IT·行·思·录

    十月初开始Standford的“机器学习”开放课程学习，跟随着大家上到这周，最后一组视频和练习做完，发个日志纪念一下。     由于本科阶段初期完整地上过三门卡内基梅隆的SSD（软件系统开发）课程，并偶尔听听mit的算法导论课，所以很快适应了这次课程中的视频讲解、课后回顾题、编程练习等模式——当然ml-class的每课由一系列10分钟左右的短视频构成，加之Andrew的口音和讲解都比较好理解，编程练习贴近实际并具有现时交互设计独具趣味，能加深对对应内容的理解……总之，每周都花费5个小时以上的时间取得了好些收获，机器学习方面弥补了去年课程中经常缺席最后混过的遗憾，勉强算入门吧：对机器学习的兴趣有增无减，对梯度下降和神经网路、等的理解加深不少，Octave/Matlab的基本使用，……作为一门偏应用的课程，相应的效果基本达到。     当然，限于课程范围和时间，不少相关理论还未涉及，理论方面深度自然是还不够足了，个人编程方面没过足瘾啊，接下来需要个人进一步摸索了……等等方面需要向crackcell学习，如果有时间精力的话，在最优化理论、R、LTR等方面开阔下眼界，当然个人方面可能需要做做OL了。另外，个人数学基础严重不足，当时也没选研究生院的《随机过程》，接下来应该是跟一月份开始的“概率图模型”开放课程了，未知又会凑得多少人一起。      最后，每人兴趣不尽相同，向有志学习的人推荐一下相关课程（“机器学习”在一月份会继续开课），下面是列表：

       月初室友Doctor Bai推荐了该斯坦福的“机器学习”在线课程，由大牛Andrew Ng主讲。个人去年由于各种原因的《机器学习》课基本没好好上，在机器学习方面没什么长进，感觉挺遗憾的。搬到新寝室后，俩位室友的研究方向都在这个方面，每次他俩讨论时我都只能作为局外人听天书。如此良机，岂能不参与。       于是在课程网站上注册并选了Advanced Track，网站上建议每周花费不少于10个小时（含视频教学、课后问题和编程练习），试听了一下效果挺好，决定以后坚持参与并同时在wiki上做课程笔记，另外多向Doctor Bai他们请教。       今天第二周课程结束，收到The ml-class Team的邮件，第一句就是： Congratulations to those of you who have successfully completed the first two weeks of assignments!      就像高中时成绩大跃进受到表扬一样，感觉挺兴奋的。      继续加油，通过把这门课拿下让自己在机器学习方面的认识达到入门水平。

浏览完《集体智慧编程》，做一点小结。