本文是斯坦福大学CS 229机器学习课程的基础材料的中文翻译
翻译：线性代数（黄海广），概率论（石振宇博士）

审核修改：黄海广

 

Stanford cs229 manchine learning课程，相比于Coursera中的机器学习有更多的数学要求和公式的推导，课程全英文，已经有人翻译了课程的内容（https://github.com/Kivy-CN/Stanford-CS-229-CN）

但是，这个github对基础材料部分还没有翻译。

基础材料主要分为线性代数和概率论，而且针对机器学习课程做了优化，非常适合学习。

目前我们已经翻译完线性代数和概率论部分，放在我的数据科学的github提供下载：

https://github.com/fengdu78/Data-Science-Notes/tree/master/0.math/1.CS229

备注：如果需要看原始英文文件，下载地址

原始英文文件下载（概率论）：（http://cs229.stanford.edu/summer2019/cs229-prob.pdf）

原始英文文件下载（线性代数）：（http://cs229.stanford.edu/summer2019/cs229-linalg.pdf）

---

概率论文件目录

1. 概率的基本要素

2. 随机变量

3. 两个随机变量

4. 多个随机变量

5. 其他资源

线性代数文件目录

1. 基础概念和符号

2.矩阵乘法

3 运算和属性

4.矩阵微积分

文件分为markdown版本和pdf版本，文件内容截图：

本人水平有限，翻译并不完美。欢迎大家提交PR，对语言进行润色。

你不是一个人在战斗！

翻译完毕的pdf和markdown文件可以在我的数据科学的github提供下载：

https://github.com/fengdu78/Data-Science-Notes/tree/master/0.math/1.CS229

长按扫码撩海归