Skip to main content

CMU 10-701 机器学习

课程名称: Machine Learning
官方入口: CMU ML Department 课程说明CMU Course Catalog
课程层级: 研究生核心课
先修要求: 一门扎实的基础 ML 课程、概率统计、线性代数、优化
重要程度: ※※※※※

课程定位

10-701 是 CMU 机器学习体系里的核心研究生课,更强调理论完整性和研究训练价值。对很多准备读博或进入研究型实验室的学生来说,它是必须迈过的一道坎。

核心内容

  • 统计学习理论与泛化
  • 图模型、隐变量模型与推断
  • 贝叶斯方法与判别方法
  • 优化、近似推断和学习算法分析
  • 从经典 ML 到现代深度学习的统一理解

课程特点

这门课的价值不在于“模型更潮”,而在于它迫使你用研究者视角重新审视机器学习:问题假设是什么、估计器为什么合理、理论边界在哪里、实验结果该如何解释。

适合谁

  • 已经上过一门较强的 ML 课,希望进一步补理论
  • 准备读论文、做研究项目或申请研究型岗位
  • 愿意投入较多时间处理推导、证明和深入阅读

学完后的衔接

  • 深度学习研究:接 11-485
  • RL / 控制:接 10-403
  • 更具体的应用方向:11-41116-385