CS自学指南-机器学习
Coursera: Machine Learning
课程简介
- 所属大学：Stanford
- 先修要求：AI 入门 + 熟练使用 Python
- 编程语言：Python
说起吴恩达，在 AI 届应该无人不晓。他是著名在线教育平台 Coursera 的创始人之一，同时也是 Stanford 的网红教授。这门机器学习入门课应该算得上是他的成名作之一（另一个是深度学习课程），在 Coursera 上拥有数十万的学习者（注意这是花钱买了证书的人，一个证书几百刀），白嫖学习者数量应该是另一个数量级了。
这门课对新手极其友好，吴恩达拥有把机器学习讲成 1+1=2 一样直白的能力。你将会学习到线性回归、逻辑回归、支持向量机、无监督学习、降维、异常检测和推荐系统等等知识，并且在编程实践中夯实自己的理解。作业质量自然不必多言，保姆级代码框架，作业背景也多取自生活，让人学以致用。
当然，这门课作为一个公开慕课，难度上刻意放低了些，很多数学推导大多一带而过，如果你有志于从事机器学习理论研究，想要深究这些算法背后的数学理论，可以参考 CS229 和 CS189。
课程资源
- 课程网站：https://www.coursera.org/learn/machine-learning
- 课程视频：参见课程网站
- 课程教材：无
- 课程作业：参见课程网站
CS229: Machine Learning
课程简介
- 所属大学：Stanford
- 先修要求：高数，概率论，Python，需要较深厚的数学功底
- 编程语言：无
同样是吴恩达讲授，但是这是一门研究生课程，所以更偏重数学理论，不满足于调包而想深入理解算法本质，或者有志于从事机器学习理论研究的同学可以学习这门课程。课程网站上提供了所有的课程 notes，写得非常专业且理论，需要一定的数学功底。
课程资源
- 课程网站：http://cs229.stanford.edu/syllabus.html
- 课程视频：https://www.bilibili.com/video/BV1JE411w7Ub
- 课程教材：无，课程 notes 写得非常好
- 课程作业：不对公众开放
CS189: Introduction to Machine Learning
课程简介
- 所属大学：UC Berkeley
- 先修要求：CS188, CS70
- 编程语言：Python
这门课我没有系统上过，只是把它的课程 notes 作为工具书查阅。不过从课程网站上来看，它比 CS229 好的是开源了所有 homework 的代码以及 gradescope 的 autograder。同样，这门课讲得相当理论且深入。
