第一集 2017-04-19
背景知识:
1、计算科学的知识
数据结构:队列、栈、二叉树
2、统计概率知识
本科知识:期望、方差等
3、线性代数方面
矩阵、向量、特征向量等等
相关资料网址
http://cs229.stanford.edu 基本介绍:
1、监督学习(回归&分类)2、学习理论;
3、无监督学习(聚类);4、强化学习;
###########
线代和概率统计的知识应该还好,计算机和Matlab也许要下点功夫吧。
看到了ML在工程上的应用,感觉还是蛮厉害。我自己的想法还是太局限。不是调个包,跑个模型就是ML。
Too Naive呀。借着后面的视频,顺便复习下数学知识吧。
2017-04-19 23:00:00 于杭州
第二集 2017-04-23
主要讲线性回归,以及求解的几种方法:梯度下降、随机梯度下降、正规方程等。
计算步骤而言明白清晰,但是数学原理则不清楚咯。比如:梯度下降方向为什么是目标函数值下降的方向。