共10条回复
damon 回复于 8月前

麻省中的 http://open.163.com/movie/2010/11/P/P/M6V0BQC4M_M6V29EGPP.html 视屏中的26分23秒左右时的矩阵是怎么计算得到的,感觉有一个很方便的法子,但没有看明白。

@tinytool,我记得你看过了,可否说下。

easyfly 回复于 7月前

最近刚刚看完了 coursera andrew Ng 上面的machine learning 课程,正在进一步学习,也说下自己的体会,或者说和业内人士交流获得的体会:

andrew 的课程还是非常简单的,容易上手,但是很多东西都没有深入。不过他的课后编程作业非常好,提交之后还有验证环节。学习的时候不仅要写那几个让你写的文件和函数,也要看整个octave 实现的flow,非常有帮助。

深入学习的理论课程上面tiny 提到了很多了,都非常好。 不习惯英文的可以看 周志华的西瓜书,《机器学习》一书,很不错。

最好是和实践结合,如果是以业界工作应用为目的的,需要了解大数据,比如hadoop spark 等,然后亲自在aws 或者阿里云之类上面进行部署实践。

要有一个实际的应用场景,用machine learning 来做点东西,在做的过程中,你才能够更加深入了解那些理论的知识。

如果找不到合适的应用的话,那么用kaggle 上面的竞赛进行练习也是很好的。

东岸往事 回复于 7月前

cs231

风凌it 回复于 7月前

好深奥 不知道什么时候才能看得懂

cuijin007 回复于 7月前

坚持看了两个月,现在停了。工作实在是太忙了...

羡慕tinyfool

tinyfool 回复于 7月前

5楼 @cuijin007 忙不忙,核心在于坚持

cuijin007 回复于 7月前

6楼 @tinyfool 嗯。忙过这两周五继续看。

软papa 回复于 4月前

很感兴趣,机器学习似乎是解决“不能描述准确性质”或者“解决问题空间庞大复杂”的问题?嘛,还没有入门,这是我目前的直观印象。

kwitter 回复于 4月前

刚入门。自己找了点数据集做的股票分类。目前感觉是:

  • 将经典的几个方法,找个自己感兴趣的数据集,按照参考书上的方法自己写出来,跑一遍,看看效果,调调参数,会有深刻印象;

  • 参考书很多,上面的数学公式粗看头皮发麻,细看其实并没那么复杂。如果是有线性代数基础的,看的时候不要太纠结证明过程(个人观点哈,据老师说的,比如神经网络有些方法暂时只知道效果,无法完美证明)。没有基础的,可以先不要想太多,实践一下代码,慢慢你会明白的;

  • 要了解这个领域知识,看的书可能需要多一些,尤其是自己问题目标领域的。比如关于金融的Deep learning方法。我是从Neural Network开始看的,一知半解的继续了Genetic algorithm, machine learning的一些知识。

stephenkung 回复于 2月前

mark一下,还没看过,正在积极学习。

登录 或者 注册