m******t
发帖数: 635 | 1 号称是Coursera的王牌课程，Andrew Ng的课。打算最近修一下，有修过的也给评价下
。 |
w*x
发帖数: 518 | 2 我上过，觉得初听难度略浅，后来发现涉猎很广，十分实用。
很推荐听课，但是作业有点儿因为过于简单而不值得那么多时间投入。推荐1.5倍速看
完视频，不懂的地方自己查一下书。 |
m******t
发帖数: 635 | 3 上完课后大概是什么水平，可以单独开展ML相关的项目么？
【在 w*x 的大作中提到】
: 我上过，觉得初听难度略浅，后来发现涉猎很广，十分实用。
: 很推荐听课，但是作业有点儿因为过于简单而不值得那么多时间投入。推荐1.5倍速看
: 完视频，不懂的地方自己查一下书。
|
w*x
发帖数: 518 | 4 要看是什么级别的项目啦:)
个人感觉: 上完课的知识不足以做太多的实际性工作，但是完全足以入门，从而知道去
哪里找资料，并且自己开展自学以完成所需项目的知识补充。
当然了，不上课自学也总是可以的，但是有人带着除了效率高很多，最重要的是不会有
太幼稚知识死角。我以前就是犯过一个特别基本的错误，上课才意识到前人早就解决了…
具体项目做到什么程度，最重要的还是得看统计和数学的硬实力啦。
【在 m******t 的大作中提到】
: 上完课后大概是什么水平，可以单独开展ML相关的项目么？
|
m******t
发帖数: 635 | 5 多谢指教
了…
【在 w*x 的大作中提到】
: 要看是什么级别的项目啦:)
: 个人感觉: 上完课的知识不足以做太多的实际性工作，但是完全足以入门，从而知道去
: 哪里找资料，并且自己开展自学以完成所需项目的知识补充。
: 当然了，不上课自学也总是可以的，但是有人带着除了效率高很多，最重要的是不会有
: 太幼稚知识死角。我以前就是犯过一个特别基本的错误，上课才意识到前人早就解决了…
: 具体项目做到什么程度，最重要的还是得看统计和数学的硬实力啦。
|
n******7
发帖数: 12463 | |
z****e
发帖数: 54598 | |
n******7
发帖数: 12463 | |
m******t
发帖数: 635 | 9 号称是Coursera的王牌课程，Andrew Ng的课。打算最近修一下，有修过的也给评价下
。 |
w*x
发帖数: 518 | 10 我上过，觉得初听难度略浅，后来发现涉猎很广，十分实用。
很推荐听课，但是作业有点儿因为过于简单而不值得那么多时间投入。推荐1.5倍速看
完视频，不懂的地方自己查一下书。 |
|
|
m******t
发帖数: 635 | 11 上完课后大概是什么水平，可以单独开展ML相关的项目么？
【在 w*x 的大作中提到】
: 我上过，觉得初听难度略浅，后来发现涉猎很广，十分实用。
: 很推荐听课，但是作业有点儿因为过于简单而不值得那么多时间投入。推荐1.5倍速看
: 完视频，不懂的地方自己查一下书。
|
w*x
发帖数: 518 | 12 要看是什么级别的项目啦:)
个人感觉: 上完课的知识不足以做太多的实际性工作，但是完全足以入门，从而知道去
哪里找资料，并且自己开展自学以完成所需项目的知识补充。
当然了，不上课自学也总是可以的，但是有人带着除了效率高很多，最重要的是不会有
太幼稚知识死角。我以前就是犯过一个特别基本的错误，上课才意识到前人早就解决了…
具体项目做到什么程度，最重要的还是得看统计和数学的硬实力啦。
【在 m******t 的大作中提到】
: 上完课后大概是什么水平，可以单独开展ML相关的项目么？
|
m******t
发帖数: 635 | 13 多谢指教
了…
【在 w*x 的大作中提到】
: 要看是什么级别的项目啦:)
: 个人感觉: 上完课的知识不足以做太多的实际性工作，但是完全足以入门，从而知道去
: 哪里找资料，并且自己开展自学以完成所需项目的知识补充。
: 当然了，不上课自学也总是可以的，但是有人带着除了效率高很多，最重要的是不会有
: 太幼稚知识死角。我以前就是犯过一个特别基本的错误，上课才意识到前人早就解决了…
: 具体项目做到什么程度，最重要的还是得看统计和数学的硬实力啦。
|
n******7
发帖数: 12463 | |
z****e
发帖数: 54598 | |
n******7
发帖数: 12463 | |
s*****t
发帖数: 89 | |
m******t
发帖数: 635 | 18 一个月过去了，刚刚完成了第三周的问卷，和第二次编程题目。
课程难度么对于全职的学生可能比较浅显，不过对于我们这样全职工作的进度还算可以
接受。编程题目比较简单，用的是开源版matlab -- Octave。
目前的内容还比较简单，linear regression和logistic classification之类的，下面
会有些比较有意思的东西了比如NN, SVM之类的，希望能够有收获。
【在 m******t 的大作中提到】
: 号称是Coursera的王牌课程，Andrew Ng的课。打算最近修一下，有修过的也给评价下
: 。
|
f******2
发帖数: 2455 | 19 Machine Learning is not Data Mining.
The latter is useful, the former has been Hu1 You1 for 20 years.
