原文链接 https://bigborg.github.io/2016/05/01/Machine-Learning-Course-Materials/
注：以下为加速网络访问所做的原文缓存，经过重新格式化，可能存在格式方面的问题，或偶有遗漏信息，请以原文为准。
最后两周懒得做笔记了，一张张截图好费时间。已经把pdf，ipython notebook，data都上传到github，ipython notebook还转换成了markdown文件方便阅读。
Github Repo
华盛顿大学的这门公开课真的很棒，很照顾新手，把用到的数学符号都解释了，同时又不会太水。比起约翰霍普金斯的数据科学偏向理论，后者的回归模型主要讲的怎么用，而这门则是深入讲解回归模型的参数如何得来，还有各种问题以及对应的解决方案。
关键词：
Close-form solution
gradient descent
ridge regression
lasso regression
coordinate descent
k nearest neighbors
kernel regression
bias,variance,noise
真心高质量的课，然而我要专心搞R和考研去了，以后再接着上classification把。