所有的公开课评论

MRsise 评论了课程: Fog Networks and the Internet of Things

2017-01-18 10:33

太期待了

陈炳炎ds 评论了课程: Machine Learning

2016-09-01 14:30

超棒的一门课,已经完成前两门课,很系统,思路清晰。配套的练习很有意思。是用python编程和graphlab库

这个混蛋叫混沌 评论了课程: Machine Learning

2016-07-07 07:23

正在学习中,感觉很棒。

游享人声 评论了课程: Algorithms, Part II

2016-05-07 22:56

真不错

Monkey_D_Law 评论了课程: Introduction to Computational Thinking and Data Science

2015-12-29 19:24

这门课是Introduction to Computer Science and Programming Using Python后续课。相比于上一门,作业依旧给力,但是这门课干活不多,课程内容安排有点散。
python部分主要讲了pylab,学好了这个,基本上就可以告别matlab了;后面主要讲了概率统计、图以及机器学习,然后用python实现,略简单,收获不大。

optman 评论了课程: Cloud Networking

2015-12-05 14:41

内容很新,对数据中心的网络有了一个基本的了解!CDN一节,提到了困惑我很久的的内容,公共CDN会影响CDN么....... 分享一下课程大纲 http://note.youdao.com/share/?id=0c989a9fda0a4f062a6754f7b1a9ea0f&type=note 以及视频下载http://pan.baidu.com/s/1sjZfLyl 4周的课程很短,主要起到了提纲挈领的作用,很多参考文献可以看。

Monkey_D_Law 评论了课程: Scalable Machine Learning

2015-08-19 09:47

这门课作为Introduction to Big Data with Apache Spark的后一门课,惊喜感不大。有个week内容完全重复,后面讲解了一些机器学习的内容,讲的还不错。感觉这两门课完全可以合在一起。

当然了,亮点也不少,比如介绍了numpy,我平时用过不多趁这个机会好好研究了下。LR,Logistic LR,PCA都讲的不错,很系统。作业依旧挺难,设计的很赞。

上完这两门课,确实是很有收获,但是同时也感觉很虚,好像什么收获都没有。可能作业的时候,都专心去解决python小问题了,没有大局观。要把作业的代码完整的啃一遍,然后用到实际,应该会更好。

Monkey_D_Law 评论了课程: Introduction to Computer Science and Programming Using Python

2015-08-19 09:46

之前网易公开课有一样的课,edX开课后,我看评价还不错,所以选了一下。

基本上涵盖了python的基础知识,作业挺难的,上完后有点意犹未尽。期中期末选择题只能提交一次,所以想拿满分还得细心。部分题目真是惜字如金啊,看了几遍都不知道题目要我干嘛。

到现在一共上了三门python入门课,莱斯大学的,密歇根大学的以及这门。如果你想刷个水证,那你就去上密歇根大学的python课;如果想用python做些实际的东西,那你去试试莱斯大学的课;如果你想系统的学习python,推荐这门。

Monkey_D_Law 评论了课程: Java程序设计

2015-08-19 09:45

第一门完成的中文MOOC。

老师讲课带一点口音,竟然觉得还挺可爱的,所以风格虽然中式,但是听起来不枯燥。

课程内容还不错,老师准备的挺充分,虽然看过java入门书,但是上完这课后,感觉收获挺大的,老师总结的挺系统。

这门课最大的硬伤是测试和编程作业,感觉设计的粗糙。测验全是判断题,有点大学期末考试的感觉。编程题目太少,题目要求还很抽象,要求总是寥寥几句。以前是看大片的英文描述看得一知半解,现在是看简短的中文看得一知半解。后果就是,作业的开放性很大,需要自己花些心思去完成,但是感觉作业也不好测试,特别是打分的时候很麻烦。

