17年9月份机器学习知识进展

刷课1

coursera

machine learning(matlab手动搭建)基本模型,基本参数,基本调优,98分

deep learning 神经网络,实践调优,来自吴恩达工程实践经验,值得了49美元一个月的票价。前三门课满分拿下,后两门课程还没有出来。

Andrew老师讲的很好,配套练习也很到位,基本知识有了普及。从大概念来说:机器学习是大于深度学习的,而深度学习中,目前应用较广的是神经网络(在有些教程里看到成为多层感知 maybe Multi-Layer-Perceptron?),然后较为复杂的神经网络模型有卷积神经网络,卷积神经网络中,有各路大神在各路比赛中获得优异成绩的经典模型。

刷课2

Stanford cs231n:李飞飞 CNN-4-image processing 卷积神经网络用于图像识别

她组织收集了ImageNet大量图片的库,并组织了ImageNet比赛,最近几年比赛的冠军成绩识别能力超过人眼,轰动一时,冠军队伍采用了卷积神经网络,因此将深度学习发扬光大,所以很多地方都在讨论”深度学习”,并且将深度学习应用到其他很多场景不仅仅是图像识别
http://image-net.org/index

实践1

tensorflow:走读实践tutorial,基本了解该计算框架
可以自定义数学模型,矩阵运算
第三方已经实现的流行的模型,可拿来即用

刷课3

udacity平台, 乔治亚理工学院的课:machine learning for trading
感觉有点扯远了,很多时间用于讲如何对冲基金量化交易了,
然后简单模型描述了强化学习用于股票交易,目前对我用处不大

实践2

kaggle: 最著名的大数据擂台了,刚入门,学习实践了titanic case
数据预处理,观察数据,简单分析,特征工程处理

计划进一步学习内容

实践方向:

  • kaggle赛题,
  • 积累python使用经验: tensorflow(模型),pandas(数据处理),matplotlib(画图)

理论知识: