? 前言

相信经常混Machine Learning各大学习圣地的朋友们多少有听说过斯坦福大学的CS229机器学习课程（Stanford's CS 229 Machine Learning course）的呢，今天在GitHub上看到一个项目，作者Afshine Amidi (Ecole Centrale Paris, MIT)总结了自己学习该课程的重要知识点，然后每个模块输出一张囊括重点的图表（有点像我们期末备考时候的考点梳理哈哈哈），大概看了一下，作者把机器学习知识点分成了：

• Supervised Learning（监督学习）

• Unsupervised Learning（无监督学习）

• Deep Learning（深度学习）

• Tips and tricks（技巧与秘诀）

• Probabilities and Statistics（概率与统计）

• Algebra and Calculus（线性代数和微积分）

先前发过一个部分的内容，发现内容还是偏少了一点，所以这次决定把所有内容都一次性整理出来，建议大家可以收藏起来，如果需要PDF版本，可以联系??Flora进行索取。

? 正文——机器学习技巧与秘诀

Supervised Learning（监督学习）

Unsupervised Learning（无监督学习）

Deep Learning（深度学习）

Tips and tricks（技巧与秘诀）

Probabilities and Statistics（概率与统计）

Algebra and Calculus（线性代数和微积分）

? 出处

作者：Afshine Amidi (Ecole Centrale Paris, MIT) 和 Shervine Amidi (Ecole Centrale Paris, Stanford University)

GitHub地址

https://github.com/afshinea/stanford-cs-229-machine-learning/tree/master/en

译者：Wang Hongnian, Xiaohu Zhu, Chaoying Xue