gycheng 评论了课程: Networks, Crowds and Markets

2014-05-20 19:20

证书妥妥的拿到了，其实没什么太多可写的，就随便写几句留念吧。先坦白这门课，我是冲着Jon Kleinberg去听的。
之前有在看“Networks, Crowds, and Markets: Reasoning About a Highly Connected World”这本书，导致对这门课有了错误的预期。课程比书简单很多，主要是围绕着一些基本概念进行阐述的，讲得很细，会从定义、具体实例等多个方面反复讲述，而且跳过了所有复杂的证明，高中以上的听懂应该是没问题。真的就像课程预备知识里写的那样，高中代数再加一些基本的概率知识就可以了。作业中没有编程、设计与论述题，都是关于概念的选择题。
课程中间也有一些对工业界牛人的访谈和老师们关于课程内容的讨论。个人觉得访谈比较好，尤其是Amit Singhal那次。
作为Social and Economic Networks的入门课程应该是不错的选择，而且老师们很贴心的在课程最后列出了其他相关公开课、书籍的名称和网址，方便大家进一步进修。
三位老师里，只有Eva Tardos口音略重，其他人都是慢且清晰。英文字幕偶尔有错、不多，应该能听出来。如果一定要说这门课有哪里让人很不爽的话，就是视频在youtube上，直接导致修这门课的小伙伴略少啊。有在课程结束的调查里写到这件事，不知道下次他们会不会提供视频下载方便国内的孩纸们，希望吧~

gycheng 评论了课程: Introduction to Recommender Systems

2014-01-15 20:02

明尼苏达大学是最早开始推荐系统研究的几所学校之一。还有那个鼎鼎大名的数据集Movielens也是出自这里，实际上课程所有编程作业的数据集也是取自Movielens系统，只不过这次用户和评分来源于上课的学生在第一次课后的打分。

内容：课程从概述、非个性化推荐、基于用户的推荐、评估、基于物品的推荐、降维等几个方面进行讲解。整个课程总共14周，平均到每个部分也就只有2周的时间，虽然课程视频非常多，但是每部分也只能做到了解基本概念和最常用的算法，更多细节和深入研究就只能靠大家课余自修了。关于推荐系统那些需要翻故纸堆的历史、发展脉络和基本概念老师可是讲得非常清楚呢，对于想补上基本概念这块的孩纸是值得一听的。这门课比较有意思的地方是课程中的那些interview，可以说推荐系统方面方向活跃的知名人物都有请到，虽然由于时间关系以及谈论的内容要与当时课程刚讲过的相关，所以访谈的内容比较浅，很多只是蜻蜓点水，但还是非常难得，里面有许多可以深入思考的点。由于课程过程中，恰逢ACM recsys会议在香港召开，专门有一次视频是老师讲了他们筹备第一次recsys会议的事情，以及请这次去参会的同学谈收获。有兴趣了解那次会议内容的也可以看看豆瓣阿稳同学的论文导读( http://www.wentrue.net/blog/?p=1557 )。事实上，recsys课程是秋季开课，如果下次依旧会做网络公开课的话，课程进行中还是会遭遇在加州召开的下一届recsys。大家总是能从这个课程中听到一些recsys最新的发展动态。

视频：长啊好长啊，时常出现40分钟甚至1个小时的视频，尤其以评估那部分为最，真的是看得累死我了。两个老师语速都不快，也没有奇怪的口音，赶时间或者着急的同学可以把视频播放速度调到1.25倍甚至1.5倍，即便这样还是会比那些语速快的老师慢，但是调再快我觉得会出现变调的问题，听着不舒服。
视频部分如果说有什么不满，就是每次课后问答的视频，总是听不清提问的学生问的问题，每次都是听着老师的回答再猜问题。要是能听清问题，自己先思考一下答案会更好。

作业：分为编程和论述题，中间因为大家对peer view意见好大，也出过一次选择题。
编程题，由于两个讲师中的Michael D Ekstrand是lenskit的开发者，所以编程作业和很多关于编程部分的讲述都是基于lenskit的。唉，以难用著称的lenskit啊～虽然最终都是上传结果，不用框架自己用python或者R什么的也可以完成作业。但是还是会觉得不爽啊，有讲lenskit使用的时间多讲些算法方面的细节多好。在老师谈及是否会再次开课中，说要看Michael的时间，其实我到觉得换个可以让大家自己编写算法的老师，对后面同学其实是件好事。恩，我是框架的anti粉，所以这事就不辩论了。我看过的那篇很腹黑的关于recsys各个开源软件评价的blog找不到了，放个CSDN上的温和评价凑数吧。( http://blog.csdn.net/cserchen/article/details/14231153 )
写作题，这部分题主要是从决策者和架构师的角度来描述、设计推荐系统。在论坛上被很多同学所诟病的peer review指的就是这部分。其实我个人还蛮喜欢peer review的，当然给别人打分数是一件挠头的事情，自己得到的分数和自己预期的会不一样。但是其实也没有差那么多，每次writing assignment在总成绩中占6分，的确有我预期自己的分数应该大于5，最终分数就是5分的时候；但也有我以为自己只能拿到5分多点，实际却拿到6分的惊喜状况出现。何况对课件学习多上一些心，在两次exam中弥补那1分的偏差是非常容易的事情。peer review还意味着你会看到其他人的设计、分析，看到其他人是如何分析问题的，时间允许的情况下，每次review的时候我都会尽量多看几份。大家的作业都写的很认真，有些想法和设计也很有新意。而且老师事先写的评分指南，实际也是我们在设计系统时，应如何循序渐渐逐渐深入思考问题的指南。
除了算分数的两部分作业，我特别要赞一下的是视频中的Quiz(直接下载视频看的同学就看不到这部分了)。Quiz题目出得很好，都是对前面讲的那部分的总结，或者容易辨识不清的知识点，也是两次测验的热身，测验也是同样形式的选择题。当然测验的题目和Quiz是绝对不会重复的。

