mirror of
https://github.com/conanhujinming/comments-for-awesome-courses.git
synced 2026-04-14 02:20:07 +08:00
Add comments for Stanford CS229
This commit is contained in:
37
StanfordCS229机器学习/README.md
Normal file
37
StanfordCS229机器学习/README.md
Normal file
@@ -0,0 +1,37 @@
|
||||
课号:[Stanford CS229](http://cs229.stanford.edu/)
|
||||
|
||||
教授:[Andrew NG 吴恩达](https://www.linkedin.com/in/andrewyng/)
|
||||
|
||||
评论贡献者:[Jinming Hu](https://conanhujinming.github.io/)
|
||||
|
||||
- [x] Videos,[Youtube](https://www.youtube.com/watch?v=jGwO_UgTS7I&list=PLoROMvodv4rMiGQp3WXShtMGgzqpfVfbU), [B站](https://search.bilibili.com/all?keyword=cs229&from_source=webtop_search&spm_id_from=333.851)
|
||||
- [x] [Slides & Notes](http://cs229.stanford.edu/syllabus-spring2021.html)
|
||||
- [x] [Assignment x 4 (2010 版本)](https://see.stanford.edu/Course/CS229)
|
||||
|
||||
## 课程信息
|
||||
|
||||
机器学习。介绍了机器学习的基本概念,统计机器学习的经典算法(包括监督与无监督学习),深度学习的简要介绍,和强化学习。
|
||||
|
||||
## 适合人群
|
||||
|
||||
个人认为适合作为机器学习的第二门课程。第一门课程更推荐Coursera上吴恩达的课程。当然,要学习机器学习,数学基础(高数、线代、概率论与统计)和编程基础(计算机导论和数据结构与算法)是不能缺少的。
|
||||
|
||||
## 课程评价
|
||||
|
||||
吴恩达的讲课还是非常清晰的。这门课程的一大亮点是Notes非常得清晰和完善,而最大的弱点则是没有编程作业。四次作业基本都是概念与数学推导,有些推导难度还挺大的。但是我个人特别看重编程,即使是学机器学习,我也认为写代码是不可缺少的,而这门课则没有这样的作业公开出来,非常可惜。所以我更推荐浙江大学计算机学院的《机器学习》课程,那门课程有较丰富的编程作业XD
|
||||
|
||||
视个人基础,大概需要150到200小时左右的学习时间。
|
||||
|
||||
## 需要注意的坑点
|
||||
|
||||
这门课也打磨多年了,基本上想不到什么坑点。而且没有编程作业,想坑都没地方坑......
|
||||
|
||||
## 非官方资料推荐
|
||||
|
||||
- 暂无
|
||||
|
||||
## 后续课程推荐
|
||||
|
||||
- [Stanford CS231N](https://conanhujinming.github.io/comments-for-awesome-courses/StanfordCS231N%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C.html):可以说是入门深度学习最好的课程之一了。
|
||||
- [Stanford CS224n](http://web.stanford.edu/class/cs224n/):入门深度学习做NLP的最好课程之一。
|
||||
- [Berkeley CS285](http://rll.berkeley.edu/deeprlcourse/):深度强化学习。
|
||||
Reference in New Issue
Block a user