Andrew Ng 的 Coursera 课程：我进入机器学习世界的过程

2022 年底 ChatGPT 发布后，我就彻底入坑了。说实话，作为一个在广告行业做了 18 年、完全没有编程背景的人，机器学习这个世界既吸引我也让我有点怕。我在自己的圈子里问，也直接问了 ChatGPT：“我应该从哪里开始？”得到的答案反复都指向 Andrew Ng 在 Coursera 的课程。于是我报名了 Stanford 与 Deeplearning.AI 的 “Machine Learning Specialization” 和 “Deep Learning Specialization”，授课老师都是 Andrew Ng。

那段我完全不知道自己在干嘛的时期

Machine Learning Specialization 是我进入这个领域的第一站。这个由 Stanford Online 与 DeepLearning.AI 推出的新手友好项目，承诺从基础到应用完整带你入门机器学习：从用 NumPy 和 scikit-learn 构建模型，到应用无监督学习技术。

终于“开窍”的时刻

这门课确实给了我扎实基础——使用 Python、NumPy、scikit-learn 构建 ML 模型。我学会了搭建并训练监督学习模型，用于预测与二分类任务。Andrew Ng 真的很会教。他把复杂概念讲清楚的能力，坦白说很少见。

差点放弃的那一段

对我最大挑战是 Python 和命令行界面。我之前一行代码都没写过 :D 但当时我有 ChatGPT 在旁边，我就一直问问题——包括那些非常基础的问题。慢慢地，很多东西开始连起来。对我来说关键是：别因为怕“问题太笨”而不问。

继续深入（然后再次被教育）

接下来我上的就是 Deep Learning Specialization。这门课同样由 Andrew Ng 授课，会更深入机器学习内部机制，重点在神经网络架构和更前沿的方法。

难度陡升的地方

从基础跳到深度学习，坡度确实很陡，这点我不否认。不过课程结构设计得很好，实操项目帮助很大。这门课和上一门有一些重叠。因为是在线学习，你可以快进或跳过已掌握内容。

理论和现实接上的那一刻

最有价值的是里面真实项目导向的部分。它把理论和实践连接起来，也让我开始看到这些概念如何落到真实问题上——这正是后来让我想自己做 chatbot 的关键推动力。

我开始真正做东西出来的时刻

最后，Building Systems with the ChatGPT API 这门课给我打开了新方向：把大语言模型整合进可用应用。基于前两门课学到的东西，我后来做到了：

• 从我用 Wordpress 搭建的网站导出数据
• 清洗并准备数据。示例代码可以看这里。当然代码仍需按项目/API 规格继续改。
• 使用 embedding API 做更好的 LLM 搜索能力。

让不同组件“对上话”

这门课教会了我如何通过对 LLM 的链式调用来自动化复杂工作流——本质上，就是让应用里不同部分通过 LLM 彼此协同。

回看整段旅程

回头看，这条路很难，但回报很大。每一门课扩展的不只是我的知识边界，也扩展了我对“什么是可能的”的理解。一个过去连命令行是什么都不知道的人，到能用代码做出东西，这种变化到现在都让我觉得有点不真实。

而且你猜怎么着？我真的用 OpenAI API、embedding 等技术把 chatbot 做出来了。你可以在这里看我的经验总结和 chatbot。

你上过 Andrew Ng 的课程吗？或者正在考虑上？很想听听你的体验——尤其如果你也和我一样来自非技术背景。

致敬，

Chandler