原來高中數學很重要 | 機器學習 | Machine Learning | Coursera
為什麼我想上這門課
跟上一堂一樣也是跟風，談到 Machine Learning 這一塊，大夥公認的絕佳入門課。
課名 : Machine Learning 機器學習
老師 : Andrew Ng
學校 : Stanford University
上課時間：2014/03/04 ~ 2014/06/05 ( 十週 )
簡介 :
這門課教些什麼
這門課從什麼是 Machine Learning 開始，接著介紹不同類型問題適用的演算法。包含 Linear Regression (One/Multiple Variables)、Logistics Regression、Neural Network、Support Vector Machine、Clustering、Recommendation 等。
作業長什麼樣子
一樣是 coding，但已有 sample code，你只需要改一下以符合題目的需要。這個作業用到的工具比較特別，算是 open source 版的 Matlab，叫 Octave。
老師的風格
老師的教學方式有異於以前念書的教授，他只是拿著一枝筆，在實物投影上寫個很簡單的例子或畫圖，說的英文句子也很簡單，沒什麼複雜的子句，感覺一切就是很單純，你就在不知不覺中明白了他要傳達的東西。
這真的是以簡馭繁的精妙境界，聽他用英文授課甚至比聽中文還好理解。要是有時間，肯定要把這門課的影片再拿出來 review 一下。
沒趕得上這課，有其它資料可以看嗎？
Andrew Ng 是 Coursera 的創辦人，這門課已經變成常態性課程，只要入學就一定選得到，不怕沒機會。
感想
整整 10 個禮拜頭毛應該掉了不少，自言自語的症狀也在此刻加劇，每個週末 = 作業最後衝刺日，不停反問自己到底哪邊想錯了？語法哪邊有問題？但回想起來一切都很值得。
- 不同語言的思維衝擊
平時用程式都是做 CRUD 的事，用的不外乎 if-else、for-loop 處理單筆交易 ，但這門課因為會處理大量資料，變成要以矩陣來處理才夠快。
乖乖，以前高中數學上了那麼多矩陣、方程式，卻從來不知道怎麼用在生活中，因為這堂課我才知道以前學的東西多麼有用。真得換一下腦袋，所以好幾個週末糾結在怎麼把慣用的思考改成簡潔的程式表達法。看到只用一行看起來很天書的語法竟然可以處理這麼複雜的事，還挺興奮的！
- 社群加持下造就了自己的力量
助教跟同學也超熱血，遇到大家卡關的題目，總是有人會跳出來把分解式 po 出來 ( 尤其是那個讓我扼腕沒有全部答對的 Neural Network ) 。
回想起來真不可思議，當年那個視 coding 如畏途的我竟然可以獨自修完這門課，真的是靠網路社群的力量。
加入對話