經過一番調查，確定了系統學習的資料：
據說163的視頻源比較好：http://open.163.com/special/opencourse/machinelearning.html
具體的課件，可以從網站下載：http://cs229.stanford.edu/materials.html
花了兩天的時間，體驗了下如何用機器學習框架，大致有了個感性認識：
選用Caffe(https://github.com/BVLC/caffe ) 編譯安裝了下，采用CPU作為計算單元，把mnitst（https://github.com/BVLC/caffe/tree/master/examples/mnist） 的例子跑了一下。我看的是《深度學習21天實戰caffe》，個人覺得，沒有機器學習的理論知識基礎，看這個意義不大。如果是實戰性的操作，寫的也不是特別適合新手。感覺機器學習的上手，還不如把一個實戰的例子講的更容易操作，把和實際意義更直觀的解釋清楚。比如上面mnist的例子。
聽過一個講座(http://www.robotics.sei.ecnu.edu.cn/ros2016/docs/Robot%20Vision%20-%20what%20you%20see%20neq%20what%20you%20get.pdf )，個人感覺里面只用一頁就把貝葉斯公式的實際意義講清楚了：
Paste_Image.png
所以先小結下正式開始課程學習前的認知以及期望：
- 私以為機器學習的原理是基于概率論的，具體實現需要用上線性代數里的矩陣運算
- 不清楚怎么提取input數據的特征
- 具體算法（特征提取，數學模型），難度應該比較大，對偏工程實現的我來說，了解即可
- 運算上的加速，應該是可以攻的方向，也是工程上可以做的，但目前興趣不大
- 如何應用是我最關心的，期待能和nlp或經濟數據預測結合起來
