Andrew Ng-Machine Learning 准备篇

介绍

吴恩达（Andrew Ng）在Coursea上的机器学习（Machine Learning下称ML）课程，是经典的ML课程之一，内容深刻浅出，几乎是入门ML的必修课之一。

预备知识：

1. 几率论

2. 线性代数
   *矩阵运算

3. 微积分
   *导数
   *微积分

4. 编程基础
   *Octave,MatLab

上述知识在本门课中虽然都会用到，可是Andrew都会解释的比较清楚，对一些深刻的前因后果概念，你们能够课后翻看其余资料补课便可，大可没必要被一些数学概念与符号吓到。

按照头两周的经验，整理了一下这门课须要的一些资源。
Coursea的官方资源，主要是课堂笔记和课后练习的一些资料。

基本资源

也因为众所周知，而又不可描述的缘由，Coursera的课程在官网的视频源国内观看是稳定得几乎彻底看不了，所以咱们必须可使用国内的视频源进行学习。咱们又怎么会被些许的困难闹到阻挡咱们每天向上的心？
Coursera官方资源
https://www.coursera.org/lear...

国内的视频源：

哔哩哔哩
https://www.bilibili.com/vide...

软件

Octave：Andrew推荐使用的Octave，能够几乎能够看做是免费的的MatLab，视频中的全部例子均可以在Octave中运行及实现。
按照Andrew的说法，理解ML的重点在于算法，去理解算法，远比使用C，Java，Python一类的语言的具体实现要快速，按照个人理解，就是不要纠结过于细节的实现部分，课程目的还主要是理解ML的算法为主。这个思路有点相似教授算法用伪码远多于用实际语言的实现——掌握起思路远比实现重要。

后续

后面将会尝试将每周以单位更新每周的笔记，做为本身学习的一个进度的记录和反思。