【我的故事】 我的专业是控制系统,现在从事的工作主要包括控制理论、机器人和机器学习。2012年底刚到国外留学时的一天,在外出郊游的车上,有幸从一位叫yuhao的同学口中获知了Coursera这个平台,当时听着他对人工智能侃侃而谈,心里就暗暗记下了这个名字。回去以后,最先选了佐治亚理工的《移动机器人控制》和吴恩达的《机器学习》,前者是因为与自己专业相关,后者当时并不了解,之前也没有接触过人工智能,只是听yuhao的介绍,说这是创始人的经典课。 到现在接触MOOC已经快两年了,MOOC不管是给我专业还是生活,都带来了不一样的经历。从专业上来说,《机器学习》这门课用最直白简单的讲法,为我敞开了机器学习的大门,为我今后的学习和工作奠定了基础(虽然现在还在入门阶段)。从生活上来说,《中国》、《人类简史》、《怪诞行为学》等课程,着实让我开了眼界,这些课程既有趣,又有一定的知识量,让我在工作之余的时间没有荒废。我想,在未来的一段时间里,MOOC会像阅读一样,改变我们的生活习惯,越来越多地影响人们的技术水平和文化修养。 控制系统(Control Systems),在国内通常叫控制科学与工程、自动化。在MOOC中,直接讲控制理论的课程并不多,但通常都涵盖在很多课程的章节中。本帖主要列出“控制系统”“机器学习”和“学术研究”三部分的课程表,不足之处欢迎补充。我并没有列出所有我学过的课程,相反,以下很多课程我也还没有学完,这些只是与主题相关的课程列表。没上过的课不会急于评述,待上完课后还会回来更新。 【控制系统课单】 1. Coursera《Control of Mobile Robots(移动机器人的控制)》 这门课是Coursera上较早的一门课了,共7周。既介绍了最基本的经典控制学、PID控制,也有状态空间为代表的现代控制理论、稳定性分析、反馈控制、可控性可观性等等,干货不少。最大的特点是,不光有理论的介绍,还有很多实际的机器人实例,可以看作是一门用机器人举例的控制课,老师特别制作了机器人的MATLAB仿真,可以动手实验。 参考教材可以选择《Feedback Systems》,网上搜索有免费下载,中文翻译为《自动控制多学科视角》,但不建议使用中文译本,翻译质量很差。 2. 学堂在线《线性系统理论》 这门课是清华大学赵千川老师主讲,从状态空间开始,涵盖了线性系统理论的全部内容,与佐治亚理工大学的《移动机器人控制》有交集,但更偏向理论讲解与计算。由于内容比较多,战线也拉的很长,大约12周,还有期中和期末考试,所以大概只听了一半,没有跟完。今年9月将再次开课,希望到时候能继续把它学完。 这门课可能专业性较强,因此在论坛里讨论的人不多,但赵老师和他的团队却经常在论坛里回答问题,可以说非常努力地在跟学生交流。如果有不懂的地方,能及时得到老师的指点,也是非常不错的学习体验。 3. edX《Robot Mechanics and Control(机器人力学和控制)》 这是一门现场录制的课程, 来自韩国首尔大学,分1、2两部分,在edX上开课,我基本听完了第一部分,但作业没能按时完成。这门课也有相当的深度,它的基本内容是力学方面的分析,比较偏物理,包括自由度的分析、机械手抓取分析、开链运动和闭链运动等等。考试有一定的难度,但课程讲解非常清晰、老师没有一点口音,并且录像拍摄得相当好。有必要花时间重新学习。 这门课的老师也是很牛的,最近在Springer的机器人手册《Handbook or Robotics》里面看到了老师主编的章节,也可以作为这门课的教材。下载地址 http://link./referencework/10.1007%2F978-3-540-30301-5 4. open2study《Mobile Robotics(移动机器人)》 这门课open2study的机器人课,只有短短四周时间,干货不多,基本没有比较系统的理论知识,大多为一些概念性的介绍,可以作为机器人技术的普及来学习。 以上4门课程,前三门非常推荐,干货很多,但有关控制和机器人方面的课程,还有如下这些。这些课程可能没有怎么认真听完,有些也是即将准备学习的内容,所以不过度随意评价。 5. iversity《Modeling and Simulation using MATLAB(MATLAB建模与仿真)》 德国老师讲的Matab建模课,角度比较广泛,不局限于工程应用,还包括了很多经济、商业方面的建模。在MOOC学院的讨论区中,也有两派对立的评价,一种认为老师讲的很没劲,另一种认为课程内容很有趣。其实两种说法都没错,课程内容的确很有趣,但老师讲解的方式,是有点单调,这与德国人的性格和说话方式有关吧。 5. 过来人公开课《现代控制理论》 已经开过课,也是赵千川老师主讲,等待下次开课中。 6. 台湾国立清华大学磨课师平台《Control Systems(控制系统)》 等待开课中。 