机器学习斯坦福大学CS229课程集训营

课程资料

1. 课程主页
2. 中文笔记
3. 课程视频
4. 作业链接
5. 实验环境推荐使用Linux或者Mac系统，以下环境搭建方法皆适用:
   Docker环境配置
   本地环境配置

重要一些的资源：

1. 深度学习经典论文
2. 深度学习斯坦福教程
3. 廖雪峰python3教程
4. github教程
5. 莫烦机器学习教程
6. 深度学习经典论文
7. 斯坦福cs229代码(机器学习算法python徒手实现)
8. 吴恩达机器学习新书：machine learning yearning
9. 本人博客(机器学习基础算法专题)
10. 本人博客(深度学习专题)

前言

这门课的宗旨就是：**“手把手推导机器学习基础理论，一行一行练习徒手代码” **

吴恩达在斯坦福的机器学习课，是很多人最初入门机器学习的课，10年有余，目前仍然是最经典的机器学习课程之一。当时因为这门课太火爆，吴恩达不得不弄了个超大的网络课程来授课，结果一不小心从斯坦福火遍全球，而后来的事情大家都知道了。吴恩达这些年，从谷歌大脑项目到创立Coursera再到百度首席科学家再再到最新开设了深度学习deeplearning.ai，辗转多年依然对CS229不离不弃。

个人认为：吴恩达的cs229的在机器学习入门的贡献相当于牛顿、莱布尼茨对于微积分的贡献。区别在于，吴恩达影响了10年，牛顿影响了200年。

数学知识复习

1.线性代数
2.概率论
3.凸函数优化
4.随机梯度下降算法

中文资料：

• 机器学习中的数学基本知识
• 统计学习方法
  大学数学课本（从故纸堆里翻出来^_^）

编程工具

斯坦福资料：

• Python复习

中文资料：

• 廖雪峰python3教程

学习安排

每周具体时间划分为4个部分:

• 1部分安排周一到周二
• 2部分安排在周四到周五
• 3部分安排在周日
• 4部分作业是本周任何时候空余时间
• 周日晚上提交作业运行截图
• 周三、周六休息^_^

作业提交指南：

训练营的作业自检系统已经正式上线啦！只需将作业发送到训练营公共邮箱即可，知识星球以打卡为主，不用提交作业。以下为注意事项:
<0> 课程资料：链接 密码： <1> 训练营代码公共邮箱：cs229@163.com
<2> 查询自己成绩:
<3> 将每周作业压缩成zip文件，文件名为“学号+作业编号”，例如："CS229-010037-01.zip"
<4> 注意不要改变作业中的《方法名》《类名》不然会检测失败！！

学习安排

week 1

1.机器学习的动机与应用

• 课件: lecture01
• 观看视频1

2. 监督学习应用、梯度下降

• 课件: lecture01
• 观看视频2

3. 作业：Assignment 1
   1.1 Linear Regression
   1.2 Linear Regression with multiple variables

week 2

1. 欠拟合与过拟合的概念 https://open.163.com/movie/2008/1/E/B/M6SGF6VB4_M6SGHM4EB.html

2. 牛顿方法

3. 作业：Assignment 2
   2.1 Logistic Regression
   2.2 Logistic Regression with Regularization

week 3

1. 生成学习算法

2. 朴素贝叶斯算法

3. 作业：Assignment 3
   3.1 Multiclass Classification

week 4

1. 最优间隔分类器问题（SVM）

2. 顺序最小优化算法、经验风险最小化

3. 作业：Assignment 3
   3.2 Neural Networks Prediction fuction

week 5

1. 特征选择，神经网络

2. 贝叶斯统计正则化

3. 作业：Assignment 4
   4.1 Neural Networks Learning

week 6

1. K-means算法

2. 高斯混合模型

3. 作业：Assignment 5
   5.1 Regularized Linear Regression
   5.2 Bias vs. Variance

week 7

1. 主成分分析法（PCA）

2. 奇异值分解（SVD）

3. 作业：Assignment 7
   7.1 K-means Clustering
   7.2 Principal Component Analysis

week 8

1. 马尔可夫决策过程（强化学习初步）

2. 离散与维数灾难

3. 作业：Assignment 6
   6.1 Support Vector Machines
   6.2 Spam email Classifier

week 9

1. 线性二次型调节控制

2. 微分动态规划

3. 作业：Assignment 8
   8.1 Anomaly Detection
   8.2 Recommender Systems

week 10

1. 策略搜索
2. 比赛