ihower { blogging }

延續 Introduction to Big Data with Spark 課程，紀錄 2015/7 月在 edx 的 Scalable Machine Learning 上課心得紀錄。

除了 Machine Learning 之外，有 1/3 的內容在強調跟講解 large scale 的情況跟需求，也就是 distributed algorithm。當資料很大、維度很大時，演算法只能用逼近解，不能用 closed-form 解會太慢。

閱讀全文〈edX: Scalable Machine Learning 上課心得〉

紀錄 2015/6-7 月間，在 edx 上 Introduction to Big Data with Spark 的上課心得紀錄。(竟然拖了一年才整理到 blog 上… XD)

這堂課著重在 Data Processing 部分，特別是熟悉 map reduce 技能。除了看錄影之外，精華其實在 lab 實作，透過作業走過 Big data 的重要流程。

閱讀全文〈edx: Introduction to Big Data with Spark 上課心得〉

整理記錄一下在 Coursera 修台大資工林軒田老師的機器學習課程心得，分成兩門課上下兩個學期。

2016年2月9日 21:12 UTC+08

拿到台大機器學習技法的證書啦 t.co/AwlAdFgkj0 #coursera # 努力了半年終於解開 Machine Learning 的成就，在技法課中實作了 SVM、AdaBoost、Decision Tree 和 NNet 演算法。

2015年12月28日 21:33 UTC+08

接連兩個機器學習作業實作出 AdaBoost 和 Decision Tree(CART) 及 Random forest (我用Ruby寫)，跟其他模型相比，難得不需要太多數學，感覺簡單多了 XD 另外發現 Python scikit-learn 的 Decision Tree 也是用 CART 演算法，所以也拿來測了一下自己寫的對不對，它還可以把決策樹匯出 Graphviz 圖真是太棒了。 接下來要進入類神經網路了。

2015年11月11日 0:02 UTC+08

交了 Coursera 台大機器學習基石最後一次作業，收穫頗豐，每次作業都寫好久。這堂課比較偏理論，上到第二次作業最理論的時候，差點就要放棄了，好險撐了下來後面講 overfitting 的部分我認為是這堂課最精彩的部分。為什麼做 feature transform 和 regularation，如何用 validation 等等，理論貫穿前後。這些其實之前在修 edX Spark ML 課的時候，也有照著用這些技巧，但是都不知道為什麼，現在知道理論之後超有感覺。 接著就是機器學習技法了，感覺又是一整個超難，SVM 我來了!

今年 2015/8/22-23 去參加了台灣資料科學愛好者年會，這是當時的筆記整理。另外還有 會眾版的 hackpad 筆記

閱讀全文〈台灣資料科學愛好者年會 2015 心得筆記〉