如何评价 Coursera 的机器学习 课程
如何评价 Coursera 的机器学习 (Andrew Ng) 课程？本人统计学专业在读小本一枚。暑假想扩充一下知识面，正好看到了这门课对背景知识要求不高，感觉像是给非计算机专业的业余爱好者开得课程，于是选了这门课。现在已经Week6结束了，现在已经介绍了线性回归、logistic回归、BP神经网络以及机器学习算法中的一些常见问题（例如overfitting、underfitting等），以及一些解决方法（learning curve之类的）。接下来准备学习SVM、推荐系统 (recommend system) 设计和一些案例。小白有以下几个问题：1. 这门课介绍的是非常基础的基本思想，很显然在实务中情况会复杂许多。那么这个“复杂”指的是由于运算量庞大导致的算法复杂化，还是有待解决的问题本身变得复杂了？由此引申的问题是1.1. 学了这门课，我们可以直接地将所学内容用在实践中吗？假设我能够大部分理解教授slide中的内容（仅仅内容本身而已），80%地理解课程作业中的主程序内容（就是每章编程作业里的ex?.m，?为周数），能够独立地编写、调试、完成作业。2. 因为这门课是2011年开设的，教授课上提到的一些“前沿”内容但是在这三年中，数据分析领域有了很大的进步（我作为外行来看），这类的算法是否已经有了替代品，或者直白地说，过时了？例如：在介绍到spam分类问题时，教授提到了porter stemmer英文分词算法，他认为这个算法是很有用的，但我上网检索了以后发现关于这个算法的批判和改进方案还是挺多的。3. 这门课程对于机器学习的主流算法、模型的介绍是否全面？例如：我只上到第六周，我看了syllabus他没有直白地提到决策树算法，但我能够经常地从研究机器学习的朋友口中听到决策树。教授把很大篇幅花在BP神经网络算法的介绍上，是否可以理解为BP算法是机器学习的主流算法？4. 在实务中使用 Octave/MATLAB 来实现机器学习算法是否是理想的选择？除了免费开源与否以外，在运算能力，尤其是针对于处理大规模数据时的性能、以及需要并行运算的情形等。认识的做机器学习的朋友是用numpy和R来实现算法，但教授对Octave的评价很高，并且说在硅谷大多数搞机器学习的程序员都是用Octave来做的。谢谢！本人统计学专业在读小本一枚。暑假想扩充一下知识面，正好看到了这门课对背景知识要求不高，感觉像是给非计算机专业的业余爱好者开得课程，于是选了这门课。现在已经Week6结束了，现在已经介绍了线性回归、logistic回归、BP神经网络以及机器学习算法中的一些常见问题（例如overfitting、underfitting等），以及一些解决方法（learning curve之类的）。接下来准备学习SVM、推荐系统 (recommend system) 设计和一些案例。小白有以下几个问题：1. 这门课介绍的是非常基础的基本思想，很显然在实务中情况会复杂许多。那么这个“复杂”指的是由于运算量庞大导致的算法复杂化，还是有待解决的问题本身变得复杂了？由此引申的问题是1.1. 学了这门课，我们可以直接地将所学内容用在实践中吗？假设我能够大部分理解教授slide中的内容（仅仅内容本身而已），80%地理解课程作业中的主程序内容（就是每章编程作业里的ex?.m，?为周数），能够独立地编写、调试、完成作业。2. 因为这门课是2011年开设的，教授课上提到的一些“前沿”内容但是在这三年中，数据分析领域有了很大的进步（我作为外行来看），这类的算法是否已经有了替代品，或者直白地说，过时了？
首先你必须注册一个账号，并选择你想上的课程。
下面以 台湾大学 实验经济学 为例介绍如何下载课程。
进入课程
2.点击课程影片
3.点击下载即可。
我也是初学者，来回答一下你的几个疑问：
1.更复杂的问题：
你说的两点都会出现，第一点就是复杂度上升问题，这个一般要gb级别的数据才会体现出来，解决办法一般是分布式计算，比如Hadoop就是用来做这个的。
第二个问题就复杂多了，比如现实中可能有数据质量问题（比如识别非结构化数据），数据维度问题（维数灾），这时候可能就需要了解数据预处理技术；有些算法可能因为实现对数据分布做了一些假设，在一些数据集上效果不好；有些算法对初始化很敏感（kmeans），有些算法对噪声敏感（决策树）等等，这时候需要对算法作各种改进于是就会由一些经典的算法衍生出一系列改进算法。其他可能的问题暂时也想不到了。
最后说一下编程问题，机器学习对编程的要求本身是不高的，当然我指的是初学阶段，数据量不大时，而且更重要的是，ng的课对编程能力的要求似乎是做到了能降就降，几乎每分programming作业都是只要求几行代码就OK了的那种。
2.是不是有了替代品，作为初学者我不是特别熟悉这个领域的现状和历史，但是有一点可以肯定的是，ng介绍的都是算法最简单的应用情况，实际应用中肯定有各种各样的改进算法的。
3.bp算法的确是主流学习算法的一种，但是本身也存在很多问题，我觉得ng只讲bp的原因主要有两点：一是它很简单，基本上有高等数学基础的都能理解；二点就是ng反复强调的powerful，bp神经网络可以以任意精度逼近一个连续的非线性函数，这一点是被理论证明过的，这也是它成为经典的重要原因。也有很多其他的算法，也是主流算法，为什么不讲？可能就是不符合以上两点吧，比如你说的决策树，感觉在应用面上窄了点。模型的介绍肯定是不全面的。
4.octave我一直觉得不好用，其实ng用octave主要是因为它开源每个人都下得到，而且作为脚本语言不需要太高的编程基础，但是作为中国学生，我实在想不出用octave的意义何在，毕竟网上Matlab破解版想下就下。
店瑶必可： 首先,ML深究起来都是Stat Models + Causal Inference,所以题主学习ML的话是非常有优势的.针对Andrew这门课,其实我更欣赏的是一代神牛Tom Mitchell在CMU的ML公开课,他选的模型都比较经典(老),但是听他讲他对这些模型的理解...