个人觉得,这门课更像是你看完一本入门书后的总结课,帮你梳理下知识,找到重点。假如是java新手,最好配套本教材看看吧。

PS:第一次看到MOOC上有老师用windows而不是OS X还是觉得怪怪的

Monkey_D_Law 评论了课程: Introduction to Big Data with Apache Spark

2015-07-10 16:11

spark零基础的小白表示,课程很有意思,实例很多,不懂的地方可能要翻翻书。

作业.ipynb文件做的相当用心,图文并茂,还有代码实现,简直完爆市面上spark参考书。

视频量偏少,前两周视频相当给力,小白听的津津有味,后两周视频有点坑爹,多是介绍性知识,快进看完。作业挺难,但是很有收获,对python要求较高,特别是lab3的作业,比较考验python功底,后面几次作业就主要是查API了,最后几天,一天补齐一个lab,这酸爽。。。

PS:逛论坛的时候看到instructor说他们学校的学生,平均做作业的时间是2—4小时,当时觉得很羞愧。也说明,国外学生的训练强度确实大。

逝__水__ 评论了课程: From Nand to Tetris / Part I

2015-05-26 09:07

这本课蛮有趣的,讲的是如何从Nand门开始构建一个简单的计算机。
作业量不大,但难度还是稍微有点的,想不通一些点的话很容易卡很久。
以前看书上的CPU结构,一知半解。
然后这里实现了简单的CPU,才知道原来是这么回事。
但可惜这门课不提供课件下载。
期待II。

The_Seventh_Heaven 评论了课程: From Nand to Tetris / Part I

2015-05-24 04:03

刚做完最后一次作业。课程很优秀,作为计算机专业的硕士来听这门入门课,仍然能学到新东西,于我而言,最大的用处就是帮助我把之前在学校学习的计算机专业课大体复习了一遍。虽然课程内容是开发一个简单的玩具计算机,但在学习的过程中总能不经意回忆起以前学过的内容,作为part I,主要的还是计算机组成原理。听一遍课作为以前知识的复习强化,这个东西,excited!不论是不是计算机专业的同学,都应该学习一个。这么好的课,Coursera要大力宣传,课程图谱也要大力宣传,我学完了也为这课宣传,以后这课就人山人海了。

半饱半醉 评论了课程: Discrete Optimization

2015-05-20 06:42

终于把这门课过了,过了评论一下
这门课非常有意思,老师是个逗逼很风趣很牛X。课程形式也很独特,一开课就把所有的视频和作业都放出来,只要在课程结束之前完成就通过,学生可以根据自己的时间来安排学习进度。作业是5个 NP-Hard 优化问题,分别是背包问题、地图着色、TSP,后两个是比较接近实际的优化问题:机构设施选址和车辆路由。每个问题又有6个子部分,每个部分规模逐个增加,越来越难。每个部分0-10分,根据solution的质量评分,所有部分都拿到7或者至少3个10其他都是3就能获得证书,拿到满分是很困难的。有意思的是,这门课讲了3种优化方法:Constraint Programming、Local Search和Linear & Integer Programming,每种方法都能解决上述作业,各有优劣,学生可以按照自己熟悉的方法解题,满分的solution往往都是几种方法的混合。作业不限制编程语言和类库,只要能找到最优结果就行。作业还有排行榜,把大家的计算结果进行排行,有时候你吭哧吭哧优化了半天,自以为不错,但是发现和别人的差距超级大。

这门课的视频量和作业量都很大,每周大约十几个小时的编程,有时候我会思考一个作业好几天,很辛苦也很有乐趣,就像老师在视频里讲的:It's going to be a lot of fun and a lot of work, But a lot of fun。 所以过了这门课我还是很有成就感的。

课程的视频我已经备份下来,留作以后参考。[百度网盘](http://pan.baidu.com/s/1ntDWbX3)

