全部资源

各类型里多数人会感兴趣、对大部分人有帮助、相对完整系统的 AI 资源。

排序:最新收录 · 推荐2 条精选
课程必读
Stanford 课程官网

斯坦福 CS129:应用机器学习(2026 冬)

斯坦福大学 2026 年冬季 CS129 应用机器学习课程主页,授课教师为 Andrew Ng 和 Younes Bensouda Mourri。课程强调实践技能,覆盖逻辑回归、线性回归、神经网络/深度学习、决策树等监督学习算法,k-means 等无监督算法,Q-learning 等强化学习算法,以及异常检测和推荐系统等应用。先修要求为 CS106B/106X 水平编程、CS109 或 STATS116 水平概率论、MATH51 水平线性代数。课程采用翻转课堂形式,课前观看视频并完成编程作业和在线测验,课堂深入讲解数学并讨论算法应用,最终以开放式期末项目收尾。

课程必读
Stanford 课程官网

斯坦福 EE364A:凸优化 I(2026 夏)

这是斯坦福 EE364A(与 CME364a 等同)的课程主页,页面注明基本课程信息在此,详细更新内容在 Ed 平台。课程在 2025–2026 夏季学期由 Logan Bell 和 Nikhil Devanathan 讲授,每周二、周四 12:00–14:00 在 Skilling Auditorium 上课,首次课为 6 月 23 日,第一周答疑需邮件预约,课程通过 CGOE 平台向注册学生提供录像;因讲座有录像,允许与同期其他课程同时选修,期末考试另设时间。页面还提供完整幻灯片 PDF、CVXPY 教程及若干凸优化应用示例链接,并列出课程助教。适合想了解凸优化入门课程安排和学习资源的人阅读。