斯坦福CS229机器学习-课程学习资料
斯坦福CS229机器学习课程,内容覆盖监督/无监督学习、强化学习、学习理论

关键词标签: 斯坦福, 机器学习, 监督学习, 无监督学习, 吴恩达

课程介绍

课程主页:CS229: Machine Learning

斯坦福CS229机器学习课程由吴恩达教授和其他几位教授一起主讲,是机器学习领域里一门非常重要的课程。由于课程质量非常高,是许多人进入人工智能、机器学习领域的基石。

本课程广泛介绍机器学习和统计模式识别。主题包括:

前置课程

学生应具有以下背景:

课程主题


ShowMeAI课程解读:全套资料

课程速查表 | 【点击链接】

课程重点笔记 | 【点击板块】

板块编号 笔记链接
板块1 监督学习速查表
板块2 无监督学习速查表
板块3 深度学习速查表
板块4 机器学习技巧与经验
板块5 概率与统计基础
板块6 线性代数与微积分基础

课程作业 |【作业代码解析】|【点击编号】

作业编号 solution地址
作业1 线性回归与梯度下降
作业2 逻辑回归与梯度下降
作业3 多分类与神经网络预估
作业4 神经网络学习
作业5 高偏差/高方差与正则化
作业6 SVM与垃圾邮件分类
作业7 K-means与PCA
作业8 异态检测与推荐系统
end

更多技术与课程清单 | 点击查看详细课程

技术方向 课程及链接
计算机数学基础 MIT-计算机科学的数学基础
辛辛那提大学-微积分I
辛辛那提大学-微积分II
辛辛那提大学-离散数学
斯坦福-线性代数与矩阵方法导论
计算机科学导论 斯坦福-计算机科学导论
哈佛-计算机科学导论
MIT-计算机科学与Python编程导论
数据结构与算法 MIT-数据结构与算法设计
马里兰大学-数据结构
数据库 CMU-数据库系统导论
CMU-数据库系统进阶
机器学习及应用 斯坦福CS229
MIT-机器学习导论
深度学习及应用 斯坦福CS230
哈佛-Python人工智能入门
MIT-深度学习导论
李宏毅-机器学习(&深度学习)
应用深度学习(全知识点覆盖)
UC Berkeley-深度神经网络设计、可视化与理解
威斯康星-深度学习和生成模型导论
UC Berkeley-全栈深度学习训练营
自然语言处理 斯坦福CS224n(深度学习与NLP)
斯坦福CS124(从语言到信息)
斯坦福CS520(知识图谱)
马萨诸塞-自然语言处理进阶
计算机视觉 斯坦福CS231n(深度学习与CV)
密歇根eecs498(CS231n进阶课)
慕尼黑工大adl4cv(深度学习与CV高阶课)
多模态 CMU-多模态机器学习
图机器学习 斯坦福CS224w
强化学习 斯坦福CS234(强化学习)
伯克利CS285(深度强化学习)
无监督学习 伯克利CS294-158(深度无监督学习)
AI与生物医疗 MIT-面向生命科学的深度学习
MIT-基因组学机器学习
MIT-医疗机器学习
图形学与几何 CMU-计算机图形学
AMMI-几何深度学习
其他课程 哈佛-基于Python/JavaScript的web编程
MIT-计算思维导论(Julia)
end
*****
本文作者 韩信子
欢迎关注微信公众号 ShowMeAI研究中心 获取更多资源!