Monkey_D_Law 评论了课程: Maps and the Geospatial Revolution

2015-05-16 15:17

老师语速挺快的,还好视频量不大,课程还补充了很多文字讲义,内容和视频差不多,讲义可能能具体一点。
测试都蛮简单,认真过一遍,都能拿满分。最后的final project要花一点心思,发现国外的学生都做的很用心,也很专业。
最后吐槽下课程名字,感觉叫“基于地图的数据可视化”更能切合内容吧。

manashuodedui 评论了课程: JavaScript

2015-05-01 16:30

不错的课程

王亮_eecs 评论了课程: Pattern Discovery in Data Mining

2015-03-22 12:54

老师是数据挖掘领域的大牛,这门课第一次开,还是有一些不足。

课程内容很丰富,糅合了很多近些年数据挖掘领域提出的算法模型,但也仅仅是粗浅的介绍,很多算法甚至只提了一下名字。对于初学者来说,是很难能够深刻理解的。

关于作业,只有每周的quiz,而且quiz里面还被发现了一些答案有误的情况。。。对学习者的体验还是有些影响。另外,个人觉得最好能够配合一些编程作业,提高动手能力。

skyline打酱油 评论了课程: Mining Massive Datasets

2015-03-20 14:50

正在上这门课,由于横跨了春节假期,加上其他的事情,误了多个quiz的deadline,但是会把课程修完,作业做好,拿不到证书也ok。感觉就是,覆盖面非常广,涉及聚类、推荐系统、信息检索、数据流挖掘等等内容,但大多介绍了原理与问题,浅尝辄止。应该算是大数据的导论性质课程。对于我这种学渣还是挺有用的。

ototsuyume 评论了课程: Cloud Computing Concepts

2015-03-19 22:31

先声明一下,这不是一门入门课程,一点cs背景的人可以无视掉。

这门课跟大部分mooc的入门课程不同,从slide和project来看是uiuc的cs425 Distributed Systems(https://courses.engr.illinois.edu/cs425/fa2014/lectures.html)相当原汁原味的版本,换而言之就是一门大三大四甚至是研一的课程。课程分为两部分,第一部分重点是p2p,在第一周简单介绍了一下cloud computing的一些热点、概念和mapreduce后,第二周讲解的gossip protocol,第三周介绍了几个经典的p2p system,第四周介绍的cassandra也是经典的p2p kv database,第五周再讲解了几个经典的分布式算法。总而言之,讲解的虽然简略但其实精髓都介绍到,一些细节需要自己搜索维基百科和论文来看。作业设计的都不错,难度都有但其实消化好了不在话下,能把作业做好对课程的理解非常的大。

要说缺点就是paxos讲解的太简单,作为分布式系统中最重要的一个协议(没有之一),lamport给这个协议写了好几篇论文来解释,而后来也一直有其他学者做改进,但这门课只是对paxos做了非常简单的介绍。另一个缺点就是project是实现gossip membership协议,给出的程序有点坑爹,输出的地方有个溢出会覆盖掉一个变量导致输出的log被覆盖,而且说实在话现在业界的体系都是centralize的居多,p2p由于维护和开发都比较麻烦所以实际应用的比较少,从这点来看这个project才意义并不是十分大。

另外顺带推荐一下mit的6.824 distributed system(http://nil.csail.mit.edu/6.824/2015/),跟这门课程相比,mit的几乎是没有理论的讲解,全部都是根据各种system的论文来讲解,这其实是一个非常不错的切入点,毕竟这是一个非常工程化的方向,不过还是建议配合coursera的两门cloud computing一起食用会更佳。这门课的亮点是project采用了go作为开发语言,有人形容go是分布式时代c语言,用go来做项目可是令你省去一些细节上的理解。而这门课的project也是实打实的有意思,分别是实现mapreduce、paxos和kv store,在完成这些project的过程中遇到的那些问题很有可能就是你以后在实际开发distributed system中遇到的问题,https://github.com/ototsuyume/mit-6.824-distributed-system-2014spring这个是我完成的代码。

再吐槽一下,课程论坛上有一个讨论帖很热,大意就是对这门课程不满,那个楼主的理由大致是:
1、slide有拼写错误
2、老师有口音
3、太过理论,跟云计算没什么关系
4、作业居然用C++,为什么不是python,python是地球上最好的语言
5、太难,老师讲解是一带而过,跟作业的难度完全不相符。mooc应该是任何人都能学懂的
6、uiuc是野鸡大学,这门课没什么价值
第一二点其实没什么好吐槽的。第三四五点值得一战,而在那个楼主跟一群人战的时候他抛出了第六点的言论,下面立刻有人泪有满面:usnews上面cs排第五仅次于四大牛校的cmu/stanford/berkeley/mit的uiuc都算野鸡大学了,我们这种在自己国家都排不上号的大学算什么...

