教育试验呀，教育试验，让我们成为一个教育试验的一部分吧。大家应该都知道Andrew Ng和网易公开课里面基本太监掉的翻译。2011年，Andrew Ng要公开这个课了，要弄个教育试验。这个“大胆试验性分布式教育”意味着学生们不仅仅是像以往的开放课程那样下载讲课视频和其他的材料，而是在学习中参与到提交作业和收到回馈。恩，就是远程教育呀，远程教育。我申请的时候已经31,343人申请过了。这个课要成为世界上上的人最多的课么？

课是什么：A bold experiment in distributed education, “Machine Learning” will be offered free and online to students worldwide during the fall of 2011.

课讲什么：This course provides a broad introduction to machine learning, datamining, and statistical pattern recognition. Topics include: (i) Supervised learning (parametric/non-parametric algorithms, support vector machines, kernels, neural networks). (ii) Unsupervised learning (clustering, dimensionality reduction, recommender systems, deep learning). (iii) Best practices in machine learning (bias/variance theory; innovation process in machine learning and AI). (iv) Reinforcement learning. The course will also draw from numerous case studies and applications, so that you’ll also learn how to apply learning algorithms to building smart robots (perception, control), text understanding (web search, anti-spam), computer vision, medical informatics, audio, database mining, and other areas.

Andrew Ng说你能学到什么：

注册地址

FrankenCamera是standford鼓捣出来的出来的怪物级的相机，尺寸惊人，比加了手柄的无敌兔还要大，没点肱二，三头肌估计玩不动。目标是提供一个computational photography的开放式平台(提供曝光，聚焦，快门等等控制，而不用受限于消费相机的预装软件）。（也算是open source hardware么？）

siggraph2010上有一个介绍这个巨无霸的论文。

最近该实验室放出了一个开源软件Fcam，适用与两个平台，一就是上面的FrankenCamera,另一个就是nokia第一款基于maemo的的手机N900。（为何不跟个风，搞个NexusOne版本的？）

如果我没眼花的话，下面这句话的意思是一年内可以买到FrankenCamera？

Levoy said he expects those cameras will be available within a year.

来源

凸优化在视觉和机器学习上有很多应用。一个典型的例子是support vector machine。而且在平时的学习科研中，会经常碰到凸函数的概念。我这里推荐一本介绍凸优化的经典好书：convex optimization，by Stephen boyed，斯坦福ee教授。在他们主页上（http://www.stanford.edu/class/ee364a/）可以找到教学视频，ppt，电子版的书，以及习题和答案，可以说一应俱全。Stephen开了两门关于convex optimization的课（ee364a和ee364b）。其中ee364a讲的都是书里的内容，是基础，ee364b是讲一些最近几年的比较新的关于凸优化的科研结果。这本书是适合工程类的学生学习，没有太多公式，但是概念讲的很清楚，也有很多例子。而且他们开发了一个叫CVX的解决凸优化问题的软件包，非常好用。

上周happyharry写了一篇关于稀疏表达的文章。简答地说就是几个数学大牛证明了在满足某些条件下，L0（非凸）的结果等价于L1（凸）。所以最后就是解一个凸函数。关于稀疏矩阵，在ee364b中也有具体讲到。

凸函数在立体视觉上也有很大的应用。瑞典Lund大学的Fredrik （http://www.maths.lth.se/matematiklth/personal/fredrik/）最近几年发表了不少用凸函数解决立体视觉问题的文章（很多顶级期刊和顶级会议的文章，可能有些有点逛水）。