專欄搬遷

05-06

今年1月份，我開始學習EdX上哥大開的一個機器學習公開課，並且做了一些筆記。這些筆記最初記在作業部落上。作業部落的好處是對Markdown的支持特別贊，但是插入圖片需要升級會員。考慮到我剛剛買過為知筆記的兩年會員，我升級作業部落會員的意願不是很強烈。之前還想了解他們家升級會員以後關於圖床和外鏈的一些細節，寫過郵件給客服，但是卻石沉大海。

我還在學校學習的時候，實驗室老師經常說的一句話就是「一圖勝千言」。回過頭看沒有插圖的這些筆記，我的確覺得有些枯燥。因此在這期間我試了試國內的一些博客平台，希望找到一個順手的站點：它可以支持Markdown和MathJax，排版好看，而且插圖什麼的要方便，然而最後我並沒有找到一個現成的站點可以滿足以上要求。知乎專欄總體還可以，但是不支持Markdown是一件很頭疼的事——為什麼之前寫好的筆記在這裡更新還這麼慢？因為把原來做的筆記貼過來改公式非常繁瑣，而傳說中的網頁Markdown插件在我這兒也沒起什麼作用。所以貼了幾次日誌以後，我就偷懶了。

後來，我下定決心自己搞個域名跟http://github.io綁定，自己搭一個基於hexo的博客平台。事實證明儘管hexo的Markdown語法和typora以及作業部落互相有不兼容的情況，但是總比把文章貼到知乎專欄然後吭哧吭哧地改公式方便得多。因此從今天開始專欄的主要更新會在我的博客進行。而專欄這邊，為了不浪費，以及鍛煉自己的概括能力，我初步打算是每次更新完博客在這邊寫個摘要，介紹放出了什麼文章等等。另外，一些格式要求不高，沒什麼數學公式的文章，我可能也會貼在這裡

目前我手裡有這麼一些存貨，估計都會搬到博客上，包括

EdX上哥大那個機器學習課的筆記，這個已經搬完了，不過有一些排版還是有問題。另外就是因為放的都是存貨，沒有圖。我知道補上圖應該是好事兒，但是目前可能它的優先順序可能不會排得很高——以後複習的時候可能會做一些修補
斯坦福今年（2017年）的「深度學習在自然語言處理上的應用」課的筆記，也就是CS224d。這個筆記也全做完了，但是問題仍然是沒有圖。我會一點一點搬到博客上，同時可能做一些補圖工作（這個優先順序會比上一項高一些）
台大林軒田老師2015年在Coursera上開設的「機器學習基石」和「機器學習技法」兩課的筆記。這個我想著重說一下：這（兩）門課我之前修過，而且通過了課程，但是因為沒有交學費，所以沒有證書。但是兩年前是我剛接觸機器學習之時，對很多概念了解得不是很紮實，而當時我是孤軍奮戰，數學功底薄弱，這門課又極深無比（可以說是MOOC里最深的機器學習課，沒有之一），所以感覺自己學完以後記住的東西並不多。而且當時不太會Markdown，筆記記得亂七八糟，沒有邏輯性，因此沒有可以再看的價值。前段時間通過微博發現北郵的愛可可老師將這兩門課搬到了B站（機器學習基石、機器學習技法），加上我找到了一個一起研究演算法的同伴，因此我決定這段時間再把這兩門課重溫一遍，整理一份更加完整的筆記，方便回顧。這門課的筆記在更新中

最後簡單提一下七門我上過的機器學習公開課。這七門課絕對地說品質都是很不錯的，但是由於這樣那樣的原因相對來講有三門我個人現在不是太推薦了，包括

Coursera上華盛頓大學的機器學習系列。這門課其實講得不錯，真正稱得上深入淺出：比吳恩達的公開課深一些，但是深得剛剛好，而且講解很細緻，視頻長度劃分也合理。不推薦有兩個原因：一個是這個系列課最後幾門改變策略，不交錢不能做作業，導致內容大打折扣。另一個就是不知道什麼原因好像太監了，有一門應該出的課最後沒有出，完整性遭到了破壞
斯坦福在線課程上的ISLR配套課。這門課是經典入門書ISLR（ESL前導讀物）的講授版。個人不太推薦有兩個原因：一個是沒有太多編程作業，另一個是我對R語言實在無感
EdX上加州理工的「Learning from Data」。這門課可以看做是林軒田兩門課的英文縮減版，授課老師是林軒田讀博時候的導師。這門課難度足夠，但是課程視頻不分段，有點枯燥，關鍵問題是講的模型和演算法不夠全面，只涵蓋了感知機、線性回歸、Logistic回歸和SVM

另外四門課以個人推薦推進順序列出如下

吳恩達在Coursera上的機器學習課。這門課經典程度毋庸置疑，不知道是多少人入機器學習課坑踩的第一塊磚
吳恩達在斯坦福講的CS229。這門課用來承接他的公開課特別合適。SVM這一塊講得也比較清楚，基本模型也算是涵蓋了不少。只是有幾點感覺不太爽：一個是視頻時間也太長，另一個是視頻錄製的時間感覺有點早，一些新的模型例如樹這一塊的完全沒講，有點遺憾。這門課比較值得看，但是我個人覺得不要止步於此
EdX上哥大的機器學習課。老師從貝葉斯的角度給出了一些新穎的解釋，帶給我們一個全新的看問題的角度。課程深度設置比較合理，講授內容涵蓋比較廣，深度偏深，但是作業不難。基本上透露了一種「機器學習雖然水深但是你掌握了這些就夠了」的思想。SVM的切入角度尤其贊
林軒田的兩門機器學習課。最大的優勢是中文講授，降低了語言障礙。但是這門課內容深難度大，做出來作業需要很強的數學功底和編程功底。如果哥大課作業是「讓你知道有哪些會了就可以」，那麼台大課作業是「讓你知道你還有哪些不會」。這門課如果能跟著老師推好公式，作業獨立寫出，那水平一定是質的提升

最最後再貼一下我的博客地址。不過還沒怎麼仔細打理，用的是默認主題，也還沒加評論什麼的。之後慢慢完善吧。