個人部落格**：www.mwhitelab.com
本指南內含cs229的課程介紹、學習資料整合、學習建議等內容。強烈介紹萌新在學習cs229前閱讀參考。
b站（內含中文字幕，但翻譯質量極差） | youtube
講義：講義+作業+其他內容
3.1 關於學習門檻
cs229是斯坦福的機器學習基礎課，是學習cs231n（計算機視覺）和cs224n（自然語言處理）的知識基礎。
但是，強烈不建議初學者學習！強烈不建議初學者學習！強烈不建議初學者學習！
因為其數學內容很多，不強調程式設計實現。
如果你只是對機器學習感興趣，想快速了解並應用演算法，不想以後做相關研究，請移步吳恩達的machine learning和deeplearning（其學習指南會在近期放出）
本課程適合於數學或計算機專業的研究生（或大三以上的本科生）學習。
不過根據筆者的學習經驗，若不是對機器學習有巨大的興趣和毅力，極易半途而廢，同樣，請移步machine learning和deeplearning
請注意，這裡不建議初學者學習是因為其數學門檻比較高，課程後期涉及的內容較為高深。但其各類演算法講解得很透徹，其第六到第八節課是筆者目前見過最好的svm入門課程。
3.2 關於學習內容
本門課涉及內容包含：線性模型，樸素貝葉斯，svm，學習理論，pca，因子分析，ica，mdp（強化學習演算法）等
相對於目前國內流傳比較廣的《統計學習方法》和《機器學習》（別名西瓜書），缺少決策樹、整合學習這兩個基礎知識的講解。各位可以在邊學cs229的同時，邊配套《統計學習方法》學習。
3.3 其他
cs229的中文翻譯質量較差，建議有一定英語水平的讀者**純英文版或只看英文本幕。
機器學習 cs229學習筆記1
all is based on the stanford open course cs229.lecture 11.regularization 正規化 防止過擬合 保留所有的引數 貝葉斯學習方法 增加先驗概率，常用為高斯分布n 0,使演算法更傾向於選擇更小的引數 體現在最大似然估計上就是增加懲罰專...
機器學習學習筆記1（Ng課程cs229）
作為機器學習領域的先驅，arthur samuel在 ibm journal of research and development期刊上發表了一篇名為 some studies in machine learning using the game of checkers 的 中，將機器學習非正式定...
CS61B 學習指南
前不久擼完了 cs61b，感觸頗深。於是寫下了這篇學習指南，以便讓後來人可以避免陷入國內課程的泥沼中去。我強烈建議國內 cs se 學習者如果英語還行，想要打好 cs 基礎的話，直接看國外名校課程 必要時科學上網 下面我會以 cs61b 為例來說明一下為什麼這麼做。一門足夠好的課程，需要滿足如下三個...