跟著大師Andrew Ng一步一步的學習Machine Learning in Coursera，
從旁聽開始，不用學費，這是Coursera的優點，給只想學知識的人沒有負擔。
可是學成後，也不會有證書，對於想要拿文聘來找工作的人，可以考慮付少少的學分費給Coursera換取結業證書喔。
在這學習的過程中間會有考試、與Matlab實作練習與作業繳交，也可看到自己的進度與是否通過考核。
不會Matlab或是害怕無法畢業的人，別擔心Andrew會手把手的教學，並給予我們練習機會。
這個課程是從基礎開始、從無到有的了解什麼是Machine Learning，Liner Regression。
雖然總共有11周的學習，裏頭會有視頻與教學投影片給大家，也會有小測驗，都要在期限內看過並通過測驗，才算是通關。
以下是每周的目標與任務，從學習目錄來看，Week2~3是談Supervised Learning，包含一般大家都懂得多項式數值回歸來處理數值型的預測問題(預測幾點可以下班)、以及邏輯回歸來處理分類(這是貓、不是狗)的問題。從week8開始是unsupervised learning，還可以學到Photo OCR expamle。
衝吧~給完全沒有基礎的我學起來一點也沒有負擔。
Week1教導概念Introduction + Linear Regression with one variable..... 2020/12/27 pass
Week2 Linear Regression with multi variables+Matlab..... 2021/1/1 pass，這週學完，有一點像是將以前學過的多項式回歸法，改成「程式化」，了解電腦實際上是如何可以透過程式模型運算，最小化平方差求解來找到最佳的預測曲線。
Week3 Logic Regression + Regularization..... 2021/1/7 pass，這週學完，對資料分類，以及電腦程式是如何做到將兩組資料進行分類與訓練模型，有更深一層的認識，並且動手自行寫出可以使用的模型，並用上學習率、正規法。
Week4 Neural Networks representation..... 2021/01/15 pass，這週是用數字辨認，帶我們用上一週的邏輯回歸程式，擴展到辨識=分類，從2分法的分類，到分類資料是0、1、2.....還是9，更進一步探討，再多一層hidden layer，又會有什麼好結果，程式上的修改又是怎麼做到的。
Week5 Neural Networks learning
Week6 Advice for Machine Learning + System Design
Week7 Support Vectors Machines
Week8 Unsupervised Learning
Week9 Anormaly Detection + Recommender System
Week10 Large Scale Machine Learning
Weekl1 Application Example Photo OCR
留言列表
