UC Berkeley CS189/289A
UC Berkeley CS189/289A：Introduction to Machine Learning（2026 春）
系统学习机器学习模型、训练方法与数学基础。
BerkeleyCS189
- 难度
- 中阶
- 形式
- 大学课程
- 语言
- 英文
- 规模
- 27 个课节
- 内容费用
- 免费
- 动手
- 需要动手环境
使用限制
讲义公开；作业在 Modal 在线环境运行。
- 练习与作业
- Modal 账号（作业在线运行环境）
学完你能
- 系统学习机器学习模型、训练方法与数学基础
适合你吗
适合
已具备 Python、线性代数、概率和微积分基础，想系统学习监督学习、聚类与降维的学习者。
暂不适合
前置知识不足、需要作业批改或学分证书的人：公开旁听一般不含批改、考试和证书，部分视频也可能不公开。
需要先会
建议先具备：Python、线性代数、概率和微积分（本站建议）。正式选课要求见原站 syllabus。
课程特点
- 内容侧重
- 侧重理论理解
- 练习与项目
- Homework 1–4、可选Homework 5，以及每周Discussion。HW1包含书面与Modal编码部分；将书面推导、代码输出、模型评价分开保存，不能把平台链接可打开当作作业已完成。
- 学习时长
- 27 个课节原站未给出统一学习时长；实际用时取决于已有基础。
- 内容费用
- 免费讲义 PDF、讨论题与 YouTube 课堂视频公开免费；作业提交与评分需 Berkeley 账号
来源与使用须知
- 原始资源
- UC Berkeley CS189/289A 收录版本：2026 春
- 收录时间
- 本站首次收录 2026-10-10
- 指南参考
- 官方课程入口与课节顺序
版权与转载
- 课程材料未标明许可：仅供个人学习，转载、修改或商用前请先联系原作者。
- 本站只提供原始链接和学习指南，不转载、不镜像课程材料；引用时请注明原作者与出处。