Andrew Ng 《机器学习》课程一些好的辅助资源汇总(Coursera版本)
- 学习经历
本科二年级,暑假9天刷完,还需要多看看笔记,整理下思路。
- 课程笔记
通过记笔记加深印象,理清思路对课程的学习非常有帮助。
虽然说课程有官方的笔记汇总,但毕竟是英文的,而且里面只有对主要知识点的汇总,并没有总体的思路总结。
博客园“python27”博主总结的课程笔记非常好,思路清晰,对我的帮助很大,这里是博客地址。
- 作业代码
Coursera版本的一大特色,也是我最喜欢的地方就是编程作业部分。
里面有很大一部分代码是课程方帮你写好了的,你只需要按照给的指导思路完成关键代码即可。
这个作业系统最大的作用是帮你建立对实际的机器学习系统的认识,不再仅仅停留在理论阶段。对理解课程内容非常有帮助。
仅仅敲几行代码就能完成实际系统,虽说对编程能力没有太大提升,但是真的能够增强小白们的信心!(笑)
(另,submit功能真的很酷。)
这里是我的编程作业代码,已经全部通过了验收, Feel free to use!
- 课程之外
上完这个课程只能说对机器学习有了一些简单的概念(或许连入门都算不上)。
下面是我整理的较为高阶的一些学习资源,欢迎建议!
- 国立台湾大学的林轩田教授的《机器学习基石/技巧》课程,据说是入门课程;
- 《机器学习实战》,一直用的都是Matlab/Octave,通过这本书学习用python构建系统;
- Washington University在Coursera上的ML课程,分为4部分课程,并不一定需要都学;
- 无监督特征学习和深度学习教程,也是Ng参与的,可以当做深度学习的入门教程;
- 拿Kaggle的练习赛练手,应该是个不错的选择;
- 待续….