评分系统：总分100分，由编程题、写作题和两次考试组成。可以拿到SOA证书的条件是总分大于50分。课程分为所有作业都做的Programming Track和只做写作作业的Concepts Track。其中参加Concepts Track的同学，能拿到的满分是64分，在这种情况下，如果想拿到证书的话，对考试就一定要认真对待了，不要错得太离谱，考试的内容包括授课内容和访谈。看了几个得49，49.5分没有拿到证书的孩纸在论坛哭诉的帖子，被诟病的peer review的得分都不低，但是两次exam的分数就。。。

恩，最后说一下这门课适合的人群，理工科的大学生上着应该都没问题，包括经管类的同学。即使只上Concepts Track，只要仔细听课，拿到证书应该是没问题的。

最后贴一下 @MrDeadline 备份的课件 http://pan.baidu.com/s/1sjGrV2l 给有兴趣的同学，即使再次开课也是2014年秋季，没有这么快会听到消息啦。

gycheng 评论了课程: Learn to Program: The Fundamentals

2014-01-15 16:41

对于计算机专业的孩纸来说，很明显这是门水课。当初选这门的动机是想认真地从头学一下python，算是顺利达成目标，只是内容有些浅，而且老师们完全无意重开高一阶的课程，只是说有兴趣的可以去看以前的课程，这个有点儿遗憾。
两个老师语速都偏慢，讲解细致，又有可视化工具Python Visualizer用于详细了解程序具体执行步骤，可以说是零基础学习python编程的最佳选择。普通高中生学这门课应该都没有压力。课程中的Quiz、作业以及考试都中规中矩的，没什么特别惊喜。

Algorithms, Part I (CourseraArchive) 6 个评论 关注

开始时间: 04/22/2022 持续时间: 6 weeks

主页: https://www.coursera.org/course/algs4partI

简介: This course covers the essential information that every serious programmer needs to know about algorithms and data structures, with emphasis on applications and scientific performance analysis of Java implementations. Part I covers basic iterable data types, sorting, and searching algorithms.

Mathematical Biostatistics Boot Camp (CourseraArchive) 2 个评论 关注

开始时间: 04/22/2022 持续时间: 7 weeks

主页: https://www.coursera.org/course/biostats

简介: This class presents the fundamental probability and statistical concepts used in elementary data analysis. It will be taught at an introductory level for students with junior or senior college-level mathematical training including a working knowledge of calculus. A small amount of linear algebra and programming are useful for the class, but not required.

Computing for Data Analysis (CourseraArchive) 7 个评论 关注

开始时间: 04/22/2022 持续时间: 4 weeks

主页: https://www.coursera.org/course/compdata

简介: This course is about learning the fundamental computing skills necessary for effective data analysis. You will learn to program in R and to use R for reading data, writing functions, making informative graphs, and applying modern statistical methods.

Computational Methods for Data Analysis (CourseraArchive) 1 个评论 关注

开始时间: 04/22/2022 持续时间: 10 weeks

主页: https://www.coursera.org/course/compmethods

简介:

Artificial Intelligence Planning (CourseraArchive) 1 个评论 关注

开始时间: 04/22/2022 持续时间: 7 weeks

主页: https://www.coursera.org/course/aiplan

简介: The course aims to provide a foundation in artificial intelligence techniques for planning, with an overview of the wide spectrum of different problems and approaches, including their underlying theory and their applications.

Algorithms, Part II (CourseraArchive) 5 个评论 关注

开始时间: 04/22/2022 持续时间: 6 weeks

主页: https://www.coursera.org/course/algs4partII

简介: This course covers the essential information that every serious programmer needs to know about algorithms and data structures, with emphasis on applications and scientific performance analysis of Java implementations.

Algorithms: Design and Analysis, Part 1 (CourseraArchive) 5 个评论 关注

开始时间: 04/22/2022 持续时间: 6 weeks

主页: https://www.coursera.org/course/algo

简介: In this course you will learn several fundamental principles of algorithm design: divide-and-conquer methods, graph algorithms, practical data structures (heaps, hash tables, search trees), randomized algorithms, and more.

Algorithms: Design and Analysis, Part 2 (CourseraArchive) 4 个评论 关注

开始时间: 04/22/2022 持续时间: 6 weeks

主页: https://www.coursera.org/course/algo2

简介: In this course you will learn several fundamental principles of advanced algorithm design: greedy algorithms and applications; dynamic programming and applications; NP-completeness and what it means for the algorithm designer; the design and analysis of heuristics; and more.

Machine Learning (CourseraArchive) 29 个评论 关注

开始时间: 04/22/2022 持续时间: Unknown

主页: https://www.coursera.org/course/ml

简介: Learn about the most effective machine learning techniques, and gain practice implementing them and getting them to work for yourself.

機器學習基石 (Machine Learning Foundations) (CourseraArchive) 10 个评论 关注

开始时间: 04/22/2022 持续时间: 8 weeks

主页: https://www.coursera.org/course/ntumlone

简介: Machine learning is the study that allows computers to adaptively improve their performance with experience accumulated from the data observed. The course teaches the most fundamental algorithmic, theoretical and practical tools that any user of machine learning needs to know. [機器學習旨在讓電腦能由資料中累積的經驗來自我進步。本課程將介紹各領域中的機器學習使用者都應該知道的基礎演算法、理論及實務工具。]