我也在自学CS229，我就做一点微小的工作，来给题主一点思考吧。CS229的材料分为notes，四个ps，还有ng的视频。我是先看notes，预习一下。然后再看视频。个人觉得最重要的是你看完这两个东西之后能够独立的说出你看的那个话题的逻辑思路，然后最好是能够通过严格的数学推导来论证你这个逻辑思路。我是每看完一个话题之后，盖上书，自己用纸笔推导一遍。强烈建议当进行到一定程度的时候把提供的problem set 自己独立做一遍，然后再看答案。你提到的project的东西，个人觉得可以去kaggle上认认真真刷一个比赛，就可以把你的学到的东西实战一遍。最后强烈推荐同时看一看同样在SEE里的convex optimization！的内容。学一点优化的人生经验。毕竟机器学习的问题到最后都转化为优化的问题。［SEE］（https：//http：//see。stanford。edu），个人觉得这个网站真是良心。
同在自学cs229。我是看完ng在coursera上的机器学习视频来的。一楼的老兄说的没错，听课之前最好还是先浏览一下材料，然后不懂的地方去结合李航的《统计学习方法》上面找答案。实战的话，《机器学习实战》对初学者很友好。Ng讲完哪个算法，去《统计》上巩固一下，然后找到《实战》上对应的章节用python敲一下代码，美滋滋。
让我用 Markdown 创建一个 CS229 编程作业的详细表格：
| Problem Set | 主要内容 | 算法/模型 | 应用案例 |
|------------|---------|-----------|----------|
| PS1 | 监督学习基础 | • 线性回归<br>• Logistic 回归<br>• 梯度下降 | • 房价预测<br>• 分类问题 |
| PS2 | 支持向量机与生成模型 | • SVM<br>• 核方法<br>• EM算法 | • 垃圾邮件分类<br>• 手写数字识别 |
| PS3 | 神经网络与降维 | • 神经网络<br>• PCA<br>• 偏差/方差分析 | • 图像处理<br>• 数据可视化 |
| PS4 | 高级主题 | • 强化学习<br>• ICA<br>• 马尔可夫决策过程 | • 智能体控制<br>• 信号分离 |
| Final Project | 实际应用 | • 综合运用课程所学算法<br>• 自选主题 | • 开放性项目<br>• 真实数据集应用 |
这些作业通常要求学生：
- 实现算法核心部分
- 数据预处理和分析
- 参数调优
- 结果可视化和分析