AI教程

CS229学习指南

本指南内含CS229课程介绍、学习资料整合、学习建议等内容。强烈介绍萌新在学习CS229前阅读参考。

1. 课程介绍

  • 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

2. 资料整合

3. 学习建议

3.1 关于学习门槛

CS229是斯坦福的机器学习基础课,是学习CS231N(计算机视觉)和CS224N(自然语言处理)的知识基础。

但是,强烈不建议初学者学习!强烈不建议初学者学习!强烈不建议初学者学习!

因为其数学内容很多,不强调编程实现。

如果你只是对机器学习感兴趣,想快速了解并应用算法,不想以后做相关研究,请移步吴恩达的Machine LearningDeepLearning

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。

不过根据笔者的学习经验,若不是对机器学习有巨大的兴趣和毅力,极易半途而废,同样,请移步Machine LearningDeepLearning

请注意,这里不建议初学者学习是因为其数学门槛比较高,课程后期涉及的内容较为高深。但其各类算法讲解得很透彻,其第六到第八节课是笔者目前见过最好的SVM入门课程。

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。

3.3 其他

CS229的中文翻译质量较差,建议有一定英语水平的读者观看纯英文版或只看英文字幕。

另建议看视频时配套讲义一起学习:看完视频后看一遍讲义上对应的内容,进行复习。(笔者是将全部讲义打印下来,便于笔记和以后复习)

笔者已学完本课全部内容,读者若有对本课知识不懂的地方,欢迎在微信公众号“技术杂学铺”中留言讨论。

One thought on “CS229学习指南
发表评论