斯坦福的《机器学习》课程上线了

斯坦福新课《实践机器学习（CS 329P）》开讲了，所有在线课程、视频、幻灯片都是免费的！这次的新课是全方位面向实际应用,你还需要懂一点Python、统计学方面的知识,
如果没有的话，只要你具备相应的知识基础也是OK的。

主讲人为李沐、黄清清、Alex Smola，全是来自亚马逊、谷歌等全球顶级企业的业内知名专家。

黄清清，谷歌研究科学家。曾于麻省理工学院攻读EECS硕士、博士，毕业后于UC伯克利以博士后身份工作一年，之后进入谷歌工作至今。

李沐，亚马逊首席科学家，加州大学伯克利分校客座助理教授，美国卡内基梅隆大学计算机系博士。专注于分布式系统和机器学习算法的研究。他是深度学习框架MXNet的作者之一。听说今年李沐还入驻了B站，发布大量深度学习课程。

第三位主讲人为Alex Smola，亚马逊知名科学家兼副总裁，柏林工业大学计算机系博士。他专注于深度学习、算法的可伸缩性等领域。曾任亚马逊机器学习总监，此前与李沐等人合著《动手学深度学习》一书。

课程安排

这套课程共计 18 节课程，覆盖统计学、算法、代码实现等方面知识，将会从实际数据处理学起，然后逐渐过渡到训练模型、调优参数、模型组合和迁移学习，最终会学习模型的可解释性以及如何有效部署模型。

• 第一部分：基本 ML 建模
  

• 第二部分：打破假设
  

• 第三部分：性能调优
  

• 第四部分：超越模型
  

上课时间安排

考核形式

评价如下：期中考试（10%）、作业（40%）、项目（50%）。在期中考试中，我们将提出一些理论问题，让您发现代码示例中的错误，并通过解决方案描述建模挑战。

有4个作业。它们包含类似于期中考试的问题。但更重要的是，我们将要求您根据我们提供的基线编写代码来解决 ML 的实际问题。

这些作业可能会激发您选择课程项目。该课程项目将有两个演示文稿。在期中，每组将提供 1 页的项目进度和执行计划摘要，并准备 3 张幻灯片进行 5 分钟的演示。最终报告时长为 10 分钟，最终报告长达 6 页，采用 ICML 风格。

课程正式报名将在 9 月 1 日开启。

点击链接或者点击下方二维码直达授课“教室”：

https://c.d2l.ai/stanford-cs329p/