Red de conocimiento informático - Conocimiento informático - Cómo evaluar los cursos de aprendizaje automático de Coursera

Cómo evaluar los cursos de aprendizaje automático de Coursera

¿Cómo calificarías el curso de Aprendizaje automático de Coursera (Andrew Ng)? Soy estudiante de estadística. Quería ampliar mis conocimientos durante las vacaciones de verano y vi que este curso no requería muchos conocimientos previos. Parecía un curso para aficionados que no eran especialistas en informática, así que elegí este curso. La semana 6 ya terminó. Ahora hemos introducido la regresión lineal, la regresión logística, la red neuronal BP y algunos problemas comunes en los algoritmos de aprendizaje automático (como sobreajuste, desajuste, etc.), así como algunas soluciones (curva de aprendizaje y similares). . A continuación, prepárese para aprender SVM, el diseño del sistema de recomendación (sistema de recomendación) y algunos casos. Los novatos tienen las siguientes preguntas: 1. Este curso presenta ideas básicas muy básicas. Obviamente, en la práctica, la situación será mucho más complicada. Entonces, ¿esta "complejidad" se refiere a la complejidad del algoritmo debido a la gran cantidad de cálculos, o el problema a resolver se vuelve complicado? Las preguntas que se derivan de esto son 1.1. Después de aprender este curso, ¿podemos utilizar directamente lo aprendido en la práctica? Supongamos que puedo entender la mayor parte del contenido de la diapositiva del profesor (solo el contenido en sí), entender el 80% del contenido principal del programa en la tarea del curso (es decir, ex?.m en la tarea de programación de cada capítulo, ¿dónde está? el número de semanas) y poder escribir, depurar y completar tareas de forma independiente. 2. Debido a que este curso se ofreció en 2011, parte del contenido "de vanguardia" mencionado en la clase del profesor se ha mejorado enormemente en los últimos tres años (desde mi perspectiva como profano, ¿el algoritmo tiene un reemplazo o)? ¿Está, para decirlo sin rodeos, obsoleto? Por ejemplo: al presentar el problema de la clasificación de spam, el profesor mencionó el algoritmo de segmentación de palabras en inglés de Porter Stemmer. Pensó que este algoritmo era muy útil. Sin embargo, después de buscar en línea, descubrí que todavía hay muchas críticas y planes de mejora sobre este algoritmo. . 3. ¿Este curso proporciona una introducción integral a los principales algoritmos y modelos de aprendizaje automático? Por ejemplo: solo fui a la sexta semana. Vi el programa de estudios y él no mencionó directamente el algoritmo del árbol de decisión, pero a menudo podía escuchar sobre los árboles de decisión de amigos que estudian el aprendizaje automático. El profesor dedica mucho espacio a la introducción del algoritmo de red neuronal de BP. ¿Se puede entender que el algoritmo de BP es el algoritmo principal del aprendizaje automático? 4. ¿Es ideal utilizar Octave/MATLAB para implementar algoritmos de aprendizaje automático en la práctica? Además de si es gratuito y de código abierto, la potencia informática, especialmente el rendimiento al procesar datos a gran escala, y situaciones que requieren computación paralela, etc. Mis amigos que hacen aprendizaje automático usan numpy y R para implementar algoritmos, pero el profesor habla muy bien de Octave y dice que la mayoría de los programadores que realizan aprendizaje automático en Silicon Valley usan Octave para hacerlo. ¡Gracias! Soy estudiante de estadística. Quería ampliar mis conocimientos durante las vacaciones de verano y vi que este curso no requería muchos conocimientos previos. Parecía un curso para aficionados que no eran especialistas en informática, así que elegí este curso. La semana 6 ya terminó. Ahora hemos introducido la regresión lineal, la regresión logística, la red neuronal BP y algunos problemas comunes en los algoritmos de aprendizaje automático (como sobreajuste, desajuste, etc.), así como algunas soluciones (curva de aprendizaje y similares). . A continuación, prepárese para aprender SVM, el diseño del sistema de recomendación (sistema de recomendación) y algunos casos. Los novatos tienen las siguientes preguntas: 1. Este curso presenta ideas básicas muy básicas. Obviamente, en la práctica, la situación será mucho más complicada. Entonces, ¿esta "complejidad" se refiere a la complejidad del algoritmo debido a la gran cantidad de cálculos, o el problema a resolver se vuelve complicado? Las preguntas que se derivan de esto son 1.1. Después de aprender este curso, ¿podemos utilizar directamente lo aprendido en la práctica? Supongamos que puedo entender la mayor parte del contenido de la diapositiva del profesor (solo el contenido en sí), entender el 80% del contenido principal del programa en la tarea del curso (es decir, ex?.m en la tarea de programación de cada capítulo, ¿dónde está? el número de semanas) y poder escribir, depurar y completar tareas de forma independiente.

2. Debido a que este curso se ofreció en 2011, parte del contenido "de vanguardia" mencionado en la clase del profesor se ha mejorado enormemente en los últimos tres años (desde mi perspectiva como profano, ¿el algoritmo tiene un reemplazo o)? ¿Está, para decirlo sin rodeos, obsoleto?