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，内容深入浅出，几乎是入门ML的必修课之一。

预备知识：

1. 概率论

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，但是Andrew都会解释的比较清楚，对一些深入的来龙去脉概念，大家可以课后翻看其他资料补课即可，大可不必被一些数学概念与符号吓到。

按照头两周的经验，整理了一下这门课需要的一些资源。
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

也由于众所周知，而又不可描述的原因，Coursera的课程在官网的视频源国内观看是稳定得几乎完全看不了，因此我们必须可以使用国内的视频源进行学习。我们又怎么会被些许的困难闹到阻挡我们天天向上的心？
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，可以几乎可以看作是免费的的MatLab，视频中的所有例子都可以在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，按照我的理解，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。这个思路有点类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，作为自己学习的一个进度的记录和反思。