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？
• 请不要在回答技术问题时复制粘贴 AI 生成的内容
This topic created in 3353 days ago, the information mentioned may be changed or developed.
 |
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。
|
1 |
wohenyingyu02Sep 10, 2017
2
不是学习英语么
|
 |
misaka19000Sep 10, 2017
3
主要是线性代数、概率论与数理统计
|
 |
yemenchun1Sep 10, 2017
4
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.
|
|
yemenchun1Sep 10, 2017
5
不同的函数
|
 |
HzzoneSep 10, 2017 via iPhone
6
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。
|
 |
murmurSep 10, 2017
7
线代和概率那是基础 你想学深了叫矩阵理论和随机过程
|
 |
lzhCoooderSep 10, 2017
8
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
|
 |
jmc891205Sep 10, 2017
9
想从调包开始学的话 Andrew 的课不是个好选择。。。
|
 |
davy1995Sep 10, 2017 via iPad
10
Ng 的课公式推导明明那么少。。。
|
 |
txltySep 10, 2017
11
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。 |
 |
codeyungSep 10, 2017 via iPhone
12
大学线代 和概统
|
 |
dryadentSep 10, 2017
13
ng 的课程真的解释很详细了，公式推导的内容不是很强啊
|
 |
v1024Sep 10, 2017 via iPhone
14
楼上各位都太牛了，学渣给楼上大牛投以崇拜眼神
|
 |
ivechanSep 10, 2017
15
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。 |
 |
gladuoSep 10, 2017
17
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
@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 |
 |
huyberySep 10, 2017
19
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
学的是哲学思想
|
 |
charadeyouareSep 10, 2017
21
会方向导数和梯度就够了
|
 |
em70Sep 10, 2017
22
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
|
 |
notreamiSep 10, 2017
23
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 |
 |
vegito2002Sep 10, 2017
24
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.
|
 |
LattezSep 10, 2017 via Android
25
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
|
 |
NitroethaneSep 10, 2017 via Android
26
概率论和随机过程
|
 |
27
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。 |
 |
neoblackcapSep 11, 2017
28
@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。 |
 |
kuhungSep 11, 2017 via Android
29
我的学习路线是，从调包到推导😂
|
 |
googlevoice8Sep 11, 2017 via iPhone
30
不全是吧！
|
|
vegito2002Sep 11, 2017 via iPad
31
@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；
|
 |
n6DD1A640Sep 11, 2017
32
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。。。
|
 |
secondwtqSep 11, 2017
33
@vegito2002 MIT 貌似换 Python 了
|
|
35
|
 |
javacodecreeksSep 11, 2017 via iPhone
36
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！
|
 |
omygodSep 11, 2017
37
高数是统计学和概率学的基础
|
 |
wzh015Sep 11, 2017
38
不仅仅是高数哦
|
 |
pcx3802482Sep 11, 2017
39
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
@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
|
 |
deadblockSep 11, 2017
41
我数学不错的，可以学这个么
|
 |
echo1937Sep 11, 2017
42
其实这个课程挺不错的，程序猿学点数学挺好。
|
 |
takatoSep 11, 2017
43
线代，统计，图论，神经科学，生物……………………
唔- -其实是哲学来着。。。 |
|
44
|
 |
GrayXuAug 25, 2019
45
基础线代和概率论不会 == 调参侠
|
Select Language