斯坦福教授整理的这本算法册子，全书不到 70 页，却几乎涵盖了你能想到的所有主流机器学习和人工智能算法。

不管你是算法初学者，还是已经写过几个模型但对底层原理理解不深，这本小册子都很值得花时间啃一啃。它不是那种纯数学公式堆叠的风格，很多推导都留了细节方便你自己补，也不像一般科普书那样避重就轻，而是以一种极简但系统的方式，快速串起了从线性回归、逻辑回归，到 SVM、K-means、决策树、贝叶斯网络、强化学习、神经网络等常见模型的来龙去脉。

这个小册子不太好找，方便大家学习，我已经整理好了，戳此进入免费获取通道》》》》》》》》》》》》》》》》

比如我当时看到它怎么把 backpropagation 推导压进两页以内，真的有种“这么讲我也能懂”的恍然大悟感。又比如在讲图搜索和马尔可夫决策过程的时候，作者用非常直观的结构把整个 AI 策略优化那一块给串了起来，学完之后看 RL 的论文也不再一脸懵。

很适合打印出来做笔记，建议入门者可以配合 Andrew Ng 的课一块使用，提升非常快。总之，这是一本值得反复翻阅、越看越有味道的小册子。如果你希望对 AI 和 ML 背后的算法框架建立系统认知，这本绝对不能错过。