Coursera课程杂感

今天是5.12,一晃已经9年。想起2008,说不出来的伤感。永远纪念5.12,永远记住2008。

昨天完成了Neural Networks for Machine Learning课程。目前AI方面的基础学习告一段落,接下来要具体做一些实际的例子来进一步的学习。
Machine Learning和Neural Networks for Machine Learning这两门课一路学来,收获不少,但也有很多吐槽。

Neural Networks for Machine Learning这门课如果不是为了认证,真不推荐学习。课程较难,课后测试也难,需要大量的课外学习来弥补。就课程来说Ng的Machine Learning各方面要好得多。
Marchine Learning,Ng讲得非常有激情,放佛就是在说:“跟我一起来学AI吧,以后干票大的。”而Hinton的Neural Networks课上就感觉就是在念PPT,放佛在说:“你们这些愚蠢的人类学学就好了……”Ng的课上的推导讲得很细,甚至有些简单线性方程的推导都列了出来;不过太复杂的,他也不会详细推导,毕竟不是数学课,需要自己下来学习。Hinton的课听下来,术语很多,推导很Intuitive,心中经常一万个“What? How? Why? WTF?”。另外Hinton的课不是每个视频都有中文字幕,所以还是建议都看英文字幕,否则术语翻译会把你绕晕的。不过Neural Networks这个课可以作为引子,引导你去课外进一步学习。所以感谢互联网,感谢Google。
说到课后习题,Neural Networks课后的Quiz习题极少能一次过的,编程习题倒都能一次通过。作为程序员,Ng的课后练习能更好的帮助你理解。而且Neural Networks有些题目有错,某次Quiz卡了一天,某2道题计算的结果始终算不对,实在受不了,跑到Coursera论坛看了看,发现原来的题目少了重要的数值条件,非常崩溃。大家在至少6个月前就发现并反映了这个问题,现在都没改过来。Coursera中国访问很慢,最好还是找个国外代理。
Neural Networks其他学习资料推荐

坚持原创技术分享,据说打赏的人都实现一个小目标,赚了一个亿!