内黄县15878526711： 如何评价 Coursera 的机器学习 课程 - ？
店瑶必可： 个人感觉ng的很多话都是用来鼓励初学者的,不能全信.我也是初学者,来回答一下你的几个疑问:1.更复杂的问题:你说的两点都会出现,第一点就是复杂度上升问题,这个一般要gb级别...
内黄县15878526711： 矮人工具 - WOW矮人的挖掘场任务损坏的工具在什么位置啊??怎么都找不到希望 ？
店瑶必可： 西北部有些矮人正在准备修建一座挖掘场.他们认为地下埋藏着某些秘密,事实也的确如此,不过挖掘和污染大地并不是获得这些秘密的正确途径. 收集矮人的挖掘工具,把它们全都毁掉,然后把这些被损坏的工具带给我. 要毁掉这些工具的话,你必须得找到一块铁砧才行.在雷霆崖就有一处铁匠铺,不过任何铁砧——包括矮人营地里的——都可以用来毁掉工具. 任务说明很清楚啊,杀矮人就会掉挖掘工具,再用铁砧毁坏这些工具,就得到损坏的工具了,任何铁砧(包括雷霆崖的)都能用
内黄县15878526711： 为什么电脑wasd用不了怎么办(电脑wasd不能用了) ？
店瑶必可： 1. 电脑wasd不能用了1.因按下Shift键被锁.在玩某些游戏时,按下Shift键,可以锁定... 电脑键盘的种类1、机械式键盘2、薄膜式键盘3、电容式键盘4、导电橡胶式键盘3. ...
内黄县15878526711： 开车由北五环到东五环去京沈高速能直达吗 ？
店瑶必可： 本数据来源于百度地图,最终结果以百度地图最新数据为准.驾车路线:全程约29.0公里起点:北五环出口1.从起点向正北方向出发,沿上清桥行驶490米,直行2.行驶280米,直行3.行驶160米,稍向右转进入五环4.沿五环行驶27.3公里,过观音堂桥,朝沈阳/东四环/G1方向,稍向右转进入五方桥5.沿五方桥行驶460米,过五方桥约320米后,直行进入京哈高速公路6.沿京哈高速公路行驶10米,到达终点终点:京沈高速
内黄县15878526711： 但好了几个月双手偶尔还会有小水泡?以前得了疥疮,但好了几个月双手 ？
店瑶必可： 病情分析: 指导意见: 你好,可以局部外涂一下抗真菌类软膏就,比如酮康唑软膏,注意个人卫生.
内黄县15878526711： 汕头曼托假体后期会不会变形? ？
店瑶必可： 后期不会变形,弹性非常的好呢.它是采用仿生学技术制作而成的硅凝胶,具有超高的柔韧性呢,而且形态逼真.
内黄县15878526711： 一个人频繁换工作说明那个人是个怎样的人?一个人频繁换工作说明那个 ？
店瑶必可： 看是什么情况,要是和上司合不来换的,那就是不能容忍,冲动.要是自己感觉工作环境不好的,那就说不能吃苦
内黄县15878526711： 斗鸡眼的小孩他的眼睛看东西是不是和我们不一样?从小就是天生的斗鸡 ？
店瑶必可： 是有些不一样. 一般这样的孩子,注视的中心点和正常人不一样,会有偏移. 另外,因为两眼成像不一致,不能在大脑中融合成统一的物象. 所以,往往有一眼视力较差,渐渐的,较模糊眼所成的像被大脑抑制. 大脑中只呈现好眼的清晰的像,不去管较差眼成像如何.于是较差眼功能逐渐废弃,视力越来越差,形成弱视. 因为只是用一个眼睛成像,所以他们的双眼立体视觉功能得不到发育,看到的东西是没有立体感的.
