CS229 Lectures

• 
  3장 - 국소 가중 회귀와 로지스틱 회귀
• 
  16장 - 독립 성분 분석과 강화 학습
• 
  8장 - 데이터 분할, 모델과 교차 검증
• 
  11장 - 역전파와 신경망 개선
• 
  2장 - 선형 회귀와 경사 하강법
• 
  15장 - PCA와 ICA
• 
  14장 - EM 알고리즘과 인자 분석
• 
  9장 - 의사결정 트리와 앙상블 기법
• 
  13장 - EM 알고리즘
• 
  6장 - 서포트 벡터 머신
• 
  12장 - ML 모델 디버깅과 오류 분석
• 
  10장 - 신경망 입문
• 
  7장 - 커널
• 
  17장 - MDP와 가치 및 정책 반복
• 
  19장 - 보상 모델과 선형 동적 시스템
• 
  5장 - GDA와 나이브 베이즈
• 
  20장 - 강화 학습 디버깅과 진단
• 
  18장 - 연속 상태 MDP와 모델 시뮬레이션
• 
  4장 - 퍼셉트론과 일반화 선형 모델
• 
  1장 - 머신러닝이란 무엇인가
• 
  CS229 머신러닝 강의 목차