CS229: Machine Learning

学习机器学习中……

CS229 ML

• 一门研究生课程，所以更偏重数学理论，不满足于调包而想深入理解算法本质，或者有志于从事机器学习理论研究的同学可以学习这门课程。课程网站上提供了所有的课程 notes，写得非常专业且理论，需要一定的数学功底。

索引

• Supervised learning
  • LMS.Logistic regression. Perceptron. Exponential family.Generative learning algorithms
  • Gaussian discriminant analysis. Naive Bayes
  • Support vector machines
• Learning theory
  • Bias/variance tradeoff. Union and Chernoff/Hoeffdingbounds.VC dimension. Worst case (online) learning
• Unsupervised learning
  • Clustering. K-means.EM. Mixture of Gaussians.

课程信息

• 所属大学：Stanford
• 先修要求：高数，概率论，Python，需要较深厚的数学功底
• 编程语言：无
• 课程难度：🌟🌟🌟🌟
• 预计学时：100 小时

课程资源

• 课程网站：http://cs229.stanford.edu/syllabus.html
• 课程视频：https://www.bilibili.com/video/BV1JE411w7Ub
• 课程教材：无，课程 notes 写得非常好
• PKUFlyingpig's_sum

个人感悟

• Note写的特别好！！！听不懂印度老师的口音直接对着note学了……
• 学的时候刚开始接触英文课堂与英文教材资源，所以有时候中英文混杂……一定努力学英语……