課程名稱：CS229

課程教師：吳恩達、Ron Dror

課程內(nèi)容：機器學習（注重數(shù)學原理）

前置知識：概率論、微積分、線性代數(shù)、四級以上英語基礎

課程難度：較難，不建議初學者接觸

知識清單：線性模型，樸素貝葉斯，SVM，學習理論，PCA，因子分析，ICA，MDP（強化學習算法）

課程特點：注重與數(shù)學原理，不強調(diào)編程實現(xiàn)

適用人群：數(shù)學和計算機方向的研究生

?本課程適合于數(shù)學或計算機專業(yè)的研究生（或大三以上的本科生）學習。

3.2 關于學習內(nèi)容

CS229可以說是斯坦福十分經(jīng)典的課程了，筆者提供的學習資料中，視頻是2008年錄制的（唯一可以找到的視頻資源），講義和作業(yè)是2017年的。

不過不用擔心視頻和講義內(nèi)容不符或視頻知識過時。事實上，如今CS229的教學大綱和08年版的幾乎一致，最大的差別是加了兩節(jié)神經(jīng)網(wǎng)絡的基礎知識，不過這不重要，因為你可以在以后的其他課程中學習到更全面的神經(jīng)網(wǎng)絡知識。

本門課涉及內(nèi)容包含：線性模型，樸素貝葉斯，SVM，學習理論，PCA，因子分析，ICA，MDP（強化學習算法）等

相對于目前國內(nèi)流傳比較廣的《統(tǒng)計學習方法》和《機器學習》（別名西瓜書），缺少決策樹、集成學習這兩個基礎知識的講解。各位可以在邊學CS229的同時，邊配套《統(tǒng)計學習方法》學習。

?

————————————————

版權聲明：本文為CSDN博主「M小白是小白」的原創(chuàng)文章，遵循CC 4.0 BY-SA版權協(xié)議，轉載請附上原文出處鏈接及本聲明。

原文鏈接：https://blog.csdn.net/weixin_37303854/article/details/85214330