想飞的蜗牛007 评论了课程: Cloud Computing Concepts: Part 2

2015-03-16 09:24

想学 cloud computing

宋鑫要学习 评论了课程: 機器學習技法 (Machine Learning Techniques)

2015-03-11 17:46

1. 这门课是林轩田老师另一门课《机器学习基石》的后续课程,需要先学基石,再学技法;
2. 同Andrew Ng的机器学习课程相比,林老师的两门课更有深度,更重理论,趣味性上不输Ng的课;Ng的课强在注重实践,另外,Ng的课上有一些书本上不会写的ML黑魔法;
3. 课程视频不甚难,有一点本科微积分和统计的基础基本都能看懂;
4. 课后习题很重公式推导和程序实验,理论与实践并重。数学基础不好的人推导公式时会感觉十分吃力;程序实验题需要用到一些常用的机器学习包比如cvxopt,libsvm等,但是课程里并没有相应的引导,所以之前没接触过这些包的人也会十分吃力。 过年回家做作业做到半夜两点钟这种事情你以为我会告诉你吗

秋天的果实爱发呆 评论了课程: 紅樓夢 (The Red Chamber Dream)

2015-02-24 20:09

怎么看呢,好像不支持XP系统了

唐家声i 评论了课程: 機器學習技法 (Machine Learning Techniques)

2015-02-24 09:00

这门课算是结束了,因为太忙,证书拿得略带波折。
对这门课很有感情,因为第一门mooc证书就是一年前的机器学习基石,现在拿到了技法这门课的证书(等待最后发出来),也算是小圆满。
技法这门课,林老师讲授了很多有用的算法。本来讲到太多的算法,略有无头绪的感觉,但是这门课高质量的地方在于,林老师高度的概括和总结能力,几幅图,就把算法之间的关系和结构理清楚,按着这个结构,自己在头脑中过一遍全部内容,也会更加清晰。
作业方面,一如既往地难度高、压力大。很少会有mooc课程让我感受到这么大的作业压力。但是老师精心设计的作业,绝对会加深我们的理解。作业上,虽然有几个小错误,但是瑕不掩瑜。另外,第二次作业开始,每一次答题从以前的只给分数,变成了question level explaination了,这个设计着实让很多人松了口气...
林老师的课程理论一直很强,基石、技法皆如此。如果不只想做一个机器学习的爱好者,而是真正走进去的话,这两门课是不二选择。
最后,感谢林老师,没有这两门课,我也不会有机会获得现在的一些机会。
p.s. 看后期的论坛,发现drop掉的人还是蛮多的,这和基石第一次开课的时候一样。

爱折腾的海宇Zhen 评论了课程: R Programming

2015-02-16 08:18

趁着寒假把这门课跟下来了。一共4周的内容不算多,都是R语言基础的东西:
W1: basic data types & subsetting
W2: control structure & scoping rules
W3: 各种loop function(反正我是晕了,都是用到现查)
W4: simulation (说白了就是怎么用R实现蒙特卡洛仿真)

编程作业和quiz是真刀实枪,主要靠做题来消化巩固知识+上手R编程

KazenoyumeChen 评论了课程: 機器學習基石 (Machine Learning Foundations)

2015-02-07 15:58

这门课是我目前上过Machine Learning方面最好最系统的课程。

首先,跟Andrew Ng在Coursera上的Machine Learning相比,它讲得更加的深入,比如在刚开始的时候就讲了一些统计学习方面的知识,像VC Bound和noise。而在后来讲linear model的时候,林老师一再解释这些模型的物理含义,同时又对比了这些模型的相似和不相似之处。

这门课程的大概知识体系是这样的:
1. 什么时候才能用机器学习。
2. 机器学习为什么能学到东西,这里重点推导了泛化误差的上界。
3. 机器学习的简单算法,像linear regression、perceptron、logistic regression。
4. 机器学习的tricks,这节比较重点地介绍了regularization。

