上周出差回来，开始找了一篇论文看《ScSPM》,这里有源代码，自己希望能认真看懂；毕竟这篇文章包含了dense sift特征提取+Spare coding+linear svm知识很全面，希望能看懂代码。这个过程却发现自己缺少了很多东西，他自己的sift提取方法，Sc,svm都是自己实现的；感觉看懂好难。然后周六开始实验室有“学术交流”，师兄师姐交流他们整个小论文的过程，针对梯度下降这些基本的方法，我们都没有认真的理解。发现图像和机器学习自己都没有认真的系统的学习；自己在博客上零零散散的看了很多方法；但是没有成系统。然后想跟着coursera机器学习 认真的学一下；却发现视频放不了的。但是作业还是可以提交的，想认真弄弄最后搞个证书。我在github上找了很多课程matlab的代码；今天完整了把第一次编程作业看了，其实对损失函数，参数学习，梯度下降在代码中认识了一下；感觉很不错。后续把后面的作业认真的看看。

找了一些学习的资料：

http://openclassroom.stanford.edu/MainFolder/CoursePage.php?course=MachineLearning  这个视频还可以放；网易公开课上的感觉太旧了http://v.163.com/special/opencourse/machinelearning.html

别人的博客笔记：  coursera机器学习-聚类，降维，主成分分析 

coursera机器学习-支持向量机SVM 

coursera机器学习笔记-建议，系统设计 

coursera机器学习笔记-神经网络，学习篇 

coursera机器学习笔记-神经网络，初识篇 

coursera机器学习-logistic回归，正则化 

coursera机器学习笔记-多元线性回归，normal equation 

coursera机器学习笔记-机器学习概论，梯度下降法 

Michael Wang的机器学习乐园

coursera机器学习