LZ好人！
赞一个！

楼主这门课可能是需要注册的吧。

这个应该是两门课的总结吧，STATS 315A和STATS 315B，和Andrew的CS229侧重的方向不同。看个人喜好吧。elements of statistical learning属于入门容易，但是想深入理解还是要些时间和精力的，将的东西主要是将trevor hastie他们进二十年的工作连通起来的总结，其实要深入理解还是要读paper的。Andrew的讲义更多的符合Stanford CS的重点课程风格，属于比较系统全面，也比较有乐趣的东西，入门性好。个人认为应该先看CS229，然后再看STATS 315A、B。
另外，虽然machine learning属于统计和计算机交叉的领域，但是两个专业还是有不同侧重的，并不是完全重合。比如， hastie他们的课，主要是将machine learning中统计的那部分内容。Andrew则更多的介绍了个人工智能（AI）相关的东西。像reinforcement leanring那部分内容，统计里几乎是完全没有涉及的。

免费注册的。
用的教材是introduction to statistical learning， 属于element of statistical learning的简单应用版。
我刚上了他的前两个chapter，感觉讲的很不错，难度属于入门级。

视屏旁边又字母，如果听不懂，可以看字幕。

读论文 ，进入ML实用的必经之路。。
在读   trevor hastie等的论文之前，总觉他们的算法的参数太多，之后却发现就三四个参数是重要的，多用后，其实也就一二个参数需要TUNING ..
一点拙感！！