到今天為止榄棵，把cousera上的machine learning課過了一遍凝颇，為什么換課，那是因?yàn)?63的偏推導(dǎo)疹鳄，且不像coursera上有強(qiáng)制的進(jìn)度安排拧略，所以還是找個(gè)容易做的先上手。
先回顧一下當(dāng)初的目標(biāo)瘪弓，基本達(dá)到垫蛆。
所以先小結(jié)下正式開始課程學(xué)習(xí)前的認(rèn)知以及期望：
- 私以為機(jī)器學(xué)習(xí)的原理是基于概率論的，具體實(shí)現(xiàn)需要用上線性代數(shù)里的矩陣運(yùn)算
機(jī)器學(xué)習(xí)的方法和分類很多腺怯，是不是基于概率論袱饭，另說。實(shí)踐上呛占，并行計(jì)算是要的
Best_Machine_Learning_Algorithms.jpg
- 不清楚怎么提取input數(shù)據(jù)的特征
有很多種方法：但特征既然是特征虑乖，一定是有意義的。 - 具體算法（特征提取晾虑，數(shù)學(xué)模型）疹味，難度應(yīng)該比較大，對(duì)偏工程實(shí)現(xiàn)的我來說走贪，了解即可
基本沒錯(cuò) - 運(yùn)算上的加速佛猛，應(yīng)該是可以攻的方向，也是工程上可以做的坠狡，但目前興趣不大
OK - 如何應(yīng)用是我最關(guān)心的继找，期待能和nlp或經(jīng)濟(jì)數(shù)據(jù)預(yù)測(cè)結(jié)合起來
設(shè)計(jì)模型，挑選特征逃沿，剩下的婴渡，可以找個(gè)框架去做
花了一個(gè)月學(xué)習(xí)，好像知道了點(diǎn)東西凯亮，總結(jié)下上coursra的經(jīng)驗(yàn)教訓(xùn)：
1. 看視頻要截屏边臼， 要做筆記
2. 及時(shí)復(fù)習(xí)，認(rèn)真做練習(xí)
3. 看視頻要快進(jìn)
接下來假消，會(huì)重新再讀一遍柠并，把筆記整理好；并開始做點(diǎn)進(jìn)階的東西。
再附上好資源鏈接臼予，僅供參考鸣戴，畢竟學(xué)習(xí)的目的是獲得知識(shí)，不是證書粘拾。
機(jī)器學(xué)習(xí)筆記:
http://blog.csdn.net/column/details/machinelearningnotes.html
http://marcovaldong.github.io
http://blog.csdn.net/lujiandong1/article/details/45306825
http://blog.csdn.net/majordong100/article/details/51173385
https://github.com/DragonflyStats/Coursera-ML/
