04 youtube download on machine(英語學習資料：經濟學人下載：Handy work)

ine. Now domestic appliances e with forbidding labels, such as “no user-serviceable parts” and “disassembly voids warranty”.

For the mechanically curious, that is no obstacle. And in some ways technology has made it much easier to fiddle and fix. You can find unofficial instruction manuals on the inter, and watch YouTube to see someone doing it properly. You may make mistakes, but that is the way you learn how things work and how to mend them. Doing so makes you a better person, Mr Frauenfelder argues: master, not prisoner, of your environment.

The book echoes Matthew Crawford's masterly and reflective, “The Case for Working with Your Hands”, a bestseller in America which has just e out in Britain. Mr Crawford focuses on motorbikes, with doses of classical philosophy, rather than domestic gripes.

Mr Frauenfelder rightly highlights the impotent fury aroused by tamper-proof tabs seals, and the joy of mastering recalcitrant gadgets. But his own literary craft *** anship is irritating too. An ill-planned attempt to start a new life in the South Pacific is irrelevant and tiresome. His prose is tinny, and the mentions of his children ll and cutesy. The reader does feel sorry for his wife, though, when dead bees clog the light fittings and a 買粉絲yote eats the favourite chickens. His motto is DIY. Hers is HAP (Hire a Pro). One can see why.

如何建立一個合理的機器學習系統

Programming Libraries 編程庫資源

我是一個“學習要敢于冒險和嘗試”觀念的倡導者。這是我學習編程的方式，我相信很多人也是這樣學習程序設計的。先了解你的能力極限，然后去拓展你的能力。如果你了解如何編程，可以將編程經驗很快借鑒到深入學習機器學習上。在你實現一個實際的產品系統之前，你必須遵循一些規則、學習相關數學知識。

找到一個庫并且仔細閱讀相關文檔，根據教程，開始嘗試實現一些東西。下面列出的是開源的機器學習庫中最好的幾種。我認為，并不是他們中的每一種都適合用在你的系統中，但是他們是你學習、探索和實驗的好材料。

你可以從一個由你熟悉的語言編寫的庫開始學習，然后再去學習其他功能強大的庫。如果你是一個優秀的程序員，你會知道怎樣從一種語言，簡單合理地遷移到另一種語言。語言的邏輯都是相同的，只是語法和API稍有不同。

R Project for Statistical Computing：這是一個開發環境，采用一種近似于Lisp的腳本語言。在這個庫中，所有你想要的與統計相關的功能都通過R語言提供，包括一些復雜的圖標。CRAN(你可以認為是機器學弟的第三方包)中的機器學習目錄下的代碼，是由統計技術方法和其他相關領域中的領軍人物編寫的。如果你想做實驗，或是快速拓展知識，R語言都是必須學習的。但它可能不是你學習的第一站。

WEKA：這是一個數據挖掘工作平臺，為用戶提供數一系列據挖掘全過程的API、命令行和圖形化用戶接口。你可以準備數據、可視化、建立分類、進行回歸分析、建立聚類模型，同時可以通過第三方插件執行其他算法。

Mahout是Hadoop中為機器學習提供的一個很好的JAVA框架，你可以自行學習。如果你是機器學習和大數據學習的新手，那么堅持學習WEKA，并且全心全意地學習一個庫。

Scikit Learn:這是用Python編寫的，基于NumPy和SciPy的機器學習庫。如果你是一個Python或者Ruby語言程序員，這是適合你用的。這個庫很用戶接口友好，功能強大，并且配有詳細的文檔說明。如果你想試試別的庫，你可以選擇Orange。

Octave:如果你很熟悉MatLab，或者你是尋求改變的NumPy程序員，你可以考慮 Octave。這是一個數值計算環境，與MatLab像是，借助Octave你可以很方便地解決線性和非線性問題，比如機器學習算法底層涉及的問題。如果你有工程背景，那么你可以由此入手。

BigML:可能你并不想進行編程工作。你完全可以不通過代碼，來使用 WEKA那樣的工具。你通過使用BigMLS的服務來進行更加深入的工作。BigML通過Web頁面，提供了機器學習的接口，因此你可以通過瀏覽器來建立模型。

