CMU 10-301／601 Spring 2026：用九份作業學完整機器學習

TL;DR Spring 2026 的 10-301／601 公開 27 講教材與九份作業包；校外讀者能完成主要實作，但拿不到 Panopto、Piazza、Gradescope 與正式作業解答。

#cmu #machine-learning #course-guide #self-study

為什麼按作業讀
先修與工具
九個能力節點
公開與不公開的邊界
今晚怎麼開始
參考資料

🌏 English version

CMU 10-301／601 Spring 2026 是同一間教室、兩個課號的 Introduction to Machine Learning。它不是只教模型清單：公開的 schedule 排出 27 講，並把 readings、slides、inked slides、recitation 與考試複習接在一起；coursework 則提供九份 homework bundle。

為什麼按作業讀

當期錄影在 Panopto，沒有 Andrew ID 不能把它當公開影音課。硬拆成 27 篇只會重述投影片。九份作業才是能力交付點：從數學與 Python 地基，一路做到樹模型、線性模型、神經網路、學習理論、深度學習、強化學習與非監督式方法。

先修與工具

先準備 Python、NumPy、微積分、線性代數、基礎機率。HW1 就是誠實的入場測試；不要先看完整學期再發現矩陣維度與 chain rule 才是阻塞。官方作業指定的套件與版本應以 handout 為準，校外讀者則可另建乾淨環境，保留每次執行指令與輸出。

九個能力節點

Background Material：數學、Python 與資料檢查。
Decision Trees：資訊量、遞迴建樹與評估。
K-NN、Perceptron、Regression：比較 inductive bias。
Logistic Regression：從 likelihood 到梯度實作。
Neural Networks：計算圖與 backpropagation。
Learning Theory and Ethics：generalization、MLE/MAP、公平指標與社會影響。
Deep Learning：把基礎網路擴到更深的架構。
Reinforcement Learning：MDP、價值與互動式學習。
Learning Paradigms：ensemble、k-means、PCA、推薦系統。

公開與不公開的邊界

課程首頁說明課程身份與政策，schedule 公開 readings／slides／recitations，coursework 則連出 handout、範本、starter、資料與部分 reference output，因此可列 A3 自學路線。但 A3 不代表完整修課體驗：Panopto 影片、Piazza 討論、Gradescope hidden tests、助教回饋與正式 homework solutions 受限。Practice exams 有公開解答，不能拿來假裝作業也有官方解答。

今晚怎麼開始

下載 HW1，只做數學題目中的一頁與資料 inspection 程式。用公開 reference output 對輸出格式，再寫一段錯誤紀錄：錯在公式、陣列形狀，還是命令列介面。這比先看十講更能判斷是否已具備入場能力。