Skip to content

Spring 2025 總覽：用 HW1–7 與 code/data 走完的機器學習，用 Fall 2026 看下一學期｜Berkeley CS189 課程總覽

2026年8月22日1 分鐘
首頁›learning
TL;DRCS189 在網路上有好幾個學期的版本。本系列從第 2 篇起以 Spring 2026（eecs189.org/sp26，A3）為底本，逐講、逐份作業導讀；Spring 2025（Shewchuk）是另一條經典路線，公開 25 講 notes、HW1–7 與歷屆考題，但正式錄影在 bCourses 要登入；Fall 2026 還在進行中，只拿來對照。本篇是系列入口與全系列目錄。
#berkeley#cs189#machine-learning#open-course#learning-path
系列: Berkeley CS189 Introduction to Machine Learning 導讀 (1 / 18)
Spring 2026 底本、Spring 2025 經典版、Fall 2026 進行中｜Berkeley CS189 課程地圖

🌏 English version

影片狀態：僅附官方入口或錄影清單。 影片來源與說明

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：想跟著本系列逐講自學，走 Spring 2026；想走 SVM、決策樹、PCA、boosting 的經典路線，走 Spring 2025；想看下一學期長什麼樣，看 Fall 2026。 Spring 2026 公開講義、25 支講課影片、附解答的 discussion 與 HW1–5 題目，本系列從第 2 篇起以它為底本（版本比較見 CS189 有三個版本）。Spring 2025 在 people.eecs.berkeley.edu/~jrs/189s25/ 保留 25 講 lecture notes、HW1–7、code/data 與歷屆考題（本站判 A3），正式錄影則放在 bCourses，要登入。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 2026 (eecs189.org/sp26)A3（本系列底本）27 講排程、講義 PDF／Notes、官方站連結的 25 支講課影片、Discussion 1–12 題目＋解答＋walkthrough、HW1–5 題目（HW5 附解答）、期中考與解答Gradescope、hidden tests、Ed；HW1–4 解答；期末考；Lec 1 錄影
CS189 Spring 2025 (~jrs/189s25)A3（另一條路線）25 講 lecture notes、整本 machlearn.pdf、HW1–7、code/data（HW4 資料放 Kaggle）、歷屆考題、完整 syllabus正式錄影在 bCourses 要登入，公開的只有 screen-only 備份錄影；當期 Gradescope、Ed 與隱藏測試
CS189 Fall 2026 (eecs189.org/fa26)A1→A2syllabus、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

兩個 A3 版本能過關的關鍵都是「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：

  1. 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。
  2. 機率：條件機率、期望值、MLE／MAP、bias-variance 拆解。
  3. 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。

Spring 2025 的課序與 HW1–7

Spring 2025 是 Jonathan Shewchuk 的版本，課序和 Spring 2026／Fall 2026 不一樣。依 189s25 課程頁的講次標題，25 講大致分成五段：

  1. 線性分類器（Lec 1–5）：分類與 train/validation/test、perceptron、gradient descent 與 SGD、hard/soft-margin SVM、ML 的抽象層次與最佳化問題類型。
  2. 決策理論與高斯模型（Lec 6–9）：Bayes decision rule、生成式與判別式模型、GDA（QDA／LDA）與 MLE、特徵分解與非等向高斯。
  3. 回歸（Lec 10–13）：least squares、logistic regression 與 Newton 法、ROC、回歸的統計論證、ridge 與 MAP。
  4. 樹與神經網路（Lec 14–19、22–23）：決策樹、bagging 與隨機森林、backpropagation、vanishing gradient 與 ReLU、CNN，後段再補 data augmentation、正則化、batch normalization、ResNet 與 AdamW。
  5. 非監督與近鄰（Lec 20–21、24–25）：PCA、SVD、k-means 與階層式聚類、AdaBoost、kNN 與 k-d tree。

HW1–7 的截止日依序是 1/29、2/12、2/26、3/12、4/3、4/25、5/7。課程頁只列每份作業的檔案與截止日，沒有逐份標主題，所以這裡不替各份 HW 貼主題標籤；要知道某份在練什麼，直接打開該份的 written part PDF。每份都有題目與可本機執行的 code/data，校外讀者缺的是 Gradescope hidden tests 與助教回饋，可以改用歷屆考題和自己切的 validation 曲線驗收。

