深度学习就是学习高数吗？

[winglight2016]

我是零基础，正在学习 Andrew Ng 的课程，已经看到第三周的视频了，从头到尾都是数学公式推导，我已经不知道是在学习什么了？

[snnn]

主要是你之前欠的太多了。那些不是高数。有一大部分是概率论和数理统计的知识。机器学习的课程肯定是从线性回归开始的。

[wohenyingyu02]

不是学习英语么

[misaka19000]

主要是线性代数、概率论与数理统计

[yemenchun1]

他那个课已经很友好了, 公式还算简单, 也比较少. 到后面优化部分看论文, 求梯度, 对于不用的函数, 梯度都要分别推导.

[yemenchun1]

不同的函数

[Hzzone]

概统和线代，而且是非常基础的知识，我觉得你有必要去复习一下这方面的东西了，而且吴恩达上的是机器学习，深度学习只是很小的一部分。

[murmur]

线代和概率那是基础 你想学深了叫矩阵理论和随机过程

[lzhCoooder]

深度学习没什么数学基础吧...如果你说的是机器学习的话，都是一些简单的初等积分问题啊

[jmc891205]

想从调包开始学的话 Andrew 的课不是个好选择。。。

[davy1995]

Ng 的课公式推导明明那么少。。。

[txlty]

我是从科普层面来学的，不过目前市面上没有这种教程。只能搜集一堆科学家写好的代码，和自己的数据对接上。一个一个试，根据参数的变量名，找出参数的中文名词。再搜索这些名词，看那些论文，做为辅助理解。各种改参数，一遍一遍跑，对比预测准确率，以理解这些算法的用法。
至于算法内部的数学原理？从没想过去了解，更没想过改进这些算法。我要是那块料，就不是现在的学历了。

[codeyung]

大学线代 和概统

[dryadent]

ng 的课程真的解释很详细了，公式推导的内容不是很强啊

[v1024]

楼上各位都太牛了，学渣给楼上大牛投以崇拜眼神

[ivechan]

如果你觉得高数知识（线代和概统）很无聊的话， 可能这个更适合你，而不是看视频。
视频贵在和讲课者之间的交流，有一个引导的过程。
吴恩达的 notes： http://cs229.stanford.edu/materials.html
这个 notes 把基础数学知识都分开了。

[ivechan]

@txlty tensorflow 的教程就是很科普的教程吧，基本不涉及数学知识。只有名词

[gladuo]

讲真。。。你不去学量子力学而去搞机器学习只是因为很火 /似乎跟搬搬砖差不多。。。
其实，差的还挺多的。
觉得不适合，那应该就是真的不适合。

[winglight2016]

@snnn 我说高数不是特指高等数学，而是包括了高数、概率、线代这些课程，至少课程名字我是记得的
@wohenyingyu02 网易有带中文字幕的课程，不带字幕术语起来理解太困难了

@yemenchun1 课程是可以的，能听懂，但是看了二十多节课都是纯理论公式，感觉有点难以结合代码编程

@Hzzone 如果你是在看的课和我一样，课程全部名称是：神经网络和深度学习(coursera 上是 deep learning)

@davy1995 我看到第三周 3.8 课，除了概念介绍，还没有不是公式和推导的内容

@txlty 我的学习习惯是先从整体框架和理论开始了解，然后再看怎样在实践中应用

@ivechan 线代和概率的基础课程我打算另外找书来看

@gladuo 讲真，i can't get what you said

[huybery]

ng 的 deep learning 还没来得及看， 如果你觉得推导过于多可以去尝试 coursera 上 ng 的另一门课 machine learning。那个是有实践的，需要用 matlab 交作业，把那一套流程熟悉一下再看现在的就不会有这么突兀的感觉了。

[eccstartup]

学的是哲学思想

[charadeyouare]

会方向导数和梯度就够了

[em70]

等你学会,这个领域可能已经不火了,先把基础打好吧,学自己有狂热兴趣的东西,别跟风

[notreami]

就是知道用来干啥，然后配置 lib。配通了，改改入参，出参。
大部分人其实连快排都写不来，就去摊大数据、深度学习、人工智能这摊子浑水了

[vegito2002]

稍微好点的学校都是这样的, 大部分课程基本不会教你写代码. 把 algorithm 和 computation 自己转化到代码是这些学校对学生最基本的期望, 自己有时间自己弄就行了; 课程上面, 跟多的给你学的是思想, 概念, 原理, 证明; 偶尔真的教你写代码也是教一些 OCaml, prolog 这种相对象牙塔的语言.

[Lattez]

建议先看看 Ng 那个机器学习的入门视频，然后再看深度学习的

[Nitroethane]

概率论和随机过程

[est]

记得十年前有个初中出来的小伙子看我弄 Flash

他的问题是：做个动画怎么还需要数学里的坐标系知识。。。。。

然后就没有然后了。

[neoblackcap]

@vegito2002 其实大学多接触点象牙塔的东西挺好的，毕竟工业界也需要象牙塔的理论作为支撑。而且象牙塔的东西搞不好就向工业界扩散了，到时就成了自己的优势了。
好比以前都是吹面向对象，现在连前端都鼓吹函数式编程，这在我看来就是象牙塔向工业界的传播了。

[kuhung]

我的学习路线是，从调包到推导😂

[googlevoice8]

不全是吧！

[vegito2002]

@neoblackcap 是这样的， 就跟 SICP 这个东西一样， 学的时候一个劲的骂没用， 学完了莫名其妙就感觉自己的思考方式改变了；

[n6DD1A640]

当年 Udacity 那个 AI 入门课程，看了两周，完全跟不上，然后回去重新学概率。。。

[secondwtq]

@vegito2002 MIT 貌似换 Python 了

[lrxiao]

@secondwtq UCB 吧

[winglight2016]

@em70 你是觉得我要用 20 年学会，还是两三年内深度学习就会消失呢？

@notreami 我学这个不仅仅是用于跑 demo，还有更高的期望

@huybery 我感觉 python 应用范围更广一些，MATLAB 可能更适合理论研究

[javacodecreeks]

那些不是高数好吗，数理统计和概率论里面的知识，不过我们大学学的是基础而已！

[omygod]

高数是统计学和概率学的基础

[wzh015]

不仅仅是高数哦

[pcx3802482]

推荐你先去 Y2B 上把台大李宏毅老师的视频看完，再看 Ng 的。

[winglight2016]

@pcx3802482 搜了一下，有人搬到哔哩哔哩上了，看每课名称似乎讲得更泛一些

[deadblock]

我数学不错的，可以学这个么

[echo1937]

其实这个课程挺不错的，程序猿学点数学挺好。

[takato]

线代，统计，图论，神经科学，生物……………………

唔- -其实是哲学来着。。。

[winglight2016]

@deadblock 有兴趣和时间就可以

@echo1937 这课程基本不怎么教数学理论，想学数学还是要另外找资料

@takato 不是玄学吗？

[GrayXu]

基础线代和概率论不会 == 调参侠