斯坦福CS229是一门经典的机器学习课程，算是机器学习领域的明星课，相信不少人在B站上看过这门课的视频。

这门课主要介绍了机器学习和统计模式识别。内容包括：监督学习（生成/鉴别学习，参数/非参数学习，神经网络，支持向量机）；无监督学习（聚类，降维，核方法）；学习理论（偏见/方差权衡，VC理论）；强化学习和自适应控制。还有对机器学习最新应用的讨论，例如机器人控制，数据挖掘，自主导航，生物信息学，语音识别以及文本和Web数据处理。

由于最近在看，就去找了下课件资料，发现Github上很早就开源了课件笔记，图文形式，非常清晰。

该笔记整理了CS229所有重要的概念和技巧，主题包括六大块：监督学习、无监督学习、深度学习、机器学习技巧、概率和统计、线代微积分等，适合有点基础再看。

监督学习

无监督学习

深度学习

机器学习技巧

概率和统计

线性代数和微积分