📣 黑五价提前开抢|VIP一年通行证5折,蓝莓、Offer多多同步特惠
查看: 1593| 回复: 0
跳转到指定楼层
上一主题 下一主题
收起左侧

stanford ML

全局:
公开课
学校名称: Stanford U
Unit号: 16
开课时间: /
课程全名: Machine Learning
平台: Coursera
URL: https://www.coursera.org/course/ml

注册一亩三分地论坛,查看更多干货!

您需要 登录 才可以下载或查看附件。没有帐号?注册账号

x
1. 课程的基本信息:课程平台,开课学校,课程全名,开课时间,课程链接。Andrew Ng开的machine learning, coursera应该一直有课,课程链接https://www.coursera.org/course/ml
2. 课程难度,作业量,每周花在这门课的时间,以及你的基础(是初学者?还是本来就是你的专业内容?)
课程挺多数学的,对数学背景的同学应该不难。我是慢慢上的,大概上了两个月,每周花10h差不多了,作业量不算大,程序框架都有了。

3. 各种感想、收获、课程内容介绍、你对这门课的评价等等~~这个就自己发挥啦(请具体!)
适合入门的课程,讲的很清楚,可以了解ML大致上是什么东西,覆盖面也还算广。感觉唯一的缺点是使用matlab。

4. 如果让你重新学过这门课,你会在学习方法上,背景提升上会有什么样的改进(选答)
暂时没什么

5. 这门课和其他你跟过的课,用过的资源或者是学校上过的课有什么区别?(选答,如果你还跟过其他类似的课的话)
更有趣味性吧,不会枯燥,毕竟是入门课。

6. 给以后打算学这门课的同学一些建议(请具体!可包括任何方面)

建议好好看视频,不要跳过,虽然作业和题目比较简单但是看视频可以帮助理解。

上一篇:deep learning specialization公开课分享
下一篇:big data系列课程 求课友
您需要登录后才可以回帖 登录 | 注册账号
隐私提醒:
  • ☑ 禁止发布广告,拉群,贴个人联系方式:找人请去🔗同学同事飞友,拉群请去🔗拉群结伴,广告请去🔗跳蚤市场,和 🔗租房广告|找室友
  • ☑ 论坛内容在发帖 30 分钟内可以编辑,过后则不能删帖。为防止被骚扰甚至人肉,不要公开留微信等联系方式,如有需求请以论坛私信方式发送。
  • ☑ 干货版块可免费使用 🔗超级匿名:面经(美国面经、中国面经、数科面经、PM面经),抖包袱(美国、中国)和录取汇报、定位选校版
  • ☑ 查阅全站 🔗各种匿名方法

本版积分规则

>
快速回复 返回顶部 返回列表