跟之前我所上过的ML相比,这课程cover的内容更少,但是讲解得更加深入。这课程每两周都会有一次作业,作业较难而且量相当的大,不过做完之后会实现这些常用的机器学习算法,有一种廓然开朗的感觉。

最后再说一下,林老师的幽默例子才是这门课程的学习重点。 :)

风落疏篱 评论了课程: R Programming

2015-02-02 01:07

课程很短,只有4周,涵盖的内容不是很多,只能对r语言有个基本大概的了解。课程的slides做得比较枯燥,字体太小,空白很多;老师基本是照着slides念。不过作业题和编程题感觉还不错,做下来收获比听课大多了

北魏帝企鹅 评论了课程: 機器學習基石 (Machine Learning Foundations)

2015-01-15 11:51

终于把这门课听完了。本人是在技法课开始后才发现这门基石课的。所以放下一切事情,火速用2个礼拜把所有的视频都过了一遍。之前读过一本书introduction to statistical learning,对于很多概念只有直觉上的理解,比如模型复杂度。上了这门课才算对这些艰深的概念有了初步了解。囫囵吞枣一遍后赶紧开始技法的学习。目前刚讲完SVM。AD的machine learning最大的缺点是后半部分讲的太浅。因为理解的浅,所以即便代码都编对了,对于问题也没有任何深入的理解。
相比之下,林老师就讲的非常深入,讲义也很棒,非常适合复习。如果想系统的学习machine learning,没有比这门课更棒的入门材料了。5星推荐。
刚把第一次作业做完,并不容易。但如果太容易不就没趣了么。哈哈。
相信技法学完后,再深入学习machine learning的其他艰深材料,都不会发怵了。

超級現實的超現實理想主義者 评论了课程: 機器學習基石 (Machine Learning Foundations)

2015-01-01 11:11

距离这门课结束发放证书已经有一段时间了,想借此机会分享一下自己对于学习的感悟。

正如大家所说的,机器学习基石课程的质量非常高,但是也很有挑战性。一年前第一轮开的时候因为水平有限,很早就放弃了,等到第二轮开课才搞定。我想在这里分享一些个人经验和感悟,希望有朋友能从中受益。

首先我想谈谈所谓“抽象”(Abstraction)的思想:
从我个人过去的学习经历来说,每当刚刚接触新的知识,因为不清楚什么东西是重要的,什么是不重要的,所以常常会出现钻牛角尖、死抠细节的现象。这门课的一个优点---同时对于初学者来说也是一个隐含的缺点---就是课程的内容非常详细。林老师常常会对一个问题作出很完整的解释,等整门课程学完以后回过头来再看,其实其中很多细节性的概念仅仅是因为追求课程内容的完整而展示,即便对此没有真正理解和掌握也不影响学习和通过这门课程。但有些地方如果细细回味会发现,林老师对于一些细节做了模糊处理,背后的潜在意味可能是:“这个东西很难,或者不是特别重要,你们不能完全掌握也不影响课程的学习,但是因为追求课程内容的完整,我还是会把这些内容放上来让你们知道大概怎么回事,如果感兴趣的朋友可以课外去钻研”。但是对于初学者来说,这些处理可能会产生负面的效果:“这个地方林老师说得这么轻描淡写,是不是这个是课程的Pre-requisite?完了,完全不知道这是什么,看来我还不能胜任这门课程...“ 进而会对课程产生恐惧心理,甚至退课。

大概在8月份的时候,我开始渐渐领悟到“抽象”的思想,这个概念还是在MIT那门“电路原理”里接触的。简单地说,例如:对于电气的工程师来说,他即便完全不明白底层的物理原理和性质,也不影响他设计电路系统;对于操作系统开发工程师来说,即便他不了解计算机是如何被制造的,也不影响他的工作;对于机器学习领域的工程师,他也不一定需要知道操作系统或者计算机语言是如何运行的。人类之所以能够制造出复杂的系统,正是在这一步步的抽象的过程中完成的。这也是为什么会有“工程师”和“科学家”这样的区分。没有一个人能够掌握每一层的细节,你所能做的就是相信你所依靠的其他层面的支撑部分已经被其他人实现和证明了,你只需要完成你所在这一层的工作。