SVM、決策樹／隨機森林、PCA／SVD、boosting、k-d tree 這些主題只有 Spring 2025 講，本系列以 Spring 2026 為底本時，遇到這些主題會指回這裡。

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：以已經結束、教材齊全的 Spring 2026 建主幹（本系列第 2–18 篇），把 Fall 2026 的 27 講順序當對照，Spring 2025 用來補經典主題。

系列文章

Spring 2026 共 27 講、5 份作業，本系列按官方課序把講次與作業交錯排：

  1. 本篇：系列入口與版本總覽
  2. CS189 有三個版本：Spring 2026 底本、Spring 2025 經典版、Fall 2026 進行中
  3. Lec 1–3：ML 問題框架、資料工具、術語與技巧
  4. Lec 4–7：K-means、機率複習、MLE、多變量高斯與 GMM
  5. Lec 7–10：線性回歸、最小平方的幾何、正則化
  6. HW1：線代／微積分／機率熱身 + Fashion coding
  7. Lec 11–12：分類、生成式分類器、logistic regression、ROC
  8. Lec 13、15：收斂、Momentum、Adam、SGD
  9. Lec 14、16：MLE vs MAP、bias-variance、熵與 KL，期中自評
  10. HW2：Chatbot Arena 論文題、回歸、MLE/MAP、GMM 到 flow matching
  11. Lec 17–18：深度、萬能近似、激活函數與反向傳播
  12. HW3：從零寫 autograd（BearTensor）、Newton 法、資訊瓶頸
  13. Lec 19–20：初始化、BatchNorm、CNN、early stopping 與 double descent
  14. Lec 21–22：Transformers
  15. HW4：ResNet/Transformer 論文題與 CNN、ResNet、Transformer、DNABERT、ConvNeXt 實作
  16. Lec 23–24：LLM 訓練與應用、自監督學習
  17. Lec 25–27：蛋白質工程的 AI、agents 與環境，以及完課路線
  18. HW5（選修）：生物自監督 InfoNCE、diffusion 理論、LLM fine-tuning + Kaggle

還拿不到、系列裡只記存在的部分：Spring 2026 期末考題目與解答（考古題資料夾只到 sp25／fa25 期末）、HW1–4 官方解答、Lec 26 guest lecture（沒有公開教材）、Lec 1 錄影。Fall 2026 學期結束後，會再評估是否改用它當底本。

今晚的起步動作

  1. 先讀 CS189 有三個版本，決定走 Spring 2026 主線還是 Spring 2025 經典路線。
  2. 走 Spring 2026 的話，打開 Lec 1–3 導讀，順手把 HW1 的數學熱身題標出三類：純推導、資料分析、程式實作。
  3. 若熱身題的線代或機率卡住，先回 CS70 notes 或 CS61B 補基礎，不要跳課。

課程影片來源

本文是課程總覽或資源地圖，沒有單一對應講次。2026-10-10 即時核對：Spring 2026 官方 YouTube 播放清單（25 支講課）可公開觀看；Spring 2025 的正式講課錄影放在 bCourses，開啟後導向 CalNet 登入頁，公開的只有 Google Drive 上的 screen-only 備份錄影；Fall 2026 不在這次查核範圍。

課程與錄影入口：

查核日期：2026-10-10。

參考資料

更新紀錄

  • 2026-10-10：標註影片狀態，核對錄影來源與取得方式。
  • 2026-10-10：重查影片狀態。確認 Spring 2026 播放清單公開、Spring 2025 正式錄影需 CalNet 登入；本篇為總覽，狀態維持僅附官方入口。
  • 2026-09-29：系列擴充為 18 篇，改以 Spring 2026 為底本，新增「系列文章」目錄與待釋出清單；修正「HW1–7 怎麼走」一節，原文把 Spring 2026／Fall 2026 的課序誤寫成 Spring 2025 的 HW 主題，改依 189s25 課程頁的講次標題重寫，並更正 Spring 2025 錄影需 bCourses 登入；公開程度表新增 Spring 2026；起步動作改指向系列文。

相關文章

Spring 2026 底本、Spring 2025 經典版、Fall 2026 進行中｜Berkeley CS189 課程地圖1 minML 問題框架、資料工具、術語與技巧｜Berkeley CS189 第 1–3 堂1 min、15：收斂、Momentum、Adam、SGD｜Berkeley CS189 第 13 堂1 min