Berkeley CS189 Introduction to Machine Learning 是 Berkeley 的數學型機器學習入口，不接在 CS188 Spring 2026 之後，而是與它平行。Berkeley AI／ML 課程導讀已把兩門課定位為「搜尋／推理」與「統計學習」兩個入口；這篇把 CS189 的自學可行性補到可執行。
核心結論：想現在自學，走 Spring 2025；想看下一學期長什麼樣，看 Fall 2026。 Spring 2025 在 people.eecs.berkeley.edu/~jrs/189s25/ 保留完整 notes、影片、HW1–7、code/data 與歷屆考題（本站判 A3）；Fall 2026 剛在 eecs189.org/fa26 公布 27 講行事曆（Lec01 Introduction + ML Problem Framing 到 Lec27 Closing），但講義與作業多數尚未開放，泛用網址 eecs189.org 本身也會隨學期重導向，舊檔有輪替後 404 的前例。
公開到什麼程度
依本站 A0–A3 標準：
| 版本 | 等級 | 匿名拿得到什麼 | 主要缺口 |
|---|---|---|---|
CS189 Spring 2025 (~jrs/189s25) | A3 | lecture notes、影片、HW1–7、code/data、歷屆考題、完整 syllabus | 當期 Gradescope 提交、Ed、人工回饋與隱藏測試 |
CS189 Fall 2026 (eecs189.org/fa26) | A1→A2 | syllabus、27 講行事曆（Week 1–16）、部分 lecture 連結 | 講義／錄影／HW starter 多數尚未發布；需等學期推進 |
Spring 2025 能判 A3 的關鍵是「練習鏈完整」：有題目、有可本機執行的 code/data、有歷屆考題可自我檢測。Fall 2026 的價值目前在「看結構」：從 Fall 2026 Schedule 可看到完整路徑 Data Tools / K-Means / KNN → Density Estimation / GMM → Linear Regression / Bias-Variance → Logistic Regression → Gradient Descent → Neural Networks → CNN / Transformers / LLM → Attention / MDP / RL → Post-training / Diffusion → Closing，與傳統 ESL 與校內 ML 主幹一致，但不宜把它當成已開放的自學包。
開始前要會什麼
官方先修是多變量微積分、線性代數與 CS70（或教師同意）。對校外讀者的可操作檢查：
- 線代：矩陣乘法、特徵值、SVD 的幾何意義；能讀懂最小平方法與 ridge 的正規方程。
- 機率：條件機率、期望值、MLE／MAP、bias-variance 拆解。
- 實作：Python + NumPy 能完成向量化實作與梯度檢查；不熟就先回 CS61B Fall 2025 補資料結構與測試習慣。
CS189 不要求 CS61B 的課號，但 HW 的 code 會假設你會寫可重現的實驗、會切 train/validation、會看 learning curve。缺這塊會比缺一條先修課號更卡。
HW1–7 怎麼走（Spring 2025）
Spring 2025 的 HW1–7 在站上各有 PDF 與對應 code/data，建議照官方順序做，每份都做「讀 notes → 看影片 → 做 discussion → 寫 HW → 對歷屆考題」：
- 資料與距離：K-Means、KNN 與資料工具，建立「特徵—距離—決策」直覺。
- 機率與密度：density estimation、GMM，銜接 EM 的推導。
- 線性模型：least squares、regularization、bias-variance 與模型選擇。
- 分類：logistic regression、LDA/QDA、支援向量機的對比。
- 最佳化：gradient descent 的收斂與步長，接到隨機與批次變體。
- 非線性與核：kernel methods、feature maps 與正則化的對偶觀點。
- 深度模型：neural networks、CNN/Transformer/LLM 與生成模型收尾（對應 Fall 2026 的
Lec12–Lec27弧線）。
每份 HW 保留「題目—code—data」三角，校外可本機重跑；缺的是 Berkeley 的 Gradescope hidden tests 與助教回饋，改以歷屆考題與自行切的 validation 曲線做驗收。
為什麼不直接追 Fall 2026
eecs189.org 是輪替站，根網域已 302 到 /fa26，舊學期頁面可能在切換後失效（Berkeley 課程地圖已有 404 紀錄）。Fall 2026 目前僅行事曆完整，講義與 HW 多數標 TBD，硬追會變成「看課表自學」。可行的策略是：以 Spring 2025 建主幹，同步對照 Fall 2026 的 27 講順序，遇到新主題（如 Post-training: Fine-tuning / LoRA / PEFT / Distillation、Diffusion）再回頭補 Spring 2025 沒有的單元。
今晚的起步動作
- 打開 CS189 Spring 2025 的
HW1，不寫 code，先標出三類題：純推導、資料分析、程式實作。 - 對照 Fall 2026 Lec01–Lec03 的
Introduction / Data Tools / Math Refresher，補齊卡住的線代或機率清單。 - 若
HW1的 NumPy 題十分鐘內能跑通，再往HW2走；否則回到 CS70 notes 或 CS61B 單元補基礎，不要跳課。
參考資料
Loading...