学习这门课也需要有“抽象”的思维。例如课程一开始讲的Hoeffding's Inequality相信给了不少人当头一棒:“这是什么?以前学概率论的时候没听说过啊!”当时第一轮我就是因为这个而退课。后来过了几个月学MIT在edX的“概率论”课程的时候,Hoeffding's Inequality仅仅是在Supplementary Materials中出现,因为即便不理解这个Inequality是如何证明的也不影响课程进度,所以我就没看这个资料。再回过头来谈机器学习基石,知道这个概念是什么,能干什么,至于不知道概念从何而来,为什么会这样等等,其实也不影响课程的学习。换句话说,培养自己“抽象”的思维方式,就是要学会有些地方需要“拿来主义”。

很多年前听到过一句话,大概是丁肇中说的,大意就是:要学会“不求甚解”。现在总算明白这句话背后的含义。

不过“抽象”思维也有Downside, 一旦习惯了“不求甚解”,有些地方会出现思维定势,这也解释了为什么有时会发生外行颠覆内行的现象。不过这个是后话了。


我要谈的另一个话题是关于自信心:
MOOC的证书机制对我帮助最大的就是帮助我一步步建立自信心。我觉得第一次接触一个未知东西所带来的恐惧是最难的心理障碍,而等到自己突破心障,充分接触了以后回过头来再看其实也就那么回事。

因为专业不同,这些内容都是依靠自学,没有受到正规的学校教育,而MOOC的题目能够给予反馈,并且最后会发放成绩和证书,会从侧面告诉你,这门课哪些是重要的,哪些不能掌握也没有太大关系,这一点对我来说就非常重要。相比自学其他材料(例如MIT OCW),如果没有一个反馈机制,可能你会感觉像个无头苍蝇,等遇到一个障碍后很轻易就可能会放弃了。

最后一点就是“Learning By Doing”,亲手解决一个问题和没有解决这个问题,心理状态是完全不一样的。同一个人,如果只看课程视频而不做配套的练习或者解决相关的问题,和解决了相关练习或问题后的差别是巨大的;同理,知道实务中一个问题是如何解决和真正动手解决这个问题差别也是巨大的,而这些差别主要是心理上的。

sonach 评论了课程: Algorithms: Design and Analysis, Part 1

2014-12-05 22:54

非常赞,对思路的讲解非常到位!

裁歌 评论了课程: Fundamentals of Digital Image and Video Processing

2014-11-25 16:27

老师口音很重……可能是我个人问题,看这个课的时候完全无法集中精力QAQ 还不如看冈萨雷斯的书来的清楚。心塞= =

Nano环境微生物 评论了课程: Data Analysis and Statistical Inference

2014-11-20 11:47

刚上完第二门在MOOC上的课。总的说,不错很赞。本科如果在国内好好上过数理统计的话,上这门课会感觉互补性很强。老师比较注意概念和实际的例子,把贝叶斯和simulation的概念讲得非常清楚。R语言也是第一次学,比较简单,容易上手。当然不足的地方,就是数学推导全部跳过了;不过随便找一本国内工科数理统计的教材对照学,效果就更好了。

超級現實的超現實理想主義者 评论了课程: A System View of Communications: From Signals to Packets (Part 1)

2014-11-09 08:40

本课讲述了数据传输从发送端到接收端的处理。老师讲得很清楚。 值得一提的是,这门课的Lab貌似是我上过的课里第一门Auto-grade作图的,其它的课考察作图都是采用Peer-assessment。

课程本身不难,但是内容很有诚意,很不错的入门课程,相当推荐。

树下的龙猫 评论了课程: Machine Learning

2014-10-23 16:15

求问怎样看这门课程,连过去发现是预告状态。如能告之,感激涕零。

C-海涵 评论了课程: 微影人的自我修养

2014-10-15 18:41

啊!资磁资磁!(ง •̀_•́)ง
在上课的时候趁热打铁注册资磁了会不会有问题啊╮(╯▽╰)╭
反正上课可以看电影在忙碌的大二确实很开心~

瑞雪骄yang 评论了课程: 職場素養 (Professionalism)

2014-09-17 13:27

该课程很好!很受启发! 谢谢!

