Stanford CS229 — 机器学习（公开材料）: 点评

我是 Priya，在一家中型 SaaS 做数据科学。日常工作里 scikit-learn 和梯度提升树用得滚瓜烂熟，但入行几年后我撞上一个天花板：会调模型，却不完全握得住算法为什么成立。这个缺口把我带回了 CS229 的公开材料——它仍是我找到的最好的免费答案，只是 caveat 我要精确到年份。

你实际能拿到的东西：吴恩达 2018 秋季学期录像，YouTube 上约 27 小时；加上 Andrew Ng 与 Tengyu Ma 的公开讲义——一份被当参考书用的 PDF，最后更新于 2023 年 6 月。在校课程每学期照常开，但当学期材料（Canvas、论坛、新视频）在斯坦福登录墙后。收费的 Stanford Online 学分版截至 2026 年 8 月未开放报名，价格未列出。所以”免费 CS229”的意思是：2018 视频加活的讲义，仅此而已。

大纲是代码先行课程的理论对极：监督学习一路推到 GLM、核方法与 SVM、从第一性原理推导的反向传播、学习理论（偏差/方差、泛化、double descent）、含完整 EM 推导的无监督方法、再到 LQR/LQG 与 REINFORCE 的强化学习。讲义近年修订新增了自监督学习与基础模型——比视频新，这点重要。先修是实打实的：CS106 级 Python/NumPy、CS109 级概率、MATH51 级微积分与线代。第三方自学指南估计约 100 小时，流行的 csdiy.wiki 给难度 4/5 星。两者都与我在学员讨论里看到的一致：数学门槛是最反复出现的主题。

版本问题是我的执念，单独说：视频是 2018 年的，在校大纲的深度学习和 LLM 部分早已前移；讲义较新，但配套的公开讲课视频并不齐。我自己的用法是把 2018 系列当讲课主线、Ng/Ma 讲义当活的文档。这个分工成立。

免费通道不给你什么：作业批改、autograder、助教、论坛、任何证书。在校生有四套题、期中考和一个实打实的项目；你得自备结构、截止和纠错机制。付费的 Stanford Online 路线还要求已授予的学士学位加 3.0+ GPA，且再说一次，核实时未开放。

口碑是挣来的。Reddit 的 ML 社区称它为”真东西”，面向那些怀疑简化版 MOOC 漏了东西的人；自学社区学完后把讲义留作参考。吴恩达 2018 年的课堂教学以清晰著称——这种一致性我很少见到。

替代方案：想要更平缓、带证书的同一老师，Machine Learning Specialization；想先建模型再推导，fast.ai 顺序相反；NLP 方向的姊妹资源是 CS224n 公开材料。CS229 的独特价值是单位成本的严格度——免费资源里没有谁把”为什么成立”教得更好。

底线：有数学底子、想要十年后依然成立的基础，从这里开始。接受 2018 年的视频、零支持设施、自律自备。要学分去 Stanford Online 页面——截至我们上次核实，关闭中。