mar 2, 2015
從2023年開始我在微博上關注了一些混段子界和學術界(主要是計算機視覺和機器學習)的博主，很有收穫，總算找到一些門道。 其實也簡單，首先還是要補充自己的數學基礎，即線性代數、概率論以及微積分等。我自己的微積分還記得，馬馬虎虎， 線性代數幾乎忘掉，完全是靠重新學習「mit的線代代數入門」。這門課上的非常過癮，老教授道骨仙風一般，深入淺出，從未聽過如此高水平的數學課。
在有了最最基礎的準備之後，我上了ng在斯坦福的機器學習課程，這又是一門讓我大開眼界的課。 首先讓我感嘆自己上大學的時候，為什麼沒有這麼好的學習資源，接著慶幸現在開始知道，還不算晚。 上完這兩門課之後，徹底讓我不再懼怕各種公式推導，認清楚了乙個問題：一般學術**裡的數學大都是可以看懂得，原先沒看懂是因為基礎忘了。
之後我又學完了ng在coursera上開的機器學習課程，以及台大的兩門機器學習課程，自認總算入門了。 目前，我主要精力集中在深度學習的課程方面，目標是能夠全棧式的，在計算機視覺領域，應用深度學習，開發產品。 爭取掌握深度學習基本理論，熟悉各種技法，了解工業界主流開發方法。2023年，要開發出一款真正應用深度學習的特色產品。
mit線性代數課程，網易公開課, 黑板教學
史丹福大學公開課 ：機器學習課程, 網易公開課， 課程官方** ，黑板教學
coursera 機器學習入門 , mooc教學，配套練習非常值得全部完成
台大：機器學習基石, mooc教學，有關學習理論方面教學非常有特點
台大：機器學習技法, mooc教學，上面課程的高階課
ng的深度學習教程, wiki教學，配套練習非常值得全部完成
史丹福大學的面向cv的深度學習課：cnn和計算機視覺, 講述了非常多的深度學習技法
史丹福大學的面向nlp的深度學習課：nlp和深度學習。
機器學習 從0開始
by 香蕉麥樂迪 機器學習簡介 機器學習是許多演算法的統稱，其中包含最近幾年火熱的深度學習，還包括許多適用於各種不同場景的其他機器學習演算法 邏輯斯特回歸，svm，knn，adaboost，em，kmeans等等 這些演算法從誕生到現在都有了幾十年的歷史 深度學習指的是深度神經網路，其中用於處理影象...
從 0 開始機器學習 機器學習系統的設計
建議先花點時間實現乙個簡單能用的演算法，比如線性回歸 房價，不需要一開始就花很多時間設計複雜的演算法 在軟體開發中叫避免過早優化 你可以先實現能用的演算法，然後利用上篇文章從 0 開始機器學習 機器學習演算法診斷中的學習曲線等診斷法來分析演算法的優化方向，這樣乙個簡單的演算法就成為了優化問題的好工具...
從 開始機器學習
寫在前面 感覺自己學習的東西挺雜，好多都是浮於表面，沒有深度，總是會有一種不踏實的感覺，決心從這一次做起，認認真真的研究乙個方向 這是相當於第二次安裝ubuntu pyhton virtualenv tensorfloe opendv了，還記得第一次安裝的時候，總是有點小害怕，不過害怕歸害怕，錯誤是...