Skip to main content

CMU 10-605 机器学习导论

课程名称： Machine Learning with Large Datasets / Introduction to Machine Learning（近年表述可能有调整）
官方入口： CMU ML Department 课程说明、CMU Course Catalog
课程层级： 研究生入门
先修要求： 扎实的概率、线性代数、编程与算法基础
重要程度： ※※※※※

课程定位​

10-605 是很多 CMU 学生真正意义上的 ML 主课。它比本科版更快、更密，也更接近后续研究和工程实践需求。很多外校同学提到 CMU ML，首先想到的就是这门课。

核心内容​

  • 监督学习与概率建模
  • 优化、梯度方法与模型训练
  • 泛化、正则化与评估
  • 无监督学习和表示学习
  • 面向真实数据集的实验方法

课程价值​

如果你已经学过基础 ML，但总感觉知识点分散，10-605 很适合用来重建一个更强的主干框架。它的课程材料通常很重视“为什么这样建模”和“怎样判断实验是否可信”。

学习难点​

  • 节奏快，作业和实验量都不小
  • 对数学和工程实现要求同时较高
  • 很多内容默认你能快速从公式切换到代码

学完后的衔接​

  • 研究生核心理论：接 10-701
  • 深度学习：接 11-485
  • RL：接 10-403
  • NLP / CV：接 11-411、16-385