斯坦福2021秋季·实用机器学习【中文】【合集】前八课笔记_斯坦福21秋季:实用机器学习中文版-优快云博客

本课程介绍了机器学习的基础知识，强调了数据的重要性和数据科学家的工作，包括数据获取、网页数据抓取、数据标注及数据清理。讨论了半监督学习、自学习和众包在数据标注中的应用，并提到了探索性数据分析、数据清理和数据变换的重要性。特征工程也被提及，如one-hot编码和预训练模型在图片和视频特征提取中的作用。

1.1 课程介绍【斯坦福21秋季：实用机器学习中文版】

这节课老师主要对机器学习等知识做了一系列的介绍，听起来还是有点云里雾里的感觉。了解到了机器学习可能对于人处理的一件很简单的问题反而机器学习处理的难度会很高。李沫老师也提到了预测房价的例子，预测美国房价的最终定价以满足用户可以以最低的价格成交到心怡的房子。我还了解到数据科学家，数据科学家大量的时间都是在与数据打交道，数据对于机器学习来说至关重要，数据科学家常常会把大量的时间花费在清理数据，筛选数据中。我还了解到机器学习对于如今的许多大公司都变得越来越重要，当今的机器学习人才需求量已经呈指数型增长，机器学习现在处在风口上。包括了解到李沫老师不单单是只讲技术，而是结合着教授一系列的知识。

1.2 数据获取【斯坦福21秋季：实用机器学习中文版】

这节课主要是讲了数据的由来，数据可以从原有的数据集获取，但如果要是需要制作一个新的产品，你就需要一个全新的数据，全新的数据就需要自己整理，获取。主要的数据集：学术数据集：数据被学士博士生处理过较为clean，选择性较为少，质量较高;竞赛数据集：较为热门，数据量少，也被处理过较为clean；原始数据集：冗杂，需要大量的数据处理，面积广，灵活。以及数据增强，对数据做一些细微的变化再加到自己的模型中。

1.3 网页数据抓取【斯坦福21秋季：实用机器学习中文版】

爬房价：成本也不高，把html的文本下载下来当作数据，包括各个房子的房价，历史拍卖信息，地方，主人信息等等。图片，找到图片的ID，大小是一个html的20倍，图片存储也很贵。

法律问题：网络爬取不是非法的。但有很多地方需要注意，数据保护比较需要注意，不要爬私有用户信息的爬，爬公开的网络信息的网站，个人信息的爬也不要碰，有版权的信息不要爬，音乐的版权也需要注意。爬网页如果带来盈利性的，需要咨询法律方面的建议。

好处：比较灵活，比较方便，一次可以获取较多的所需信息，成本不是特别高。