andrew ng(andrew wu)

一、如何正确的学习Coursera上Andrew Ng的机器学习课程

如果你更关注如何在现实中如何应用,我并不推荐你去学习这门课，有更好的课程适合你，而不是被几个Title蒙蔽了双眼，失去了自己的判断能力。事实上这个课更多的人是冲着StanFord和AndrewNg教授的名气去上的,拿到这个课程的证书能为为自己的形象加分不少。

课程确实非常的简单易懂，几乎稍微困难的地方就会很细致的讲解,讲解非常的细致，入门机械学习的，我上了大概5周,作业也都积极完成了,但发现一直在讲算法和如何在octave里面进行数据处理,应用层面讲得都是很基础的例子没有太强的实践操作价值,因为实际情况要复杂的多。我简单浏览了整个课程的内容，直到最后我也没发现有在应用层面的具体讲解，最后依然是在讲算法，所以我就去试着寻找其他更高效的课程了。

经过一段时间的搜寻，我发现了华盛顿大学开的机器学习课程

相比AndrewNg的机器学习，华盛顿大学开的机器学习专项课程要系统全面得多，分为6个部分，每个部分大概都是6周得时间，学习时间大概是AndrewNg课程的2.5倍，最后一个部分是一个综合化的智能应用的毕业设计，会综合你所有学到的，非常具有实战性。

有以下几个方面的原因我建议你去学习这门课

CarlosGuestrin是机器学习平台公司Dato的CEO，同时也是亚马逊资助的机器学习教授。2008年，Carlos被美国《大众科学》杂志评选为2008年「十大科学杰出人才」之一，还是DARPA信息科学与技术（ISAT）顾问小组的成员

华盛顿的机器学习专业是美国前10之内，并不比斯坦福差，人工智能一些关键的学派就诞生于华盛顿大学，机器学习领域也是人才辈出

授课方式创了先例，整个课程的设计独具匠心，是真正的从学生的角度出发，之前的机器学习的授课方式几乎全部是从算法开始的，讲到最后讲到具体应用。然而从理论到现实应用的鸿沟大家想必都清楚。

这个课直接从应用案例开始讲起，回归/分类/协同过滤/情感分析等都会具体去讲怎么实现应用，并且会告诉你如何在Python中利用网上一些现有的库来实现特定的功能，也就是说基本上在课程的第一部分你就可以全面的知道机器学习能够在现实生活中的应用，以及简单方式去实现一些功能。这种部分颠倒的教育方式不仅会让你学得非常有意义感、目标感而且为你后面做毕设带来非常大的帮助，你能在学完第一部分的时候就开始构思你的毕设，然后第二到第五部分就会详细讲解你存在的知识漏洞，你会很清楚自己自己所需要的知识。

如上图所描述的，Model&parmaeters和Optimizationalgorithm这个部分会暂时搁置，先讲清楚这个机器学习系统的建立是怎样的，让你弄懂整个东西。

先建立完整概念就不会是盲人摸象，你能知道

在专项课程的2,3,4,5阶段分领域进行深入讲解在各种复杂的现实情况下如何实现你的机器学习任务，

最后说个题外话：希望这个教育方式能够被教育界多多借鉴。

顺便说一句，多去想想应用如何结合现实世界创造商业价值！难有个屁用啊（看到有些人一上来就推荐各种对初学者难的教程，我只能呵呵了），当你真实的去想一个能应用在现实生活中的应用的时候你会发现难点真不是机器学习算法，别觉得机器学习这东西多高大上，很多复杂的算法根本就用不上，有价值数据需要自己想尽办法获取。最有价值的点和难点在于对现实世界的抽象能力和把想法变成程序的实现思路。

当然你想做数据科学家的话我没话说，我想说绝大部分人达不到这个要求，并且这方面人才正趋于饱和，并且具有头部效应，门槛很高。

这世界真不缺会按照各种教程学的人，中国尤其如此，缺的是创新，能用技术更好解决需求的人。

机器学习和编程在未来算是基础工具，学了这个你能看见很多别人看不见的机会。

二、andrew ng机器学习中核函数一般形式的维度为什么是（n+d，d）的组合

假设原始特征x和z都是n维的，核函数K(x,z)=(x.T*z+d)^2=sum(xixj)(zizj)+sum(sqrt(2d)*xi)(sqrt(2d)*zi)+d^2对应的映射后特征维度为(n+d,d)。由此我们可以只计算x和z内积的平方加上其他项，就等价于计算映射后特征的内积，时间复杂度大大降低。

三、如何评价吴恩达（Andrew Ng）的学术地位

吴恩达先生和姚期智先生都是计算机领域的，不过吴恩达主要是研究机器学习和人工智能，他的团队曾经开发了最先进的自动控制直升机，是在线教育平台coursera的创始人，感兴趣的我们可以在其学习相关课程。

人工智能真的好厉害的感觉