斯坦福大学 CS229 讲义部分的翻译，想法来自于 这个仓库 。 因为可能会对讲义内容有所修改补充，所以没有采用 Fork + PR 的形式，而是准备另起炉灶。然而，你看到的部分内容会和 Kivy-CN 等人贡献的内容类似。欢迎你维护上面提到的仓库中的翻译内容，他们已经获得了课程官方的授权。我们也欢迎所有人对此仓库进行维护和参与翻译优化工作。
查看 Markdown 格式文件时，你需要安装谷歌浏览器插件 GitHub with MathJax 以正常显示数学公式，在对应小节整体翻译完成后我们会上传简单的PDF版本，也欢迎其他人提供优化过的PDF版本文件。有任何建议和错误都在 Issues 板块提出，Pull Requests 会在第一时间审核。详细的贡献方式请查看 这篇文档。
本仓库仅供 MIL 交流学习使用，并不是官方授权的中文翻译，请勿公开传播使用
主要维护人员：曹骁威、叶晴昊 （课程列表和翻译进度在本页面较下方处）
Stanford 课程主页地址：http://cs229.stanford.edu/ 当前参考学期为：Autumn 2017
- 你可以在这里访问一个古老版本的中文字幕课程视频，来自网易公开课。
- 你也可以在YOUTUBE上搜索CS229获得最新的视频内容
本课程将介绍机器学习和统计模式识别。主题包括：监督学习（判别算法/生成学习，参数/非参数学习，神经网络，支持向量机）; 无监督学习（聚类，降维，核方法）; 学习理论（偏差/方差权衡; VC理论;大间距）; 强化学习和自适应控制。课程还将讨论机器学习的近期应用，如机器人控制，数据挖掘，自主导航，生物信息学，语音识别，文本和网络数据处理。
学生有以下背景：
- 掌握基本的计算机科学原理和技能，水平足以写出一个合理的微不足道的计算机程序。
- 熟悉概率论（CS 109或STATS 116）
- 熟悉线性代数（Math 104，Math 113或CS 205中的任何一个应该是足够的）
其它的介绍内容请访问课程主页。
访问这个链接查看详细课程安排。
具体的内容会随着翻译进度而更新。
- 课程笔记
- 监督学习，判别算法 [ps][pdf][中文Markdown]
- 问题集 0[pdf] （暂时没有汉化打算）