怎样学习Geoffrey Hinton的Coursera课程机器学习与神经网络
不邀自来，我之前看过吴恩达的coursera机器学习课、CS229、EdX上的一个机器学习课（哥伦比亚大学开的）、林轩田的机器学习基石和机器学习技法、斯坦福的CS224d等等，算是有一定基础。这课目前刷到一半，涵盖了基本的神经网络、反向传播、RNN、CNN、优化和防止过拟合等等。先说一个偏题的结论：严重不推荐没有基础的初学者学习这门课
得出这个结论有几个原因，我大致列一下，可能没什么逻辑
这门课最核心的问题是内容稍微有点落后。要注意这门课首开大概是2012、2013年左右，彼时Word2vec、GloVe等等词向量模型还没兴起起来，虽然有一些做词嵌入的工作，但是毕竟在萌芽时代。对RNN来讲，GRU应该是2014年问世。而优化方法里，Adam优化器似乎也是近几年提出的。Hinton在2012年是没法讲到这些新的，比较火的概念的。此外，2012年的时候，大规模，大数据量的深度学习应该还没火起来，现有的（另一些）火热概念虽然当时已经问世，但是似乎没有得到足够的重视。比如Hinton讲的LSTM就……讲得不太好在上这门课之前我看到所有的评价都是这门课很难，但是上到现在，负责任地说，这门课里面理论的部分难度比不上林轩田和哥伦比亚，甚至也不如CS229和CS224d。实际上，一些可能很难的内容Hinton讲得犹抱琵琶半遮面，有点点到为止的感觉。个人感觉要么就像吴恩达的coursera那样完全屏蔽，要么就像林轩田那样掰开揉碎讲透，Hinton的处理方法个人不是太喜欢个人感觉另一个比较郁闷的问题是Hinton的课涵盖的东西比较偏，一方面可能也是时代限制，另一方面感觉是MOOC老师夹带私货的通病。我并不是指责夹带私货是不好的事情，也不是指责只有Hinton夹带私货，但是这个事情要看程度。林轩田在机器学习两课里总是会提台大在KDD Cup里多NB，CS224d里讲得各种方法也以Manning和Socher的研究成果为主，所以夹带私货是普遍现象。不过Hinton的课里，比如RNN里面大谈Hessian Free优化法、回声状态网络，包括他提到的一些名词，感觉都是在自己的体系里，听着有点别扭习题与授课内容难度有脱节。我是在和我一个朋友一起看这个课，看完的感觉都是课程内容有点偏，习题内容虽然离主流不远的，但是比授课内容难上很多，做起来可能稍微有点吃力内容稍有逻辑混乱的地方，有时候讲讲A突然讲到B。这种东西更多是个人感觉，见仁见智作业是Matlab，不如python用起来好上手最后，回到题主的问题。由于这个问题没有什么补充说明，我看不到楼主遇到了什么问题，因此只能大概说一下：
如果是初学者，建议不要听，去看吴恩达的课。事实上如果不是因为我不想半途而废，以及觉得自己看了太多公开课需要找个方向深入，我会这么干的如果有一定基础，刷刷课件，找不懂的地方看看视频，大概了解一下就可以了。无论如何毕竟开课者是深度学习的奠基人之一，从其他角度解释问题也可以带来一些新颖的观点
■网友
也没啥，有基础的话随便看看就行。入门的话还是推荐ng的课程，在学术水平上，hinton虽然是教父级别的大神，但讲课这种事情，我还是觉得ng讲得好。
■网友
谢邀，你可以把他当成当你写完所有的非监督学习，深度学习，贝叶斯各种近似方法，各种模型，看完一本大部头机器学习书之后的一次重新回顾整合。
■网友
【怎样学习Geoffrey Hinton的Coursera课程机器学习与神经网络】 谢邀，ng的课先看一遍再说，ng讲课是真的通俗易懂，然后再看这个，相当于从不同的角度来回顾复习，会有不同的想法和新的理解。
■网友
没有看这个课程的材料。不知道hinton是如何讲bp算法这个神经网络的核心技术的。hinton经常号称自己是bp算法的发明人，并以此享受无耻媒体授予的“深度学习之父”的虚名。实际上，bp算法不是hinton提出的，hinton在课程里说明白了吗？向上了这个课程的同学们求证。
推荐阅读
- 聪明人养花，这3种“花”怎样也要养一盆，每年能省不少医药费
- 互联网怎样解决“家政服务上门速度慢”的问题
- 怎样看待从1月8号起，QQ钱包开始提现收费
- 银行it人怎样转型
- 汽车|冬天怎样让车内温度快速升高？座椅加热的最佳使用方式二，外循环的作用总结
- 怎样进入通信行业
- 怎样评价扶他柠檬茶的小说《云养汉》的结尾
- 怎样成为一名合格的Python程序员?
- 怎样评价华为、诺基亚、中兴中标中国移动高端路由交换设备扩容集采
- 怎样评价类似前橙会、百老汇、南极圈这样类型的离职帮抱团，对企业的积极意义和消极意义