作为一名程序员，之前自学机器学习第一座大山就是数学，主要就是不知道学哪些数学，不知道怎么学，也不知道怎么用，直到遇见了这个课程。

为什么想要学习机器学习？因为想要踏入人工智能这一领域，并且想要在这领域深造，机器学习自然是最基础的也是必然需要掌握的。

分享个人的学习总结，不对的地方请老师指正： 频率主义认为参数本身是固定的，只是我们不知道，而数据是关于参数的不完全的信息，这就需要我们通过某种手段（比如极大似然法）利用数据找到最优参数。又由于数据是随机的，所以每使用一组不同的数据，找到的参数都不同，但这与参数本身是固定的并不矛盾。这是因为受噪声等因素的影响，数据并非参数的真实反映（否则就可以把固定的参数找到），存在风险，而要计算风险，需要已知数据的真实分布，而数据的真实分布又依赖于参数，这似乎就陷入了一个“先有鸡还是先有蛋”的悖论，为了解决这个悖论，引入经验风险，用训练数据的分布替代真实分布，使得风险可以被计算（这时的风险就称为经验风险），那么通过最小化经验风险就可以找出最优的参数。

开篇打卡，虽并非乾坤大挪移，但如九阳神功，打通任督二脉：统计学习、符号学习！ 学习机器学习目的：感觉很神奇，觉得很美妙，非常愿意去学习和了解并深入研究！此外，想活出时代感！

嵌入式开发入职四个月，不甘心读研所学无用武之地，重新规划，继续机器学习，感谢老师，让我对整体脉络的理解更加深入。

现在是做java后端和微服务治理。但是我觉得作为一个程序员，或多或少得懂一些人工智能。之前买了《裂变》，觉得写得很不错，现在来学习第二季。

工作是图像应用的，理论上也看了一些书，但概念很多还是模凌两可，希望这个课程可以让我吃透一些关键概念，把机器学习的相关理论融会贯通！老师的文笔真的很好👍

我认为机器学习能够改变世界，改变生活，我也觉得有趣，所以想学。从老师的这个专栏我希望学到对机器学习的深层思考，比如模型是怎么来的？模型是否还能进一步改善等。虽然感觉可能比较难，但这是我想学的。