【公开课】备受欢迎的CS229斯坦福吴恩达经典《机器学习》课程！最新版【附中英文

课程名称：CS229

课程教师：吴恩达、Ron Dror

课程内容：机器学习（注重数学原理）

前置知识：概率论、微积分、线性代数、四级以上英语基础

课程难度：较难，不建议初学者接触

知识清单：线性模型，朴素贝叶斯，SVM，学习理论，PCA，因子分析，ICA，MDP（强化学习算法）

课程特点：注重与数学原理，不强调编程实现

适用人群：数学和计算机方向的研究生

 本课程适合于数学或计算机专业的研究生（或大三以上的本科生）学习。

3.2 关于学习内容

CS229可以说是斯坦福十分经典的课程了，笔者提供的学习资料中，视频是2008年录制的（唯一可以找到的视频资源），讲义和作业是2017年的。

不过不用担心视频和讲义内容不符或视频知识过时。事实上，如今CS229的教学大纲和08年版的几乎一致，最大的差别是加了两节神经网络的基础知识，不过这不重要，因为你可以在以后的其他课程中学习到更全面的神经网络知识。

本门课涉及内容包含：线性模型，朴素贝叶斯，SVM，学习理论，PCA，因子分析，ICA，MDP（强化学习算法）等

相对于目前国内流传比较广的《统计学习方法》和《机器学习》（别名西瓜书），缺少决策树、集成学习这两个基础知识的讲解。各位可以在边学CS229的同时，边配套《统计学习方法》学习。

————————————————

版权声明：本文为CSDN博主「M小白是小白」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。

原文链接：https://blog.csdn.net/weixin_37303854/article/details/85214330