我是零基础,正在学习 Andrew Ng 的课程,已经看到第三周的视频了,从头到尾都是数学公式推导,我已经不知道是在学习什么了?
1
snnn 2017-09-10 17:28:05 +08:00 1
主要是你之前欠的太多了。那些不是高数。有一大部分是概率论和数理统计的知识。机器学习的课程肯定是从线性回归开始的。
|
2
wohenyingyu02 2017-09-10 17:34:55 +08:00
不是学习英语么
|
3
misaka19000 2017-09-10 17:39:45 +08:00
主要是线性代数、概率论与数理统计
|
4
yemenchun1 2017-09-10 17:40:18 +08:00
他那个课已经很友好了, 公式还算简单, 也比较少. 到后面优化部分看论文, 求梯度, 对于不用的函数, 梯度都要分别推导.
|
5
yemenchun1 2017-09-10 17:40:38 +08:00
不同的函数
|
6
Hzzone 2017-09-10 17:43:09 +08:00 via iPhone
概统和线代,而且是非常基础的知识,我觉得你有必要去复习一下这方面的东西了,而且吴恩达上的是机器学习,深度学习只是很小的一部分。
|
7
murmur 2017-09-10 18:18:43 +08:00
线代和概率那是基础 你想学深了叫矩阵理论和随机过程
|
8
lzhCoooder 2017-09-10 18:20:41 +08:00
深度学习没什么数学基础吧...如果你说的是机器学习的话,都是一些简单的初等积分问题啊
|
9
jmc891205 2017-09-10 18:54:09 +08:00
想从调包开始学的话 Andrew 的课不是个好选择。。。
|
10
davy1995 2017-09-10 19:03:28 +08:00 via iPad
Ng 的课公式推导明明那么少。。。
|
11
txlty 2017-09-10 19:06:42 +08:00
我是从科普层面来学的,不过目前市面上没有这种教程。只能搜集一堆科学家写好的代码,和自己的数据对接上。一个一个试,根据参数的变量名,找出参数的中文名词。再搜索这些名词,看那些论文,做为辅助理解。各种改参数,一遍一遍跑,对比预测准确率,以理解这些算法的用法。
至于算法内部的数学原理?从没想过去了解,更没想过改进这些算法。我要是那块料,就不是现在的学历了。 |
12
codeyung 2017-09-10 19:38:20 +08:00 via iPhone
大学线代 和概统
|
13
dryadent 2017-09-10 19:41:54 +08:00
ng 的课程真的解释很详细了,公式推导的内容不是很强啊
|
14
v1024 2017-09-10 19:54:31 +08:00 via iPhone
楼上各位都太牛了,学渣给楼上大牛投以崇拜眼神
|
15
ivechan 2017-09-10 19:58:58 +08:00
如果你觉得高数知识(线代和概统)很无聊的话, 可能这个更适合你,而不是看视频。
视频贵在和讲课者之间的交流,有一个引导的过程。 吴恩达的 notes: http://cs229.stanford.edu/materials.html 这个 notes 把基础数学知识都分开了。 |
17
gladuo 2017-09-10 20:05:51 +08:00
讲真。。。你不去学量子力学而去搞机器学习只是因为很火 /似乎跟搬搬砖差不多。。。
其实,差的还挺多的。 觉得不适合,那应该就是真的不适合。 |
18
winglight2016 OP @snnn 我说高数不是特指高等数学,而是包括了高数、概率、线代这些课程,至少课程名字我是记得的
@wohenyingyu02 网易有带中文字幕的课程,不带字幕术语起来理解太困难了 @yemenchun1 课程是可以的,能听懂,但是看了二十多节课都是纯理论公式,感觉有点难以结合代码编程 @Hzzone 如果你是在看的课和我一样,课程全部名称是:神经网络和深度学习(coursera 上是 deep learning) @davy1995 我看到第三周 3.8 课,除了概念介绍,还没有不是公式和推导的内容 @txlty 我的学习习惯是先从整体框架和理论开始了解,然后再看怎样在实践中应用 @ivechan 线代和概率的基础课程我打算另外找书来看 @gladuo 讲真,i can't get what you said |
19
huybery 2017-09-10 21:07:17 +08:00
ng 的 deep learning 还没来得及看, 如果你觉得推导过于多可以去尝试 coursera 上 ng 的另一门课 machine learning。那个是有实践的,需要用 matlab 交作业,把那一套流程熟悉一下再看现在的就不会有这么突兀的感觉了。
