前言
相信经常混Machine Learning各大学习圣地的朋友们多少有听说过斯坦福大学的CS229机器学习课程（Stanford's CS 229 Machine Learning course）的呢，今天在GitHub上看到一个项目，作者Afshine Amidi (Ecole Centrale Paris, MIT)总结了自己学习该课程的重要知识点，然后每个模块输出一张囊括重点的图表（有点像我们期末备考时候的考点梳理哈哈哈），大概看了一下，作者把机器学习知识点分成了：
- Supervised Learning（监督学习）
- Unsupervised Learning（无监督学习）
- Deep Learning（深度学习）
- Tips and tricks（技巧与秘诀）
- Probabilities and Statistics（概率与统计）
- Algebra and Calculus（线性代数和微积分）
先前发过一个部分的内容，发现内容还是偏少了一点，所以这次决定把所有内容都一次性整理出来，建议大家可以收藏起来，如果需要PDF版本，可以联系??Flora进行索取。
正文——机器学习技巧与秘诀
Supervised Learning（监督学习）
Unsupervised Learning（无监督学习）
Deep Learning（深度学习）
Tips and tricks（技巧与秘诀）
Probabilities and Statistics（概率与统计）
Algebra and Calculus（线性代数和微积分）
出处
作者：Afshine Amidi (Ecole Centrale Paris, MIT) 和 Shervine Amidi (Ecole Centrale Paris, Stanford University)
GitHub地址 https://github.com/afshinea/stanford-cs-229-machine-learning/tree/master/en
译者：Wang Hongnian, Xiaohu Zhu, Chaoying Xue
