Caesar73 / cs229-learning-camp

cs229 learning camp

课程资料

1. 课程主页
2. 中文笔记
3. 课程视频
4. 作业链接

重要一些的资源：

1. 深度学习斯坦福教程
2. 廖雪峰python3教程
3. github教程
4. 莫烦机器学习教程
5. 深度学习经典论文
6. 本人机器学习博客

前言

这门课的宗旨就是手把手教你边学边做机器学习

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，历史悠久，而且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。

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

python 复习

python复习

学习安排

阶段 1

1. 机器学习的动机与应用

2. 线性回归、逻辑回归

3. 作业：Assignment 1
   3.1 Linear Regression
   3.2 Linear Regression with multiple variables

阶段 2

1. 欠拟合与过拟合的概念

2. 牛顿方法

3. 作业：Assignment 2 3.1 Logistic Regression 3.2 Logistic Regression with Regularization

阶段 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

阶段 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

阶段 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

阶段 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

阶段 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

阶段 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

阶段 9

1. 线性二次型调节控制

2. 微分动态规划

3. 策略搜索

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

阶段 10

比赛