Чтобы добавлять сообщения и комментарии, .

@ymn:
ymn

на почту прилетел statement of accomplishment например.

@ymn:
ymn

Свершилось! В ml-class добавили долгожданную кнопочку "Web Submission". ня!

@ymn:
ymn

внезапно, сегодня надо бы сдать "Linear Regression with Multiple Variables", но мы с женой идем на футбол. дилемма.

@Darion:
Darion

Вот и ml-class закончился. Тихо и спокойно, без финальных экзаменов.

@Darion:
Darion

Запустил ex6.m на подбор C и sigma на нетбуке? Пойди попей чаю^W^W поспи, утром получишь результаты.

@Darion:
Darion

В ml-class циферки распознали, работу сдали. Нужно как-нибудь выделить время и заняться распознаванием капч, которые используются на работе.

@Darion:
Darion

Полусонно въезжать, что и как требуется сделать в этом вот задании, совсем не так весело, как "О, мы будем распознавать рукописные циферки!".

@masai:
masai

Что-то домашки вообще радовать перестали. В ai-class я в одном вопросе в домашке, где был алгоритм kNN, лажанул из-за плохого глазомера. Не ту точку за ближайшую принял. Обидно, алгоритм-то знаю.
Домашка с цифрами в ml-class вообще ерунда. Нужно векторизовать регуляризованную функцию потерь. Блин, я её ещё в прошлой домашке векторизованной сделал сразу. Тупо сейчас скопировал и получил 20 баллов. Во втором пунктике в хинтах вообще всё задание сделано, только до кучи собрать.
*-class уже не торт!

@zajatz:
zajatz

Интересно, будут ли выпущены Errata к слайдам. Местами Ng очень уж вольно с минусами и скобками обращается.

@Darion:
Darion

Вырвался от отставания в ml-class (в ai пока не отставал). На db времени уже нет.
Получается пока не очень глубоко. В тонкостях и собственных дополнительных вопросах не хватает времени разобраться.
Сабы для ml кто-то выложил отдельно на Q&A Forum. Но они ужасны. Создается впечатление, что распознавали голос автоматически. Cos вместо cost, mission вместо machine, и прочие очень странные "опечатки". Предложил автору выложить сабы на гитхаб, но своего поста почему-то пока не вижу. Премодерация?

@masai:
masai

Набросал быстренько программы на Octave для первой домашки. PDF’ка какая-то мутная, проще было по очереди открывать файлы и самому писать.
Не понял, в чём разница между gradientDescent и gradientDescentMulti. Дядька же сам рассказывал про векторизацию и прочее. Тупо вставил код первого во второе и всё прекрасно засабмитилось. Аналогично с cost function. А код для нормального уравнения вообще уже глаза намозолил в лекции.
Совсем непонятно, как и за что они там баллы начисляют. У меня значения баллов:
10.00, 40.00, 50.00, 10.00, 15.00, 15.00, 10.00.
У остальных так же? Это типа по уровню сложности? Если да, то какая-то неадекватная сложность.

@masai:
masai

С ai-class я тупанул, а теперь внезапно обнаружил, что не ответил вовремя на review questions. Так что теперь даже за все правильные ответы влепили мне по 4 балла. Не быть мне отличником, как ни крути. :)
Кстати, ML Class мне больше понравился, тут нет размусоливания одной задачи и Ng не боится писать формулы. Нового, конечно, ничего не узнал пока что, но всё равно интересно смотреть, чтобы знать, как там у них в Стэнфордах преподают всё это дело.

@Darion:
Darion

В стэнфордском курсе по Machine Learning студенты отмечаются, кто откуда, на гуглокарте: maps.google.com <maps.google.com>
Немного там однако отметившихся из России, Украины и прочих дружественных стран.