Tensorspace 评论了课程: An Introduction to Functional Analysis

2014-09-13 17:58

One of my professor told me: you'd better learn some functional analysis or real analysis despite of all math courses you've taken in undergraduate years.

Monkey_D_Law 评论了课程: Programming for Everybody

2014-09-03 19:39

说实话,有点被课程简介忽悠了,当时以为是和数据处理相关的,加上有本配套教材,适合系统的学习python。。后来发现实在是太简单了。很基础很基础,基础到我觉得老师有点啰嗦了。讲function那章时,老师强调一个知识点N遍了,然后自己咕噜了一句:”I probably said that a few too many times。当时笑喷。
每周大概看视频完成作业一小时,看配套的教材一小时。很轻松。而且作业都非常简单,我记得最长的代码也就20来行。这里推荐下配套的教材,非常不错。。总而言之,你要是第一次接触编程,特别是从来没写过程序的,这门课还是蛮不错的。

侯爵囚禁在贵大 评论了课程: Neural Networks for Machine Learning

2014-09-03 08:34

深度学习是不是已经没有 开课了额

1286770120_7d9ee5 评论了课程: Python

2014-09-02 13:44

课程非常不错

Monkey_D_Law 评论了课程: Linux System Administration Essentials

2014-08-31 17:07

视频量太少,完全不像是网络公开课的样子,主要是阅读材料,还都是英文的。学到第三章的section2,看满屏的英文,实在看不下去了,就跑去做期末题,发现还蛮简单。个人觉得,上这课还不如好好把鸟哥的书看一下。起码语言上没障碍。

大吃一惊异 评论了课程: Algorithms: Design and Analysis, Part 2

2014-08-09 16:08

吸取了第一部分的教训,放弃了Python改用Go。运行效率唰唰唰得上去了,再也不(mei)用(you)担(jie)心(kou)程序跑个几分钟了。这门课感觉quiz明显比编程难。编程作业基本上实现了课上讲过的算法就能比较轻松得的到结果了(即使是那个tsp的boss battle随便写写也能几十秒跑完),quiz没思路的时候那叫个难受啊。上完之后意犹未尽,继续钻研还是要自己看书啊。

专用浏览号 评论了课程: Linux System Administration Essentials

2014-08-01 14:10

竟然没人评论?

老爷不要啊啊啊 评论了课程: The Hardware/Software Interface

2014-07-28 07:06

我做一个2分法来概述这门课的内容, 前一半程序在汇编和机器级别上的执行情况, 具体说是汇编语言阅读理解和位操作; 后一半Caching
对于没有former exposure的学生, 这门课不能用ad-hoc的方法和self-contained的看法去对待, 这是大量学生在lab1和lab2退出的原因. Video只是老师对textbook的简要陈述, 无法取代textbook. Textbook要做题, 要动笔.
端正了学习的方法和态度后, 你可以有一个高质量的知识吸收, 由困惑造成的挫折感会很少, 这个过程是非常愉快的, 不是最终grade能体现的(如果全独立完成, grade是能够体现其中区别的). 祝你学习顺利

老爷不要啊啊啊 评论了课程: Introduction to Probability - The Science of Uncertainty

2014-07-27 15:13

这门课由于开头5个Unit切题切的比较轻松, 所以前半段没有去论坛玩, Unit 6开始Pset不得不参考一下论坛了, 发现论坛其实是个很有趣的地方, 就"住"了下来, 不切题也去耍耍, 退休的职业Poker选手Mark, 数学博士毕业后做了一辈子心理医生的mmstoke, 程序员Bayram, 还有几个助教, 都有很好的交流, 有力量也会在论坛里答疑, 直到论坛关闭才离开. 之后加了2个群, 现在里面还有新帖子出现.

