲20集:
第一集爲綜述,介紹了機器學習的定義和課程安排的特點,並介紹了機器學習的三種分類:監督學習、無監督學習和強化學習;
第二至第十一集主要介紹了監督學習,其中二至六介紹了常見的算法如梯度下降、牛頓方法、樸素貝葉斯等,但涉及神經網絡的部分一帶而過,這也是我覺得這門課介紹不太全面的地方,好像吳恩達相比神經網絡更喜歡SVM一些(這是我猜的,各位大佬輕噴);七、八集介紹了SVM算法,包括核模型、SMO等等;九至十一集介紹了學(wo)習(bu)理(tai)論(dong),我感覺就是在教如何選擇參數、清洗數據從而把數據用於模型中;
第十二至第十五集介紹了無監督學習,包括了無監督學習必講的K-means算法,此外還涉及了EM算法、PCA和ICA,其中也穿插了對奇異值分解的講解,不過這部分如果要深究的話建議看一些專業的書籍,課程中講解比較淺;
第十六至二十集介紹了強化學習,比較坑的地方在於課程的講義好像只提供到第十六集,後面的翻譯也飛到天上去了,這部分主要講了馬爾科夫模型及其變種,學通信的看起來稍微輕鬆一點(並不:(。。。)
其實聽課時已經在本上寫下了筆記,這次寫在博客上也是爲了複習一下,作爲一個常給自己挖坑的人,真的害怕更不下去啊啊啊啊啊啊啊啊啊。
//這裏是分割線
//順便給自己的公衆號打個廣告
//關注我的公衆號可以看到更多有意思的東西哦~