Stanford CS229：Machine Learning（2018 秋）

请帮我把「Stanford CS229：Machine Learning（2018 秋）」的学习环境一次准备好，让我之后只需要按顺序学习和做练习。
开始前先问我：课程放在哪个目录（等我给出完整路径），确认我的操作系统和已有工具。确认前不要创建文件或安装软件。

课程入口：https://cs229.stanford.edu/syllabus-autumn2018.html
我的系统：Linux。如果实际不符，先调整方案。
本次路线：Linux：在本机动手。只准备这条路线需要的工具；只读路线不安装运行环境、不配置模型密钥。
练习：原课表列出 PS0–4，但 PS0 历史 PDF 目前404，PS1–4在历史 Piazza 线程。先根据可访问讲义做个人推导或自拟实现，并明确不等于官方作业；完整作业和项目任务须取得对应历史原件后再准备。
课节（官方顺序）：
1. Introduction and Basic Concepts.：https://cs229.stanford.edu/syllabus-autumn2018.html
2. Supervised Learning Setup. Linear Regression.：https://cs229.stanford.edu/syllabus-autumn2018.html
3. Weighted Least Squares. Logistic Regression. Newton's Method. Perceptron. Exponential Family. Generalized Linear Models.：https://cs229.stanford.edu/syllabus-autumn2018.html
4. 官方未单列标题（10月1日–3日合并主题）：https://cs229.stanford.edu/syllabus-autumn2018.html
5. Gaussian Discriminant Analysis. Naive Bayes.：https://cs229.stanford.edu/syllabus-autumn2018.html
6. Laplace Smoothing. Support Vector Machines.：https://cs229.stanford.edu/syllabus-autumn2018.html
7. Support Vector Machines. Kernels.：https://cs229.stanford.edu/syllabus-autumn2018.html
8. Bias-Variance tradeoff. Regularization and model/feature selection.：https://cs229.stanford.edu/syllabus-autumn2018.html
9. Tree Ensembles.：https://cs229.stanford.edu/syllabus-autumn2018.html
10. Neural Networks: Basics.：https://cs229.stanford.edu/syllabus-autumn2018.html
11. Neural Networks: Training.：https://cs229.stanford.edu/syllabus-autumn2018.html
12. Practical Advice for ML projects.：https://cs229.stanford.edu/syllabus-autumn2018.html
13. K-means. Mixture of Gaussians. Expectation Maximization.：https://cs229.stanford.edu/syllabus-autumn2018.html
14. Factor Analysis.：https://cs229.stanford.edu/syllabus-autumn2018.html
15. Principal Component Analysis. Independent Component Analysis.：https://cs229.stanford.edu/syllabus-autumn2018.html
16. MDPs. Bellman Equations.：https://cs229.stanford.edu/syllabus-autumn2018.html
17. Value Iteration and Policy Iteration. LQR. LQG.：https://cs229.stanford.edu/syllabus-autumn2018.html
18. Q-Learning. Value function approximation.：https://cs229.stanford.edu/syllabus-autumn2018.html
19. Policy Search. REINFORCE. POMDPs.：https://cs229.stanford.edu/syllabus-autumn2018.html
20. Optional topic. Wrap-up.：https://cs229.stanford.edu/syllabus-autumn2018.html

1. 环境
- 使用系统 Python 3 与 venv，在课程目录执行 python3 -m venv .venv，并使用 .venv/bin/python 执行后续 Python 命令。
- 本期包含 Python 辅导；先使用仍可访问的数学复习材料；PS0 历史链接当前404。PS1–4 的 ZIP 链接位于历史 Piazza，取得合法访问后按其中 README 配置，不用当前课程依赖覆盖 2018。
- 没有旧平台访问时可做公开讲义推导与自拟实现，但须明确它们不是官方 PS1–4。
- 安装前先列出要装的软件和命令，等我同意；已装好的直接复用。
2. 材料
- 2018 秋官方课表与讲义：只记录链接 https://cs229.stanford.edu/syllabus-autumn2018.html（仅保存官方链接；未核定此材料的复制许可，不自动下载或镜像。）
3. 目录（最外层放在我确认的位置）
stanford-cs229-autumn2018/
├── README.md        # 课程入口、课节清单、每次怎么开始
├── progress.md      # 每课：读讲义 / 做练习 / 记笔记
├── questions.md     # 待解决的问题
├── check-env.sh     # 环境自检，按 README 操作
├── data/            # 练习用到的样例数据
└── lessons/         # 每课一个文件夹：notes.md + exercises/
    ├── 01-lecture-01/
    ├── 02-lecture-02/
    ├── 03-lecture-03/
    ├── 04-lecture-04/
    ├── 05-lecture-05/
    ├── 06-lecture-06/
    ├── 07-lecture-07/
    ├── 08-lecture-08/
    ├── 09-lecture-09/
    ├── 10-lecture-10/
    ├── 11-lecture-11/
    ├── 12-lecture-12/
    ├── 13-lecture-13/
    ├── 14-lecture-14/
    ├── 15-lecture-15/
    ├── 16-lecture-16/
    ├── 17-lecture-17/
    ├── 18-lecture-18/
    ├── 19-lecture-19/
    └── 20-lecture-20/
- 每课文件夹里建 notes.md（顶部写本课官方链接）和 exercises/；课节文件夹名称与上面一致。
- 已有课程目录先检查并复用；不覆盖笔记、作业或 progress.md，不重置已有进度。尚未发布的课节保留入口并注明未发布，不能代写讲义或虚构练习。
4. 自检
- 创建 check-env.sh，逐项检查并记录“通过/未通过”：
- 在课程根目录运行；每项检查独立执行，进入子目录不能影响下一项。使用当前系统的终端运行。
  - python --version  → 当前课程独立环境输出 Python 3 版本；macOS/Linux 若使用 python3，应在生成 check-env 时按实际解释器改写。
  - 人工检查：打开2018课表与线性代数复习材料；PS0 历史链接404，保留失败记录，不标为已取得  → 能打开指定材料并核对标题；此项是人工检查，不是终端命令，也不代表课程练习已完成。
- 标注为人工检查、浏览器操作或 notebook 单元的项目，按相应方式操作，不直接粘贴进 shell；脚本只包含当前系统可执行的命令。
- 仅在当前路线需要、对应材料已获准保存、工具已安装时运行该项；需要登录、付费或尚未开放的材料记为“需要我操作/未验证”，不能伪报通过。不执行会调用付费 API、提交作业或修改云服务的检查。
- 运行一次，把结果给我看；未通过的项目说明原因和修复办法。
5. 学习计划
- README.md：课程入口、课节清单（带链接）、每次学习怎么开始（使用“每课提示词”）。
- progress.md：每课三项勾选——读讲义、做练习、记笔记。
6. 最后分三部分汇报：已完成、需要我自己操作的、尚未验证的。

边界：
- 需要管理员权限、会产生费用或需要填写密钥的操作，先告诉我原因，等我同意。密钥由我在本机配置，不发到聊天，不写进笔记或版本库；原项目需要 .env 时确认已被 Git 忽略。
- 不替我写练习或作业答案，也不替我提交。我卡住时只给提示；我明确要求时才给解答。
- 只下载许可允许个人保存的材料；其余只放链接。不把未运行的命令说成成功。
如果你不能直接操作我的文件系统，请在确认目录后给出适用于我的系统、可直接执行的命令和需要保存的文件内容。