如何評價公開課Neural Networks for Machine Learning

1樓：燈火闌珊

我剛拿到Hinton 這門課的證書，今年九月和十月拿過Andrew Ng 的 Deep learning specialization 前三門課的證書，以前上過Andrew Ng 的 Machine Learning，但中途沒時間就暫停那門課。

對於你的問題，首先我談下個人看法。

（1）這門課現在不會，以後也不會過時。神經網路最近幾年的興起證明了它在社會生活中巨大的意義。隨著神經網路應用更多的普及，深度理解神經網路的理論知識以及其歷史發展只會讓這門課變得更加重要。

我上完了一遍，做了一百頁的筆記，但覺得都只是系統學習了一下各種模型。所以這門課不是不是過時了，而是需要反覆回顧才會吸收更多的知識點。

（2）貝葉斯的方法不是用的更少，而是用的更多了。以前的機器學習主要都是在supervised learning，但以後會有很多人去做 unsupervised learning，因為現實中的資料還有很多沒有 label。貝葉斯理論在unsupervised learning 中會起到巨大作用。

而且貝葉斯和 Frequentist 看問題的角度不一樣（比如Hinton 這門課講到的 overfitting在貝葉斯模型中就不是什麼問題）。

Andrew 的課程和這門課是互補的，乙個偏實踐，乙個偏理論一點。Andrew 的課程更容易上手。學完 Andrew 的 DL specialization 會幫助到 Hinton 這門課的學習。

至於程式設計聯絡的數量，我覺得Hinton的課程剛好。畢竟十六周的課程量在那。

2樓：望止洋

這兩門課都聽過。Ng的機器學習課和深度學習系列五門課的確要友好很多，作業也能更快上手。但是理論推導就偏少了。

聽完就會覺得機器學習沒什麼很簡單啊，但其實並不是這樣。Ng省略了很多重要的知識點，所以會讓人覺得簡單。Hinton的課的確要枯燥一些，但是確實是打好基礎的教材，人家可是權威啊，你聽了半天課都是別人轉述的，大權威的話你都沒聽過？

不太好吧？所以兩門課都得聽的啦，側重不一樣。

還有，Ng會講很多經驗之談，包括在遇到很多情況很多問題的時候，怎麼解決問題，這一點是非常重要的，他教你解決問題，這是授之以漁，這也是我喜歡他的課的原因，一般老師不會講的。

3樓：「已登出」

利益相關：Coursera長期白給錢選手。

入門級的課程講的內容都差不多，Hinton這門課也不例外，學就是了，都是基礎知識，基本不存在過時這一說，入了Deep Learning的坑，這些就都該知道。牛頓萊布尼茨發明微積分不也好多年了麼，但凡是理工科不都得學麼。

最近在上Andrew Ng的Deep Learning Specialization，就比較一下這兩門課。

作業設定上感覺Andrew Ng的Deep Learning Specialization要合理友好許多，Hinton的課裡programming assignment感覺還是太少。

十六周的課程也讓人感覺戰線拉得太長。Andrew Ng這個三四周就能拿到乙個certificate，作業也很簡單友好，心理上的feedback會多很多好很多。

Hinton的課偏理論，Ng的課重實踐，都是很優秀的課。

不過入門的話，我站Ng。以上。

4樓：

我之前上過Ng在coursera上開設的machine learning課程，但是有了這些簡單基礎之後再看hinton的課程也覺得理解起來吃力。舉例來說，剛上第11周的時候學習的hopfield net，對我來說只聽課是不能理解這個模型究竟是怎樣的..

相關回答：Is it wise to learn deep learning from Hinton？