MIT 6.3900 机器学习导论
课程名称: Introduction to Machine Learning
官方入口: MIT Course Catalog
课程层级: 本科高年级 / 本研衔接
先修要求: 线性代数、概率、优化与基础算法
重要程度: ※※※※※
课程定位
6.3900 是 MIT 当前机器学习主课,官方描述明确强调“从优化视角理解机器学习”。这意味着它不是简单罗列模型,而是把监督学习、无监督学习、强化学习和神经网络统一到优化与表示学习框架里。
核心内容
- 线性与非线性监督学习模型
- 无监督学习与表示学习
- 梯度下降及其变体
- 神经网络结构与训练
- 从优化角度理解 RL 和现代 ML
MIT 风格体现在哪里
这门课特别强调算法和优化过程本身。很多同学学完会明显感觉到:自己不再只是知道模型名字,而是开始真正理解“目标函数、参数化、约束和训练动态”之间的关系。
作业与难点
- 数学和实现都不会轻
- 需要较熟练地处理矩阵计算、梯度和实验设计
- 如果只学过 AI 导论而没有扎实概率线代,进度会比较吃力
学完后的衔接
- AI 推断与表示:接
6.4110 - 深度学习:接
6.7960 - NLP / CV:接
6.8611、6.4300 - 机器人:接
6.4200、6.4210