1.常见的两种机器学习的方式

  1. 以机器学习理论为主线

    • 对于每一个机器学习的算法都进行扎实深入的研究,这种"专家路线"能够让我们深入机器学习的底层,从本质上来理解机器学习。但是过程会很枯燥,很容易失去坚持下去的兴趣。对于解决实际问题不够实用。
  2. 以机器学习实战算法为主线

    • 大量的快速学习各种机器学习算法,以"实战路线"作为主导,对于很多算法都有一定的了解,但是不是很深入(学会了很多招式,但是不精通、不理解)。在实际使用的过程中,会出现不知道如何选择合适的算法,以及如何进行合理的优化。

2.这门课程采用的方式

这门课程的路线:以机器学习基石为导向,基石并不代表仅仅是基础,而是给机器学习打底的东西,需要学的很扎实。综合哲学上机器学习的思想、数学上关键理论、核心技术(代码)、实际使用、随堂笑话。
这些东西是每一个学习机器学习的人都应该掌握的,我们要让机器学习成为我们的工具,而不是我们成为机器学习的奴隶。

  1. 以故事形式作为主线
    • 什么时候 使用机器学习?(例证 + 技术)
    • 为什么使用机器学习?(理论 + 例证)
    • 机器学习是怎么运作的?(技术 + 实践)
    • 怎么让机器学习做的更好?(实践 + 理论)

通过上面的方式,其实是想让学生,在拥有扎实的基础之后,一方面可以自主学习更多并没有教过的技术,另外一方面可以更加容易深入的学习机器学习理论。

参考资料:

  1. coursera-机器学习基石(视频会有卡顿的情况)
  2. B站-机器学习基石(国内用户)

备注:
更多精彩博客,请访问:聂发俊的技术博客