umich的ml课程的一点介绍

哎，这学期machine learning再怎么注重编程实现，它最大的本质还是一门数学课....学期刚开始将近300人来听，各种学院各种专业的都来，老师弄了个auditorium来讲课。后来一两周就走了至少一半.....

其实Jake是纯数学的一位老师平时的纯理论研究跟隔壁的李老师还是区别挺大，他偶尔会感叹自己MIT数学系毕业之后居然开始搞CS hhhh，只是因为这学期学生太多没有办法弄去四五十人的小教室一步一步讲细节，这是一个让老师和助教们都挺头疼的事情。个人感觉Jacob习惯于借助Sklearn做很多事情，好像也哪里听过吴恩达建议说具体numerical的实现方法扔给数学和统计的PhD们就好，所以还是除了初期学习之外，之后的深入研究不会那么在意实现过程。对于这个课之后选的人会不会更多不太确定，大教室只能一篇一篇念投影的内容的话 除了看书之外吴恩达的cs229这样有具体过程的资源还是有帮助的，就像秋季的Clayton比较习惯讲的方式。 另外关于课程形式Kaggle这个东西还是很有趣的，不过大概也是因为Jake认识做kaggle那边的一些人所以一直还蛮努力推广它。 （做为给Jake打工的小本科生也许有说不准确的内容欢迎投诉 =）

感觉学ml还是要结合统计去理解模型下的intuition更好
并不是很喜欢那种按照目录列举模型，然后要么实现几个简单的算法，要么用工具直接处理数据的教学方式
不然就变成了matlab课，R语言课，调参数课了。。

请问445和545的差别在哪？如果以后不走machine learning方向是不是没必要选545？

hlyang 发表于 2016-4-20 10:46
请问445和545的差别在哪？如果以后不走machine learning方向是不是没必要选545？

准确来说445偏应用，有三个project，编程会多一点