add CS229

docs/机器学习/CS229.md

@@ -0,0 +1,18 @@
+# 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
+- 课程难度：🌟🌟🌟🌟
+- 预计学时：100小时
+
+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：B站搜索CS229
+- 课程教材：无，课程notes写得非常好
+- 课程作业：不对公众开放
+
+## 资源汇总
+我在学习这门课中用到的所有资源和作业实现都汇总在[这个Github仓库](https://github.com/PKUFlyingPig/CS229)中。

docs/机器学习/ML.md

@@ -0,0 +1,22 @@
+# 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
+- 课程难度：🌟🌟🌟
+- 预计学时：100小时
+
+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](https://www.coursera.org)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.md]和[./CS189.md]。
+
+## 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
+
+## 资源汇总
+当时重装系统误删了文件，我的代码实现消失在了磁盘的01串中。不过这门课由于太过出名，网上想搜不到答案都难，相关课程资料Coursera上也一应俱全。