距离上次我告诉我的导师我想学人工智能，导师很热心，表示愿意提供一些意见建议，叫我先在网上学习Ng的 Machine Learning 课程，已经过去了37天，总体感觉内容很难，但也算是勉强看了下来把它看完了。打算写个随笔，也算是对这些日子的一个总结。
一开始我先去知乎上搜了搜这门课程的评价，多数评价都为：“入门视频”，“看完就入门，但也只是入门”，“内容简单易懂”，看到这些评价我就放心了（后来我才发现我和知乎大神的差距有多大，我觉得很多地方都好难啊T^T），然后我再网易云课堂上找到了这门课。
吴恩达的机器学习课程一共分为十八个章节，每个章节长的总时长大概一个半小时，短的大概半小时也有。我一开始的想法是：嗯？才18个章节？满打满算一天看一个章节，18天应该就看完了。后来我发现我还是太年轻了啊，因为在看的过程中，有很多不懂的地方，有时候需要停下来想，停下来记笔记，一个十几分钟的视频有时候要看半个小时才能看完，而且看完还是一头雾水那种，一度看得我头很大。
一开始Ng花了一章介绍了关于这门课的一个概念，然后花了两个章节介绍了高数里面的微积分知识，线性回归，还有线性代数里面的一些矩阵知识，这两章感觉还是很基础的，除了一些表达符号上和我学的不大一样，其他的都差不多。不过我发现了一个问题，就这样光听，左耳朵进，右耳朵出肯定没有什么用，于是我就来博客园注册了一个账号，打算申请一个博客，结果我居然惨遭拒绝。。。然后又尝试了好几次，居然全部被拒，（直到今天晚上我才刚刚开通博客）。哼，不让我写博客我就用手，用纸，用笔。好记性不如烂笔头对吧。
就这样我开始边听边记，记了小几十页。虽然有时候我也不知道我记的是什么，但是边听边动笔还是会比较专注点，不然有时候听着听着就走神了，还要倒回去看就很无奈。
从第四章开始好像终于开始步入本课程的核心了，开始介绍特征值，梯度下降算法，学习速率之类的了。第五章开始介绍OCtave，我才知道这门课原来也是需要编程的。。。不过Octave好像和Matlab很像，是一种有点偏数学计算的编程语言。第六章开始介绍区别于线性回归算法的逻辑回归，之后为了解决过拟合问题，第七章开始介绍正则化，之后几章越来越难，开始介绍神经网络，向量机。讲真的，从这几章开始我都已经是听得一头雾水了，很多东西都是只能理解个大概，一些细节的地方我都很难揪清楚。从十三章开始介绍无监督学习，我觉得这才是真正的人工智能啊，减少了人为的因素，更多的让机器去选择，比如找点簇什么的，之后介绍了特征过多时采用的降维还有异常检测。第十六章介绍推荐系统，这时候我才知道，为什么每次我百度了一些东西之后，下一次打开浏览器就会给我推荐相关的东西，原来这些都是机器学习的结果，人工智能早已渗入生活。
其实反思一下总共十八个章节我看了三十几天才看完，除了有时候看不懂会把视频暂停下来想或者是记笔记之外，其实有的日子我是只看了一点点甚至没看的。原因是有一些别的事情要做。除了平时学校要求学习的课程我要学以外，作为班长有时候我要整理班级材料，像上次清明放假我以为我可以有很多时间来看这个视频，而事实是清明三天我只看了一章，因为我需要准备清明之后的班级风采展活动。还有清明之后大概十天的时间里，几乎每天都只能看一两个视频那样，因为那段时间是校辩论赛的初赛，队里打比赛的人不够，作为副队长我肯定是要上场了，所以那段时间几乎每天晚上我的时间都是花在辩论队，讨论辩题，打模拟赛，修改论点，没办法，数计学院辩论队一生挚爱。所以那段时间在维持日常学习的情况下很难再抽太多时间出来看视频。
总结一下，总的来说这个18个章节的入门视频我也是磕磕绊绊地看完了，虽然很多细节真的是不懂，不过大概也都有了个认识。
感慨良多，感觉毕竟是前沿领域，有难度是肯定的，未来要走的路还有很长吧，加油!