【在 m******t 的大作中提到】
: 号称是Coursera的王牌课程，Andrew Ng的课。打算最近修一下，有修过的也给评价下
: 。
|
N******K
发帖数: 10202 | 20 现在用的统计学习方法和 data mining 没啥本质区别
图像领域用的很多
【在 f******2 的大作中提到】
: Machine Learning is not Data Mining.
: The latter is useful, the former has been Hu1 You1 for 20 years.
|
|
|
r****t
发帖数: 10904 | 21 我前年 take le 太浅了，没啥意思。
【在 m******t 的大作中提到】
: 一个月过去了，刚刚完成了第三周的问卷，和第二次编程题目。
: 课程难度么对于全职的学生可能比较浅显，不过对于我们这样全职工作的进度还算可以
: 接受。编程题目比较简单，用的是开源版matlab -- Octave。
: 目前的内容还比较简单，linear regression和logistic classification之类的，下面
: 会有些比较有意思的东西了比如NN, SVM之类的，希望能够有收获。
|
m******t
发帖数: 635 | 22 嗯，就是个machine learning 101课程，不过师傅领进门，修行在个人。让我自己独自
啃一本书入门还是比较困难
【在 r****t 的大作中提到】
: 我前年 take le 太浅了，没啥意思。
|
d*****u
发帖数: 17243 | 23 十几年前的machine learning跟现在的完全不一样
那个时候是symbolic approach，很多逻辑学的东西，各种集合上的运算
现在是统计，都是高维向量数学分析
【在 f******2 的大作中提到】
: Machine Learning is not Data Mining.
: The latter is useful, the former has been Hu1 You1 for 20 years.
|
s********k
发帖数: 6180 | 24 SVM之类是不是过时了。都10多年了，现在不是deep learning吃香吧，感觉一旦deep
learning大规模应用之后专业人士说SVM之流很可能被淘汰
【在 m******t 的大作中提到】
: 一个月过去了，刚刚完成了第三周的问卷，和第二次编程题目。
: 课程难度么对于全职的学生可能比较浅显，不过对于我们这样全职工作的进度还算可以
: 接受。编程题目比较简单，用的是开源版matlab -- Octave。
: 目前的内容还比较简单，linear regression和logistic classification之类的，下面
: 会有些比较有意思的东西了比如NN, SVM之类的，希望能够有收获。
|
d*****u
发帖数: 17243 | 25 看干啥的
logistic regression早八辈子就有了，但还在大量使用
因为够用了
【在 s********k 的大作中提到】
: SVM之类是不是过时了。都10多年了，现在不是deep learning吃香吧，感觉一旦deep
: learning大规模应用之后专业人士说SVM之流很可能被淘汰
|
j*a
发帖数: 14423 | 26 我觉得挺好玩的，你加油把它修完吧。
【在 m******t 的大作中提到】
: 号称是Coursera的王牌课程，Andrew Ng的课。打算最近修一下，有修过的也给评价下
: 。
|
d*******r
发帖数: 3299 | 27 这个 deep learning 到底是真 work，还是忽悠？
有没有现存的 app 是在用这个东西的，让大家看看开开眼呢
【在 s********k 的大作中提到】
: SVM之类是不是过时了。都10多年了，现在不是deep learning吃香吧，感觉一旦deep
: learning大规模应用之后专业人士说SVM之流很可能被淘汰
|
s********k
发帖数: 6180 | 28 deep learning感觉是确实可以work，当然目前之后超级大公司才能做，不过据我专业
的朋友说这个绝对是可以完全将SVM之类扫入垃圾堆的。SVM我10年前就在做了，用在人
脸识别什么上面，不过这十年感觉也没啥大发展，就那样了，无非是对data set代表不
足的一种补充，不过现在大数据爆发dataset sampling根本不是一个问题，另外SVM避
免过度学习现在看来也不是一个什么特别的优点，当然我是外行，抛砖而已
【在 d*******r 的大作中提到】
: 这个 deep learning 到底是真 work，还是忽悠？
: 有没有现存的 app 是在用这个东西的，让大家看看开开眼呢
|
l*******m
发帖数: 1096 | 29 training还是需要很多资源。希望出现活雷锋，能共享pretrained的models, 这样就屌
丝化了。当然如果商业化收费不高，也有前途
【在 d*******r 的大作中提到】
: 这个 deep learning 到底是真 work，还是忽悠？
: 有没有现存的 app 是在用这个东西的，让大家看看开开眼呢
|
s********k
发帖数: 6180 | 30 够用确实，因为实际的ML问题多半不需要有多么高深的算法，boost就一直很好用，只
不过现在ML和大数据结合起来了，有海量数据集可以学习并且有效处理情况下deep
learning威力就出来了，但是你要说某个推荐算法就是因为用了ML比没有用高一大截，
这个除了netflix那年的竞赛好像还没有太多实例，也许我孤陋寡闻
【在 d*****u 的大作中提到】
: 看干啥的
: logistic regression早八辈子就有了，但还在大量使用
: 因为够用了
|
|
|
N******K
发帖数: 10202 | 31 dp 不是新概念 就跟big data一样 早就有了 大家瞎jb起哄
dp不能解决所有问题 dp的学习方法 我看很有问题
sparse coding + svm 完全可以取代所谓的 cnn 等 dp 结构
我最近正在研究 争取今年内发一篇
【在 s********k 的大作中提到】
: SVM之类是不是过时了。都10多年了，现在不是deep learning吃香吧，感觉一旦deep
: learning大规模应用之后专业人士说SVM之流很可能被淘汰
|