7. edX《Autonomous Navigation for Flying Robots(飞行机器人自动导航)》 已经edX上开过课。 8. edx《The Fascinating World of Robots and Robotics(魅力机器人)》 这门课是北大的老师在edX上首次开课,计划2014年9月开课。看内容大概也是普及性的课程。 【机器学习课单】 关于机器学习部分,也有很多重要并且优秀的课程资源。对我来说,吴恩达(Andrew Ng)的三种机器学习课程是必看,既能入门也能深入。加州理工学院的Learning from data难度较大,但从理论的角度深入地解释了内涵。另外Udacity上的三门机器学习,也非常有干货。 1. Coursera《Machine Learning(机器学习)》 这是为Coursera奠基的课程,但当时看的时候不知道。主讲人Andrew Ng用最快的速度,让你大概知道什么是机器学习。并且通过每周一次的Matlab编程练习,让你很快就能上手,知道机器学习的算法是如何工作的。最重要的是,这门课还介绍了很多机器学习的应用问题,包括各种诊断法、学习理论、学习曲线、异常检测、机器学习流水线(Pipeline)等等,都是非常实用的技术,告诉你不要只顾埋头拉车,要学会看路。 但唯一有遗憾的是,没有太多地从概率角度进行理解,没有涉及朴素贝叶斯、高斯判别分析、VC维度、EM算法等等比较重要的知识。但作为入门课程,已经非常好了。 可以说,这门课对我的影响是巨大的,我从一开始不懂什么是机器学习,通过这门课知道了机器学习,并且在学校接触到,在毕业设计中用到,一直带到工作中。虽然现在我依然是一个入门者,但我随时都会把这门课调出来看看,每次看都有新的认识。Andrew的几句每节课必说的话“In the last video …”“Concretely”“Hopefully”等等,一听到就有种亲切的感觉。 如果看Coursera的机器学习课还不过瘾的话,以下两种也是Andrew讲授的机器学习课程,可以弥补一些不足。 1A. Stanford Engineering Everywhere CS229 - Machine Learning 这是我最近主要花时间在学习的内容,斯坦福大学公开课的视频,并不是MOOC的形式。但Andrew Ng在这20讲课程中,完整地对机器学习进行了深入的讲解,在Coursera中没有涉及到的那些内容,基本都有涵盖。这些课程可在Youtube上找到原版,国内网易公开课中有翻译版本,但是不太清晰,另外也不建议依赖翻译,不一定准确。网上有很多牛人,在博客上写出自己的学习笔记,可以很方便的参考。有些对EM这种抽象的算法写得非常生动,值得参考和借鉴。 由于是课堂录制的视频,因此声音和图像都没有那么清晰。另外由于老师的板书比较行云流水,因此可能看起来还是有雾里看花的感觉,需要通过notes花时间理解,否则会比较吃力。 1B. Stanford OpenClassroom Machine Learning 这是在Coursera之前的一个斯坦福的平台,后来被放弃了。所以很少有人知道。在这个平台中的机器学习课,只更新到前6章,后3章没有视频。这个平台的机器学习课,跟Coursera的录制方式是一样的,基本上是同时录制的,只是课程LOGO不一样,每堂课的内容稍有不同。但也有一些Coursera上没有放上去的内容,比如朴素贝叶斯、牛顿法等等。一共更新了30个视频,可以在链接中找到视频。 这个版本的视频截图是这样的。跟Coursera版本很明显是同时期录制的,但LOGO不同,最终可能被舍弃掉了。如果看不懂斯坦福公开课,而喜欢这种教学方法的话,可以看看这里,有很少量的几节Coursera里没有,大部分都是类似的。 平台主页,没有更新全,是一个被废弃的地方。不过我还是把它找到了哈哈。 附:三种Andrew Ng机器学习课程平台比较 2. edX《Learning from data(从数据中学习)》 这是加州理工学院的机器学习课,在edX上开过课。这也是课堂实录的方式,老师讲的虽然比较慢,但深入到机器学习的灵魂深处,花了很长的时间来铺垫VC维,数学推导也比较多,因此还是会有一点难度。目前我学到大概一半的地方,然后转向Andrew Ng的斯坦福公开课CS229了,两种课结合起来听理解更透彻一些。 其他机器学习课程 3. Coursera《机器学习基石》 这是台湾大学林轩田老师的课程,林老师是加州理工Learning from data那门课老师的学生,因此授课思路很像,都是“机器能学吗?机器学什么?机器怎么学好?”,连课程LOGO都很类似(事实上正是二人合著的书的封面)。因此这门课可以看做是Learning from data的中文版本。 