プログラミング初心者が機械学習を1ヶ月勉強し続ける #day3
今日の目標
昨日から引き続き、
Machine Learning - Stanford University | Coursera
のWEEK2を終了させて、WEEK3まで入っていこうと思います。
3日目でやった事
Machine Learning WEEK2終了
全部でかかった時間：11.5時間 (昨日の4時間含む)
難易度：★★★☆☆
内容
環境構築
・Octaveのインストール
重回帰分析
・Multiple features
・Feature scaling
・多項式回帰
パラメータ計算
・正規方程式
・基本的な操作
・ベクトル化
感想
week2はかなり内容も濃く、充実した回だったように思います。
week1とweek2の途中までで学んできた数学的な理論の部分を実際にOctaveで実装していくフェーズへと入りました。
week2の最後に自分でプログラミングをして提出しなければならない課題があるのですが、その説明文がA4のpfd15枚という分量でもちろん全て英語で書かれているので、特に大変でした。
中でも最急降下法(Gradient Descent)を実際にコーディングする部分で苦戦しました。もうちょっと誘導があっても良かったような。途中どつぼにハマってしまい、数学の難問にハマって抜け出せない感じを思い出しました。
学んだ事をいざイチから自力で実装しようとすると、自分が完璧には理解できていない事を認識させられます。医学の勉強にしててもそうですが、やはりアウトプットはとても大事ですね。。
ちゃんと正しいコーディングを提出すると
提出した項目ごとにこんな感じで点数がつくので、項目ごとに正解している事を確認しながら次に進める事ができます。（今回は後半はオプションでやってもやらなくてもいいって感じでした）
やはり実際のコーディング課題になると、今までのお遊び小テストからは難易度が一気に上がるのでstep3はしっかり復習を兼ねつつ進めていくのが良さそうです。
WEEK3を途中まで
途中まで：5時間
難易度：★★☆☆☆
ロジスティック回帰に入りました。
詳細はまた明日書くことにします。
勉強しながら意識すべき事
以下、勉強しながら意識すべきポイントをまとめてみます。
・各回(10~15分)の動画を完璧に理解してから次へと進む。
・そのために、コーディングは動画の解説と同時に行うだけでなく、動画の終了時にもイチから自分でできるかどうかを試して次に進む。
・書いたコードは記録しておき、後から参照できるようにしておく。
・コーディングがない場合は、内容を自力で説明できるようになってから次に進む。
・ノートにメモを取る。
明日に向けて
week2は学習想定時間が7.5時間ですが、実際は11.5時間かかってしまったので想定時間の1.5~2倍の時間は見積もっておいたほうが良さそうです。
明日はweek3を終わらせる事を目標にしたいと思います。
