MIT、哈佛、斯坦福和加州理工自行编写机器学习课程笔记，而非使用教科书——我整理了其中最好的

我注意到，真正认真的机器学习学习者和随随便便的人之间有一个区别：他们对实际学习材料的质量有多在意。我自己也非常重视这一点，所以一段时间前我开始研究MIT、哈佛、斯坦福、加州理工和USP的学生实际上用什么来辅助学习。我的发现让我惊讶：其中好几个项目根本不指定教科书。相反，课程组自己编写并发布讲义，有些基本上就是一本完整的书。例如，MIT的6.390（机器学习导论）笔记不是幻灯片或速查表，它们结构清晰、内容完整、细节丰富，完全可以取代教科书。哈佛的CS181和其他几门课也是如此。问题是这些资料分散各处，如果你不知道去找，很容易错过。所以我整理了一份精选清单：[Awesome Free AI Course Notes](https://github.com/MarcosSete/awesome-free-ai-course-notes)。关于这份清单的筛选标准，我觉得这很重要： - 只有**书面笔记**才算数，幻灯片和纯视频课程即使来自优秀课程也不在考虑范围内。我希望这份清单有意义。 - 所有内容都是官方的，直接链接到教授或院系的页面。没有镜像，没有登录墙。 - 为此我检查了多个国家的40多所顶尖大学。大多数不符合条件，它们要么使用教科书，要么把资料放在学生门户后面。这没关系，这正是清单保持精简且（希望）可信的原因。 如果你像我一样认真对待机器学习，我想你会从中获得真正的价值。如果你知道符合这个标准但尚未被收录的课程笔记，非常欢迎贡献，CONTRIBUTING.md详细说明了什么符合条件。你个人学习机器学习时用过的最好的课程笔记（不是教科书，不是幻灯片）是什么？仓库：https://github.com/MarcosSete/awesome-free-ai-course-notes