4. Udacity《机器学习(一)》 Udaciy这三个机器学习课程,都由两个老师你一言我一语地讲完,跟说相声一样。一个捧哏一个逗哏,由于开视频不太方便,目前正在听第一部分,还没听完。可以全部下载下来听,但需要使用播放器VLC。这三部分是按照监督学习、无监督学习和增强学习来划分的,全部听完应该会很有收获。 Udacity课程的好处是,每一段都很短,都是用手写板的形式,有时候老师的字迹会比较难分辨。随时会有小测验,检验你听懂了没有。值得一提的是,很多测验会通过一些其他的知识点来帮助你更好的理解。比如在介绍K-NN的时候,专门比较了三种机器学习方法的时间复杂度和空间复杂度。 这门课基本不涉及任何编程,也没有详细的理论推导。但是涵盖的面比较广,概括性地让你对机器学习有一个基本的认识。第一部分“监督学习”主要内容有:决策树、回归与分类、神经网络、支持向量机、贝叶斯学习、VC维度等。 5. Udacity《机器学习(二)》 这是Udacity机器学习课第二部分“非监督学习”,主要内容有聚类、特征选择、计算学习理论、信息理论等等。 6. Udacity《机器学习(三)》 这是Udacity机器学习课第三部分“增强学习”,主要内容有马尔科夫决策过程、Q-学习、游戏理论等。 7. Coursera《Neural Networks for Machine Learning 机器学习中的神经网络》 这门课上一次开课还是在2012年,已经很久没有开过了,但注册进去依然可以获得所有教学视频。这门课的老师就是久负盛名的深度学习创始人Geoffery E Hinton。课程前半部分介绍传统的神经网络,主要是监督学习中的应用,后半部分开始介绍非监督学习的神经网络,包括很多深度网络的概念和基础知识,比如Restricted Boltzmann Machines(限制波尔兹曼机)、Auto-Encoders(自动编码器)等等。课程有难度,是目前唯一一门有关深度学习的课程,非常值得学习! 【学术研究课单】 1. 中国大学MOOC、过来人公开课《文献管理与信息检索》 这门课据说是中科大最受欢迎的一门课之一,主讲人罗昭锋老师已经多次教授这门课程了,应该说经验非常丰富。最近刚在中国大学MOOC平台开课,并且即将在过来人公开课平台开课。主要内容非常多,既包括面向大众的网络搜索方法,也包括面向科研人员的文献管理、信息检索的知识。包括几大数据库怎么用,EndNote、Hitsite、为知笔记、思维导图这些软件怎么用,同时也包括了罗老师自己多年总结的一些经验和感想。这门课涉及的大部分内容,是研究生必学必看必会的,其他少部分内容,对普通不做研究的人来说,也是大有裨益的。 2. Springer作者学院 斯普林格作者学院包括很多子学院,比如作者学院、英语学院、同行评审学院、开放获取学院,介绍了论文的写作规范、投稿的规定、同行评审的流程等等。给需要写论文投稿的人提供了非常有价值的参考。前段时间听课送礼物,得了一个简易的软水壶。 3. Canvas平台《Mastering Academic Research: Information Skills for Successful Students(学术研究:成功的信息搜索技术)》 这是Canvas平台一门6个星期的信息搜索课,讲了很多信息搜索的技巧,大部分内容需要阅读,视频较少,因此体验不太好。另外这门课已经结束了,而且不能再加入,要听的话只能等待下一次。 4. Coursera《Understanding Research Methods(了解研究方法)》 这门课没赶上,只好等待下次开课了。 5. Coursera《Solid Science: Research Methods(严谨科学:研究方法)》 荷兰阿姆斯特丹大学的新课,2014年9月开始。不过注意这门课是面向社会科学和行为学的。 6. Stanford Online《SciWrite Writing in the Sciences(科学写作)》 这是斯坦福大学的论文写作课程,2012年登陆Coursera平台,现在转移至Stanford Online平台开课。但Coursera平台仍然可以观看所有视频。 【特别推荐】 除了专业课程以外,有很多课程看似与我们无关,但实际上是非常有好处的。这里只提一门课,我认为是全中国的人都应该好好学习一下的。 Coursera《关爱生命--实用急救和自救技能》 这门课其实已经在“好大学在线”平台开过了,我听完了所有内容,基本包括所有常用的急救方法。现在经常听到安全事故的发生,在发生事故时,由于不懂急救常识而错过生命机会的例子屡见不鲜,因此我觉得全民都有必要好好学习这些急救知识,在关键时刻能为自己、为他人带来更大的生存机会。 |
|
来自: AccessNimber > 《学习工作》