吳恩達的新課

8月8號，吳恩達先生推出了他的新課：Deep Learning Specialization. 一時間大伙兒都在圍觀新出來的三門課，以刷課曬證書為榮。

11號清掉手上的課，到25號我也刷完了三門。說起來容易，實際上白天忙工作，晚上看到半夜，周六周日十幾個小時，還專門請了假在家寫碼。期間兩個項目上線，各種忙亂按下不表。

回顧這門課，其實設計的很貼心，不需要多少數學和寫代碼的基礎就可以上手。整個課程的學習曲線搭的相當好，課後作業也是把框架搭完了，每次只要往裡面寫一兩行代碼。至於數學，只需要知道最基礎的求導及鏈式法則。如果你想像我一樣把所有的數學公式都手工推導一遍，那麼最好找本微積分的入門書來看看。會用到泰勒定理引出一個O(x^2)的誤差，其他也沒什麼。

仔細看課後的作業，其實這本來是一門九周的課程。可能是想讓新學的人能堅持下來，於是就拆成了三門。課程設計做到這個程度，吳恩達先生的誠意真是令人感動。教學就是教學，不是顯擺。目標就是要讓大家學會，對吧！不像某個入門課，我額外找了兩本書，看完300頁才能完成作業。另外一道題由於一筆重疊的數據，導致P值在小數點後15位不同。前後試了三種方法都通不過，最後找到助教的偽代碼才算出系統能接收的結果。相比之下，這種課程就實在是太坑了。

說完一堆好壞，也要說一下不好的地方。這門課大坑沒有，小坑不斷。雖然整體框架很好，但是內容整理上有點粗糙。且越往後，越粗糙。我提報了幾十個小問題，希望能儘快改正，讓後面刷課的朋友們有更好的學習體驗。第三門課的最後一個作業，有幾道題的答案我是不能認同的。論壇裡面也有人在討論，大家都有類似的想法。有好幾個人選擇放棄這道題，以表示自己的不滿。不過呢，作為一個中國人，我還是選擇了簡單的實用主義：提報了自己的不滿，論壇支持了課友，然後Overfit了評分系統。

機器學習，Deep Learning，AI，這幾樣東西都是很工程性的。它要求你懂一點編程，懂一點數學，懂一點結構化的工程項目管理，還要求你有那麼一點好運氣。什麼都要懂一點，什麼都不需要太深，其實也是一種難度。有人看到編程就放棄了，有人看到數學公式就放棄了，其實蠻可惜的。只有真的跳下去，才能有收穫。18號的時候，我和大伙兒去山裡露營了。熊孩子們下溪玩水，還真抓到了不少魚，大大小小都有，蠻意外的。工程性的東西也就是試，跳到水裡去，說不定就摸到魚了。

AI和機器學習如此之熱，貌似已經是全民學AI了。每個人都能滔滔不絕給你說上一段架構、前景、方向，每個人都看好這個技術，也信誓旦旦要全身心投入到機器學習這個領域來。這門課是我遇到所有資料里，學習曲線最低的，希望每個吹牛的都能跳進來試一下。

越無知的人，越覺得這個世界簡單。上回看到陳景潤1+2的論文截圖，我覺得我這輩子都看不懂了。真要跳進去，這不知道得多少年的積累，算了，留點時間干別的吧。而有人反而會認為1+2很簡單啊，不就是3么。大家完全不在一個頻道上，我只能拋下一句，「您說的對」，然後掉頭就走掉。

光看新聞的，經常是口若懸河，覺得AI明天就要統治地球了。知道幾個模型名詞的，覺得世界都在我的掌握。會用Framework的，覺的我這一鎚子下去全能搞定。會自己去琢磨底層代碼和公式的，不太敢相信自己寫的碼沒有bug。再往下就是能根據問題設計好的Loss函數。可就算到了這一層，理論數學的還是會覺得，你就是一個三腳貓應用，離強人工智慧遠著呢。當然，也有可能這世界就是應該用概率來描述，用模型來過擬合。所有的靈感，直覺，無非就是Mapping而已。或許再過個十年八年，我們就知道這個觀點對不對了。

筆記整理完了，資料打包上傳Github了。昨晚和父母視頻，然後去散了一個步。好久沒有出門活動一下了，走一下挺好。八月，馬上就要過去了。