课程主页，亲测能上，有好些材料
http://cs229.stanford.edu/
Andrew讲的比较早的机器学习应用，1958年有人用来训练一个会下国象的电脑，这个有机会可以试一下，训练一个会下中国象棋的。
介绍了有监督的学习（supervised）和无监督的学习型算法（unsupervised）
有监督是有标准答案集来反馈的训练，无监督的就是没有标准答案的通过算法从数据本身结构决定谁是谁
两类问题：回归问题和分类问题
回归问题针对那些描述数据的值或结果是连续的情况，分类问题针对不连续的情况
举的例子房屋面积与对应价格组成的数据，适用于回归，寻找拟合二维面上点的好曲线，从而对新来的房屋估价；乳腺癌良性还是恶性的判断适用于分类（0与1）；而未知数据点里哪些是良性哪些是恶性，单从分布找界限的就适用于无监督学习。
个人比较印象深刻的示例，他展示他学生的一个从一幅平面图片构建三维模型的例子，很炫，前提是他将学习算法用在图片中区块分类上了，效果确实做出来了，这个例子有点挑战比较适合学生做，有机会也想搞搞。
他后面介绍了几位助教的训练作品，蔽障小车不太好评判，因为现在不用智能算法直接程控的蔽障小车都烂大街了，光看看不出牛逼之处。有一个做的应用学习算法训练的机械蛇，还有一个会自动爬到最高处的。比较亮眼的是一个四角的爬行机器人，伸腿的角度长度力度都好像一个在思考的现实中的动物。他同时展示了他们训练的一个小直升机，实现自主飞行，竟然完成了倒转悬停的动作。
增强学习
Reinforcement Learning
有一个回报函数，也就是他举训练狗的例子里的“GoodDog”、“BadDog”，让被训练机自
动寻找能获得更多“GoodDog”的行为。
然后亮瞎的是一个声音分离的示例，两个话筒录的，分离结果很好，Matlab代码居然只
有一行，这一行代码就是用的ICA算法，虽然还不理解不过一定要去试一下。
[W,s,v] = svd((repmat(sum(x.*x,1),size(x,1),1).*x)*x‘);
这个想到了崔雪蕊他们在做的一个项目，也有语音分离的内容，去问问他们做得怎么样
了。
版权声明：本文为博主原创文章，未经博主允许不得转载。
原文地址：http://blog.csdn.net/xiaopangxia/article/details/47684679
