之前看过一遍，但是总是模模糊糊的感觉，也刚入门，虽然现在也是入门，但是对于一些概念已经有了比较深的认识（相对于最开始学习机器学习的时候）。所以为了打好基础，决定再次学习一下Andrew Ng的课程，并记录笔记以供以后复习参考。

1. 内容概要

• 1. Introduction
  • 什么是机器学习
  • 监督学习
  • 非监督学习
• 1. Linear Regression with One Variable
  • 模型展示
  • 损失函数定义
  • 梯度下降算法
  • 线性回归中的梯度下降
  • 线性代数计算复习

2. 重点&难点

上面内容中需要强调的有：

1）梯度下降算法

计算步骤：

梯度下降又可分为：梯度下降、随机梯度下降、批量梯度下降，具体区别和如何实现参考 梯度下降、随机梯度下降和批量梯度下降