Stanford University
Stanford CS 229
Machine Learning
课程概览
CS229 是理论与应用并重的机器学习课程。当前学期页面和资料访问方式可能不同；部分课程文件仅向 Stanford 校内成员开放。自学时可将公开 syllabus 与讲义配合使用，不把某一历史版当成当前课程要求。
学习目标
- 理解监督与无监督学习中的经典模型
- 掌握训练、验证、误差分析与模型选择
- 建立机器学习方法与应用问题之间的联系
使用语言：Python
主要主题
- 监督学习与判别模型
- 生成模型、SVM 与模型选择
- 学习理论与神经网络
- 无监督学习
- 强化学习与控制
官方与学习资源
学习建议
- 先补齐向量微积分、概率和矩阵运算，再做作业。
- 每个模型同时写出假设、损失函数和评估方式。
- 遇到权限限制时以公开版本或教材补足，不使用未授权副本。
可选实践
- 在固定数据切分上比较两种基线，报告误差来源和复现实验设置。