机器学习基石01

1.常见的两种机器学习的方式

以机器学习理论为主线
- 对于每一个机器学习的算法都进行扎实深入的研究，这种"专家路线"能够让我们深入机器学习的底层，从本质上来理解机器学习。但是过程会很枯燥，很容易失去坚持下去的兴趣。对于解决实际问题不够实用。
以机器学习实战算法为主线
- 大量的快速学习各种机器学习算法，以"实战路线"作为主导，对于很多算法都有一定的了解，但是不是很深入(学会了很多招式，但是不精通、不理解)。在实际使用的过程中，会出现不知道如何选择合适的算法，以及如何进行合理的优化。

2.这门课程采用的方式

这门课程的路线：以机器学习基石为导向，基石并不代表仅仅是基础，而是给机器学习打底的东西，需要学的很扎实。综合哲学上机器学习的思想、数学上关键理论、核心技术(代码)、实际使用、随堂笑话。
这些东西是每一个学习机器学习的人都应该掌握的，我们要让机器学习成为我们的工具，而不是我们成为机器学习的奴隶。

以故事形式作为主线
- 什么时候使用机器学习？（例证 + 技术）
- 为什么使用机器学习？（理论 + 例证）
- 机器学习是怎么运作的？（技术 + 实践）
- 怎么让机器学习做的更好？（实践 + 理论）

通过上面的方式，其实是想让学生，在拥有扎实的基础之后，一方面可以自主学习更多并没有教过的技术，另外一方面可以更加容易深入的学习机器学习理论。

参考资料：

coursera-机器学习基石(视频会有卡顿的情况)
B站-机器学习基石(国内用户)

备注：
更多精彩博客，请访问:聂发俊的技术博客

机器学习基石01_课程说明相关推荐

《机器学习基石》课程笔记（1）
什么是机器学习什么是学习?学习是人类通过观察世界积累经验进而获得相应技能的过程.而机器学习则是机器(计算机)通过计算数据,像人类一样积累经验并获得技能的过程. 机器学习更一般化的定义是Improvi ...
台湾大学林轩田机器学习基石课程学习笔记1 -- The Learning Problem
红色石头的个人网站:redstonewill.com 最近在看NTU林轩田的<机器学习基石>课程,个人感觉讲的非常好.整个基石课程分成四个部分: When Can Machine Lear ...
台湾大学林轩田机器学习基石课程学习笔记15 -- Validation
红色石头的个人网站:redstonewill.com 上节课我们主要讲了为了避免overfitting,可以使用regularization方法来解决.在之前的EinEinE_{in}上加上一个reg ...
台湾大学林轩田机器学习基石课程学习笔记14 -- Regularization
红色石头的个人网站:redstonewill.com 上节课我们介绍了过拟合发生的原因:excessive power, stochastic/deterministic noise 和limited ...
台湾大学林轩田机器学习基石课程学习笔记13 -- Hazard of Overfitting
红色石头的个人网站:redstonewill.com 上节课我们主要介绍了非线性分类模型,通过非线性变换,将非线性模型映射到另一个空间,转换为线性模型,再来进行分类,分析了非线性变换可能会使计算复杂度 ...
台湾大学林轩田机器学习基石课程学习笔记12 -- Nonlinear Transformation
红色石头的个人网站:redstonewill.com 上一节课,我们介绍了分类问题的三种线性模型,可以用来解决binary classification和multiclass classificati ...
台湾大学林轩田机器学习基石课程学习笔记11 -- Linear Models for Classification
红色石头的个人网站:redstonewill.com 上一节课,我们介绍了Logistic Regression问题,建立cross-entropy error,并提出使用梯度下降算法gradient ...
台湾大学林轩田机器学习基石课程学习笔记10 -- Logistic Regression
红色石头的个人网站:redstonewill.com 上一节课,我们介绍了Linear Regression线性回归,以及用平方错误来寻找最佳的权重向量w,获得最好的线性预测.本节课将介绍Logist ...
台湾大学林轩田机器学习基石课程学习笔记8 -- Noise and Error
红色石头的个人网站:redstonewill.com 上一节课,我们主要介绍了VC Dimension的概念.如果Hypotheses set的VC Dimension是有限的,且有足够多N的资料,同 ...
台湾大学林轩田机器学习基石课程学习笔记7 -- The VC Dimension
红色石头的个人网站:redstonewill.com 前几节课着重介绍了机器能够学习的条件并做了详细的推导和解释.机器能够学习必须满足两个条件: 假设空间H的Size M是有限的,即当N足够大的时候, ...

机器学习基石01_课程说明

1.常见的两种机器学习的方式

2.这门课程采用的方式

机器学习基石01_课程说明相关推荐

最新文章

热门文章