Andrew Ng-Machine Learning 準備篇

介紹

吳恩達（Andrew Ng）在Coursea上的機器學習（Machine Learning下稱ML）課程，是經典的ML課程之一，內容深刻淺出，幾乎是入門ML的必修課之一。

預備知識：

1. 機率論

2. 線性代數
   *矩陣運算

3. 微積分
   *導數
   *微積分

4. 編程基礎
   *Octave,MatLab

上述知識在本門課中雖然都會用到，可是Andrew都會解釋的比較清楚，對一些深刻的前因後果概念，你們能夠課後翻看其餘資料補課便可，大可沒必要被一些數學概念與符號嚇到。

按照頭兩週的經驗，整理了一下這門課須要的一些資源。
Coursea的官方資源，主要是課堂筆記和課後練習的一些資料。

基本資源

也因爲衆所周知，而又不可描述的緣由，Coursera的課程在官網的視頻源國內觀看是穩定得幾乎徹底看不了，所以咱們必須可使用國內的視頻源進行學習。咱們又怎麼會被些許的困難鬧到阻擋咱們每天向上的心？
Coursera官方資源
https://www.coursera.org/lear...

國內的視頻源：

嗶哩嗶哩
https://www.bilibili.com/vide...

軟件

Octave：Andrew推薦使用的Octave，能夠幾乎能夠看做是免費的的MatLab，視頻中的全部例子均可以在Octave中運行及實現。
按照Andrew的說法，理解ML的重點在於算法，去理解算法，遠比使用C，Java，Python一類的語言的具體實現要快速，按照個人理解，就是不要糾結過於細節的實現部分，課程目的還主要是理解ML的算法爲主。這個思路有點相似教授算法用僞碼遠多於用實際語言的實現——掌握起思路遠比實現重要。

後續

後面將會嘗試將每週以單位更新每週的筆記，做爲本身學習的一個進度的記錄和反思。