今天 Coursera 上的 Machine learning 开课了. 后面还有一个 Compiler 课程.

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

已注册用户请登录

这是一个创建于 3705 天前的主题，其中的信息可能已经有所发展或是发生改变。

期待好久了. 看自己的那些同学们搞的火热, 我也挺好奇, 这次入门一下.

此外我还有一个Upcoming的课程, 是Compiler, 也在coursera, 3月17日开课. 听其他同学推荐也非常不错.
Compiler是我大学就学过的, 这次只为练手.

Compiler

开课

课程

30 条回复 • 2014-06-05 19:26:03 +08:00

andyliu

2014-03-04 09:02:52 +08:00 via Android

留个链接楼主

typing

2014-03-04 09:09:33 +08:00 via Android

https://class.coursera.org/ml-005
https://www.coursera.org/course/compilers

xiaogui

2014-03-04 11:11:10 +08:00

@typing 题外话，楼主注册 Coursera 账号是，完整姓名如何填写的？中文？拼音？

typing

2014-03-04 11:21:30 +08:00

@xiaogui 我就用我的拼音(注意Last name是姓). 其他的也应该行吧...又不是办护照那么正规

xiaogui

2014-03-04 11:22:22 +08:00

@typing 嘿嘿，主要看有些课程提供认证证书。

AlexYang

2014-03-04 12:37:41 +08:00

多谢楼主

deanguqiang

2014-03-04 12:39:38 +08:00

上过前一期的课程。讲的比较浅，适合初学者。

arbipher

2014-03-04 12:49:21 +08:00

Machine Learning 第一期课友路过。850过。

mikewoo

2014-03-04 13:18:48 +08:00

也准备跟一下Machine learning

exch4nge

2014-03-04 15:01:45 +08:00

刚去报完名，回来逛v2ex，就发现这个贴了！楼主握个手！

typing

2014-03-05 22:03:24 +08:00

每天中午休息的时候和晚上抓时间上会课. 课程本身并不复杂, 所以在一种欢乐的气氛中进行.

如果numerical PDE也能有这种给你掰开揉碎讲的课程就好了(现在工作上它正折磨我...).

另外说到即将开始的Compilers, 我就不得不说C++ grand master certification(http://www.cppgm.org/).
看了那个课程的计划之后有一种"考试前一天还什么都不会"的感觉.

oldcai

2014-03-25 16:05:03 +08:00

额，这个这个，请问一下，Machine learning ml-005的作业Gradient descent for one variable的cost要迭代到多少才算通过啊，我
theta =

0.62615
1.01028

J_history =

19.00239
2.62444
0.54737
0.28394
0.25052
0.24628
0.24573
0.24565
0.24563
0.24562

最后cost = 0.24562
还是提示错误
T__T

oldcai

2014-03-25 17:10:04 +08:00

@andyliu
@typing
@xiaogui
@deanguqiang
@arbipher
@mikewoo
@exch4nge

有同学么，请问。

感觉我好像是对的呀，就是提交提示错误。

arbipher

2014-03-25 18:22:51 +08:00

@oldcai 请你至少告诉我是哪个文件。。。

arbipher

2014-03-25 18:24:26 +08:00

@oldcai 我傻逼了。。。等我装个octave先。。。

oldcai

2014-03-25 18:47:16 +08:00

@arbipher ^__^ 感谢回复哈
是第三个，gradientDescent.m

arbipher

2014-03-25 19:29:06 +08:00

@oldcai 我晚上回去帮你看下吧。。。我在咖啡馆里，不好意思挂迅雷下软件。。。

arbipher

2014-03-26 02:47:33 +08:00

@oldcai 我没有你这幅图，我们的题目一样吗。。。
我在ex1里面有gradientDescent.m这个文件， YOUR CODE HERE里面:
theta = .......;
我就写了一行。。。

J_history =
...
4.4836
4.4836
4.4836
4.4836
4.4836
4.4835
4.4835
4.4835
4.4835
4.4834
4.4834
4.4834

Theta found by gradient descent: -3.630291 1.166362
For population = 35,000, we predict a profit of 4519.767868
For population = 70,000, we predict a profit of 45342.450129

oldcai

2014-03-26 11:30:39 +08:00

@arbipher 这个图我是为了直观所以自己画出来看的。
我是用的考试数据～
看起来你的这个是练习数据，我的练习数据的结果是：
J_history =

14.9840
9.0562
6.9989
……
4.5740
4.5739
4.5737
4.5735
4.5734
4.5732

Theta found by gradient descent: -2.867800 1.089762
For population = 35,000, we predict a profit of 9463.666241
For population = 70,000, we predict a profit of 47605.328274

确实没有你的结果更收敛。
是不是你feature normalize过呀？

oldcai

2014-03-26 19:17:42 +08:00

@arbipher 谢谢！
我公式记错了，1/m记成了1/(2m)，哈哈，通过了。

mikewoo

2014-03-27 03:43:10 +08:00

@oldcai 拖延症的路过，刚刚才把题目做好，考试数据是什么啊
我做的结果跟@arbipher 一样，

oldcai

2014-03-27 11:04:06 +08:00

@mikewoo 嗯，后来改好了参数我也一样了。
不过也不叫考试数据吧，我说的有问题。是作业数据，是提交的时候打印出来，然后看到的。

oldcai

2014-03-28 20:48:03 +08:00

@arbipher
@mikewoo
嘿，你们的ex1_multi.m的习题里面的预测结果normalEqn的结果和gradientDescent一样么。
我提交的作业中，Gradient Descent for Multiple Variables和Normal Equations的结果是正确的，但是预测出来的那个1650平方尺，3个卧室的房子差价有几个数量级。。

arbipher

2014-03-28 23:10:27 +08:00

@oldcai

heta computed from gradient descent:
334302.063993
100087.116006
3673.548451

Predicted price of a 1650 sq-ft, 3 br house (using gradient descent):
$289314.620338

Theta computed from the normal equations:
89597.909542
139.210674
-8738.019112

Predicted price of a 1650 sq-ft, 3 br house (using normal equations):
$293081.464335

我的结果，没有几个数量级的差价。

arbipher

2014-03-28 23:18:19 +08:00

我每次回这个帖子的时候，v2ex都正好被Chrome的StayFucosd插件把block，然后我得用Safari再打开看一遍到底有没有发出去。。。

oldcai

2014-03-29 00:01:24 +08:00

@arbipher 哟西，看样子还是我学的不牢，估计哪里又出问题了，谢谢，我继续琢磨下。

oldcai

2014-03-30 19:59:05 +08:00

@arbipher 好奇怪，是不是我的式子列的不对呀
用的你的theta的数据，两个都是同样的算法，可是就是差别几个数量级呢
[1 1650 3]*[334302.063993;100087.116006;3673.548451] = 1.6549e+08
[1 1650 3]*[89597.909542;139.210674;-8738.019112] = 2.9308e+05

arbipher

2014-03-30 21:02:14 +08:00

@oldcai
[1 1650 3]*[334302.063993;100087.116006;3673.548451] = 1.6549e+08
这个式子不对。sigma呢。

oldcai

2014-03-30 22:35:11 +08:00

@arbipher 嗯嗯，我明白了，还要在原X基础上-mu并且./sigma，谢谢，预测结果已经相互接近了。
感觉真爽～

typing

2014-06-05 19:26:03 +08:00

今天收到了Machine Learning的结业证书. 一段旅程结束了.