之前在简书上发过两个帖子，分别总结了CS以及机器学习的课程资源，现在也学习了几个月，就把学完的记录在这里，部分课程做了笔记的也会列出。

系统自学计算机课程：

https://www.jianshu.com/p/8f2646a825e8

机器学习资料：

https://www.jianshu.com/p/dc9020fd03b1

之前整理CS229和CS231作业的时候发现CNN和RNN的反向传播推导还是有些难度的，由此产生了整理机器学习中的线性代数的想法，整理内容包括（但不限于）向量微积分，奇异值分解，反向传播的推导等等，每个部分都会给出严格的理论推导，相应的代码以及其应用。这篇博客相当于一个索引，给出主要的结论，并且会经常更新，每个结论背后的理论推导都会专门写一篇博客进行补充。

课程主页： http://web.stanford.edu/class/cs234/index.html

这里回顾David silver 强化学习 Lecture 5的课程内容，这一讲简单介绍了不基于模型的控制。

课程主页： http://web.stanford.edu/class/cs234/index.html

这里回顾David silver 强化学习 Lecture 4的课程内容，这一讲简单介绍了不基于模型的预测。

课程主页： http://web.stanford.edu/class/cs234/index.html

这里回顾David silver 强化学习 Lecture 3的课程内容，这一讲简单介绍了通过动态规划进行控制。

课程主页： http://web.stanford.edu/class/cs234/index.html

这里回顾David silver 强化学习 Lecture2 的课程内容，这一讲简单介绍了马尔可夫决策过程。

课程主页： http://web.stanford.edu/class/cs234/index.html

这里回顾David silver 强化学习 Lecture 1的课程内容，这一讲简单介绍了强化学习。

课程主页： http://web.stanford.edu/class/cs234/index.html

由于实习的原因，需要补充RL方面的知识，目前找了两份资料，一个David Silver的课程，另一个是CS234，这部分是对CS234的整理，第一讲的主题是Introduction to RL。

这次回顾第四周的内容。

课程主页：https://www.coursera.org/learn/analysis-of-algorithms

这次回顾第三周的内容。

课程主页：https://www.coursera.org/learn/analysis-of-algorithms