|
20
eccstartup 2017-09-10 21:10:37 +08:00 via iPhone 1
学的是哲学思想
|
21
charadeyouare 2017-09-10 21:21:02 +08:00
会方向导数和梯度就够了
|
22
em70 2017-09-10 21:23:06 +08:00
等你学会,这个领域可能已经不火了,先把基础打好吧,学自己有狂热兴趣的东西,别跟风
|
23
notreami 2017-09-10 21:26:41 +08:00
就是知道用来干啥,然后配置 lib。配通了,改改入参,出参。
大部分人其实连快排都写不来,就去摊大数据、深度学习、人工智能这摊子浑水了 |
24
vegito2002 2017-09-10 21:41:08 +08:00
稍微好点的学校都是这样的, 大部分课程基本不会教你写代码. 把 algorithm 和 computation 自己转化到代码是这些学校对学生最基本的期望, 自己有时间自己弄就行了; 课程上面, 跟多的给你学的是思想, 概念, 原理, 证明; 偶尔真的教你写代码也是教一些 OCaml, prolog 这种相对象牙塔的语言.
|
25
Lattez 2017-09-10 21:50:31 +08:00 via Android
建议先看看 Ng 那个机器学习的入门视频,然后再看深度学习的
|
26
Nitroethane 2017-09-10 21:51:14 +08:00 via Android
概率论和随机过程
|
27
est 2017-09-10 23:50:43 +08:00 1
记得十年前有个初中出来的小伙子看我弄 Flash
他的问题是:做个动画怎么还需要数学里的坐标系知识。。。。。 然后就没有然后了。 |
28
neoblackcap 2017-09-11 00:08:00 +08:00
@vegito2002 其实大学多接触点象牙塔的东西挺好的,毕竟工业界也需要象牙塔的理论作为支撑。而且象牙塔的东西搞不好就向工业界扩散了,到时就成了自己的优势了。
好比以前都是吹面向对象,现在连前端都鼓吹函数式编程,这在我看来就是象牙塔向工业界的传播了。 |
29
kuhung 2017-09-11 00:19:02 +08:00 via Android
我的学习路线是,从调包到推导😂
|
30
googlevoice8 2017-09-11 00:21:43 +08:00 via iPhone
不全是吧!
|
31
vegito2002 2017-09-11 00:39:02 +08:00 via iPad
@neoblackcap 是这样的, 就跟 SICP 这个东西一样, 学的时候一个劲的骂没用, 学完了莫名其妙就感觉自己的思考方式改变了;
|
32
n6DD1A640 2017-09-11 01:03:42 +08:00
当年 Udacity 那个 AI 入门课程,看了两周,完全跟不上,然后回去重新学概率。。。
|
33
secondwtq 2017-09-11 02:32:47 +08:00
@vegito2002 MIT 貌似换 Python 了
|
35
winglight2016 OP |
36
javacodecreeks 2017-09-11 09:23:38 +08:00 via iPhone
那些不是高数好吗,数理统计和概率论里面的知识,不过我们大学学的是基础而已!
|
37
omygod 2017-09-11 11:26:55 +08:00
高数是统计学和概率学的基础
|
38
wzh015 2017-09-11 12:22:11 +08:00
不仅仅是高数哦
|
39
pcx3802482 2017-09-11 12:30:14 +08:00
推荐你先去 Y2B 上把台大李宏毅老师的视频看完,再看 Ng 的。
|
40
winglight2016 OP @pcx3802482 搜了一下,有人搬到哔哩哔哩上了,看每课名称似乎讲得更泛一些
|
41
deadblock 2017-09-11 14:54:24 +08:00
我数学不错的,可以学这个么
|
42
echo1937 2017-09-11 15:36:42 +08:00
其实这个课程挺不错的,程序猿学点数学挺好。
|
43
takato 2017-09-11 16:03:46 +08:00
线代,统计,图论,神经科学,生物……………………
唔- -其实是哲学来着。。。 |
44
winglight2016 OP |
45
GrayXu 2019-08-25 18:04:59 +08:00
基础线代和概率论不会 == 调参侠
|