老爷不要啊啊啊 评论了课程: Algorithms: Design and Analysis, Part 2

2014-07-27 14:52

Part2学了快一年了, 唯一一门尽力了还是跌破90分的课. 确实是相当的困难, 第一次学习能吸收的相当有限. TSP最好使用课上没有讲解的剪枝, 对所给的data set运行时间是不可接受的. 我时间来不及, 几乎放弃, 结果一个南洋理工的计算学博士单骑杀出, 给出了一个贪心的思路, 救我于水火, 神奇般的只要一瞬间(Python). 之后2SAT也只稍逊一筹, 已经用了SCC去优化, 3小时下来也只跑出5个结果.
最后的期末只拿了78%, 总分跌破90收场. 这次经历让我对另一门离散优化变得相当敬畏.

超級現實的超現實理想主義者 评论了课程: Physics 1 for Physical Science Majors

2014-07-19 18:08

上这门课之前我的物理停留在初中水平(高中玩了两年,高三选的是历史,所以自初中毕业以后基本上就和物理绝缘)

因为在上一些网络课程的时候发现对提到的很多基础物理概念非常陌生,所以觉得自己有必要从头开始搞起。

目前大学物理1各个MOOC平台上最有名的是MIT那门力学,内容应该和我现在点评的这门课差不多。不过最后还是选择了这门课,主要还是个人偏好吧。

因为内心里总觉得大物1比较简单,不太想在这个上面花太多时间去练习,发现这门课更适合我。这门课的老师讲的非常好,概念讲的非常清楚,以至于我基本上什么也不要做,打开视频一直播放到底就行了...

6月初的时候开始听这门课,一有空余时间就听一下,前后花了一个多月,感觉还是挺享受的

Nano环境微生物 评论了课程: English Composition I: Achieving Expertise

2014-07-13 12:21

这门课不错。我更希望4年前上博士的时候能有机会上这样的课。老师讲了很多学术写作需要注意的基本知识。我个人上完之后,会注意一些写作concise style, 有意识减少”to be " structure 和被动语态,知道了op-ed和non fiction creative writing的形式,做了不少练习。值得拥有,强烈推荐!

Monkey_D_Law 评论了课程: The Data Scientist’s Toolbox

2014-07-09 15:18

略水的一门课,持续时间虽然有四周,但是工作量明显一天能搞定。老师语速比较快,课也讲的一般般,感觉例子要么偏少,要么废话略多。

这课是Data Science Specialization的第一门课,希望后续课程能给力一点。

大吃一惊异 评论了课程: Design of Computer Programs

2014-06-29 12:29

对这门课有复杂的情感。一方面,Norvig讲课很好,他选的几个topic我挺喜欢的(搜索,造工具,概率reasoning等等),看大神解决问题的过程很过瘾。另一方面,他让学生实践的切入点通常是通过各种游戏和puzzle,这个不太对我胃口。本人对扑克,保龄球,飞镖什么的一点都没兴趣,为了完成作业还得实现他们的规则,略感蛋疼。最大的收获是bird by bird。

Monkey_D_Law 评论了课程: Introduction to Guitar

2014-06-28 16:05

如果说市面上一般的吉他书教你练招式,那这门课则是教你练内功,没有划弦击弦等招式,更多的从乐理上让你学习了解吉他,让你知道节拍器的重要性,给你讲和弦的由来。

所以这门课最适合那些接触过吉他,但是始终徘徊在扫弦阶段的同学,也推荐第一次接触吉他的朋友。

至于作业嘛,很简单,以前业余练过吉他的上这门课,每周最多花2小时就OK

比较遗憾的是,MOOC上没有后续课程了,桑感~

大吃一惊异 评论了课程: Algorithms: Design and Analysis, Part 1

2014-06-22 02:16

Another back to basics review of CS fundamentals.

这课是上完了Sedgewick的数据结构接着看的。和Sedgewick不同的是,他给出的证明比较多,而implementation detail通常会略过。编程作业非常好得illustrate了高效算法的作用。用比较蠢的算法可能得让机器死磕个几个小时,但是换上了efficient algorithm就是(sub)second出结果。我实现的时候都是用的Python,开始用的CPython但是第四个作业光read input就花了十几秒,用了PyPy两秒就读完了。