CS229 - Học máy (Machine Learning) (đang dịch)

Giới thiệu khóa học

Khóa học giới thiệu toàn diện về học máy và nhận dạng mẫu thống kê. Các chủ đề bao gồm: học có giám sát (supervised learning), học tạo sinh (generative learning)/học phân biệt (discriminative learning), học có tham số (parametric learning)/phi tham số (non-parametric learning), mạng nơ-ron (neural network), máy vector hỗ trợ (support vector machines); học không giám sát (unsupervised learning), phân cụm (clusterings), giảm chiều dữ liệu (dimensionality reduction), kernel methods; lý thuyết học (learning theory) như sự đánh đổi thiên lệch/phương sai (bias/variance tradeoffs), lý thuyết VC, biên lớn (large margins); học tăng cường (reinforcement learning) và điều khiển thích ứng (adaptive control). Khóa học cũng sẽ thảo luận các ứng dụng gần đây của học máy, chẳng hạn như điều khiển robot (robotic control), khai thác dữ liệu (data mining), điều hướng tự động (autonomous navigation), tin sinh học (Bioinformatics), nhận dạng giọng nói (Speech recognition), và xử lý dữ liệu văn bản và web. Học viên cần có các kiến thức nền tảng sau: - Kiến thức về các nguyên lý và kỹ năng cơ bản về khoa học máy tính (computer science), ở mức độ đủ để viết một chương trình máy tính tương đối phức tạp. - Hiểu biết về lý thuyết xác suất (probability theory) cơ bản. (Có kiến thức tương đương Stat 116 là đủ nhưng không bắt buộc.) - Hiểu biết về đại số tuyến tính (linear algebra) cơ bản (bất kỳ khóa học nào trong số Math 51, Math 103, Math 113, hoặc CS 205 đều nhiều hơn mức cần thiết.)