補充：

NLTK NLTK is a leading platform for building Python programs to work with human language data. It provides easy-to-use interfaces to over 50 買粉絲rpora and lexical resources such as WordNet, along with a suite of text processing libraries for classification, tokenization, stemming, tagging, parsing, and semantic reasoning.LingPipe: 是一個自然語言處理的Java開源工具包。LingPipe目前已有很豐富的功能，包括主題分類（Top Classification）、命名實體識別（Named Entity Re買粉絲gnition）、詞性標注（Part-of Speech Tagging）、句題檢測（Sentence Detection）、查詢拼寫檢查（Query Spell Checking）、興趣短語檢測（Interseting Phrase Detection）、聚類（Clustering）、字符語言建模（Character Language Modeling）、醫學文獻下載/解析/索引（MEDLINE Download, Parsing and Indexing）、數據庫文本挖掘（Database Text Mining）、中文分詞（Chinese Word Segmentation）、情感分析（Sentiment Analysis）、語言辨別（Language Identification）等API。

挑選出一個平臺，并且在你實際學習機器學習的時候使用它。不要紙上談兵，要去實踐！

Video Courses視頻課程

很多人都是通過視頻資源開始接觸機器學習的。我在YouTube和VideoLectures上看了很多于機器學習相關的視頻資源。這樣做的問題是，你可能只是觀看視頻而并不實際去做。我的建議是，你在觀看視頻的時候，應該多記筆記，及時后來你會拋棄你的筆記。同時，我建議你將學到的東西付諸實踐。

坦白講，我沒有看見特別合適初學者的視頻資源。視頻資源都需要你掌握一定的線性代數、概率論等知識。Andrew Ng在斯坦福的講解可能是最適合初學者的，下面是我推薦的一些視頻資源。

Stanford Machine Learning斯坦福的機器學習課程：可以在Coursera上觀看，這門課是由 Andrew Ng講解的。只要注冊，你可以隨時觀看所有的課程視頻，從Stanford CS229 買粉絲urse下載講義和筆記。這門課包括了家庭作業和小測試，課程主要講解了線性代數的知識，使用Octave庫。

Machine Learning Category on VideoLectures.Net網站中的機器學習目錄：這是個很容易令人眼花繚亂的資源庫。你可以找出比較感興趣的資源，并且深入學習。不要糾結于不適合你的視頻，或者對于感興趣的內容你可以做筆記。我自己會一直重復深入學習一些問題，同時發現新的話題進行學習。此外，在這個網站上你可以發現是這個領域的大師是什么樣的。

“Getting In Shape For The Sport Of Data Science” – 由Jeremy Howard講授：這是與機器學習競賽者的對話，他們是一些實踐中的R語言用戶。這是非常珍貴的資源，因為很少有人會討論研究一個問題的完整過程和究竟怎樣做。我曾經幻想過在網上找到一個TV秀，記錄機器學習競賽的全過程。這就是我開始學習機器學習的經歷！

Overview Papers綜述論文

如果你并不習慣閱讀科研論文，你會發現論文的語言非常晦澀難懂。一篇論文就像是一本教科書的片段，但是論文會介紹一個實驗或者是領域中其他的前沿知識。然而，如果你準備從閱讀論文開始學習機器學習的話，你還是可以找到一些很有意思的文章的。

The Discipline of Machine Learning機器學習中的規則：這是由Tom Mitchell編著的白皮書，其中定義了機器學習的規則。Mitchell在說服CMU總裁為一個百年內都存在的問題建立一個獨立的機器學習部門時，也用到了這本書中的觀點。

A Few Useful Things to Know about Machine Learning：這是一篇很好的論文，因為它以詳細的算法為基礎，又提出了一些很重要的問題，比如：選擇特征的一般化，模型簡化等。

我只是列出了兩篇重要的論文，因為閱讀論文會讓你陷入困境。

Beginner Machine Learning Books給機器學習初學者的書

關于機器學習的書有很多，但是幾乎沒有為初學者量身定做的。什么樣的人才是初學者呢？最有可能的情況是，你從另外一個完全不同的領域比如：計算機科學、程序設計或者是統計學，來到機器學習領域。那么，大部分的書籍要求你有一定的線性代數和概率論的基礎。

但是，還有一些書通過講解最少的算法來鼓勵程序員學習機器學習，書中會介紹一些可以使用工具、

很赞哦!（8659）