cousera上的华盛顿机器学习专项课程的案例学习学习经历分享

cousera上有很多优质课程，我前前后后将吴恩达的机器学习课程和华盛顿大学的机器学习的案例学习都看了，从感觉上感觉两个课程都是属于比价简单也就是入门的课程，当然我现在最后悔的就是最开始我学的时候没有发现这个神奇的网站和课程，导致我浪费了很多精力和时间。

首先对于吴恩达的机器学习课程，不用说很厉害也很热，但是其编程语言选的是matlab类型的语言，虽然说算法和语言联系并不是很大，但是在练习编程题目的时候还是有点不舒服，而且很多人都没有遵守cousera上的原则，到处放出做题和程序的笔记，当然多看看大佬的笔记有助自己的学习，但是也会让我们不仔细的思考问题（这里对于我是这样的），然后学完个人感觉依然是很飘渺，吴恩达课程中讲解了一些有关经典算法的理论，但是我有时候感觉如果不讲清楚的话还不如不讲，我是最厌烦一知半解的。我其实在学吴恩达的时候已经看了很多资料，当时候我记得我知道只有李宏毅的机器学习和深度学习课程，期间又看了很多国内人讲的和书籍，但是始终就是感觉东西很飘渺，就算写出东西也不知道怎么应用。但是无可厚非，该课程让我对机器学习的认知更加的细致。

无疑在刷知乎时看到，华盛顿大学出来一个机器学习课程（个人对于这个大学存在极度好感）然后看了一下网上有关这个课程的评论，发现还不错。然后当时正在申请吴恩达的深度学习的课程，所以没事情，然会就学一下。刚开始课程看到目录，发现课程是对用途和类型然后分开讲解的，然后经过4天的学习，完成了那个案例学习的课程。刚进入课程发现不是有pandas和sklearn做题，然后心里也不舒服，但是看了一下研发的学习和机构和用途，强忍着装，当然对于graphlab问题，如何安装，如何在anaconda安装，如何在anaconda3中安装，这个问题真的很‘爽’，折腾完库后，开始学习week2时这个课和吴恩达重了，太简单，直接做题，看看graphlab做完题目，测试也过了，然后week3我擦还可以这么理解，然后就开始‘香’了，然后后面测试没有全对，然后就开始习惯性的百度，我察没答案，算了在来一遍，终于全对了。week4开始认真听视频，测试三次没对，一想这不行，开始疯狂找答案，终于在github上又被我找到，填上，然后错了，我靠，然后默默等待一段时间的不让测试，自此下面的题目和视频学习的认真程度和线下的学习一样，开始记笔记哎，当然最让我震撼的还是那个毕业设计，我看到那个样例和效果，原来我学的技术可以这么使用。其实通过这个课程我觉得对于我新学的东西也就是一个graphlab库如何使用，以及自然语言处理的中的分词模型，词袋模型以及TF-IDF模型，最重要也是我最需要的东西就是有关推荐系统的发展，怎么进化，以及为什么现在大多用的是以矩阵分解的推荐系统模型，当然还有就是用分类的思想已经冷启动的问题…

咦，发现有点跑题了，算了本来我就是分享一下学习的经历的，总得来说，机器学习深似海，不是简单的调库就行，看完原理看调库，看完调库接着看原理，都看完就开始研究新模型。当然我只是看了华盛顿大学专项课程的第一个案例后面还是会讲解原理的，但是总的感觉这个专项课程值得我们花费时间学习，老师也很好，虽然名气可能没有那么大，但是课程真的不错，关键是学习完你能有真正的提升和学习到了东西。为了我们的梦想，一起努力把！