今天终于看完(大概)了第一个机器学习视频《浙江大学-研究生机器学习课程》 ，链接https://www.bilibili.com/video/BV1dJ411B7gh?t=28，是2017年的课程，我用了五一假期加上前面去外地出差十几天中的空闲时间刷了一遍，看完的感受可以用一张图表示。
不是说老师讲的不好，而是我太菜了，或者说机器学习之前的数学基础掌握不够。老师讲的很好很有趣，也很辛苦，衬衫经常前后都湿透了，推导公式经常写满四块黑板。
这个课程的主要内容有1）支持向量机 2）人工神经网络 3）深度学习 4）概率分类法
粗略看过一遍视频后依稀剩下的印象：
1）支持向量机：老师说有优美的数学理论支撑(意味着复杂的数学推导)，主要解决分成两类的问题。
2）人工神经网络：老师说数学理论比较简单(意味着没有太多数学推导)，可以说模型越复杂越可能达到好结果，得到好结果的模型一般没有理论支持，都是实验结果。
3）深度学习：更复杂的人工神经网络。
4）概率分类法：基本都是概率统计知识，到此处基本就是眼睛在看，大脑已经不动了。
看完之后肯定是很多疑问，但最大的疑问是做机器学习，或者说学习机器学习真的要掌握所有理论的推导过程吗？
后面还是应该上手做点什么，光看是没有什么结果的。