很好，特别适合有一定概率统计基础的人学习！

优点：内容覆盖面很广，从授课过程中可以看出老师本人的数理基础很扎实，算法逻辑清晰，重要知识点均有涉及。 缺点：可能是时间限制，内容又比较多，所以在遇到比较绕的，或者参数较多的知识点时讲的不是很透彻，对于理解力稍差或者基础知识不扎实的学员（比如我）会比较有挑战，需要在听本课程的同时，再找其他的资源辅助理解该知识点。

很好的入门课程，但是数学上的严格定义给得模糊了些，想深入学习还需要参考其他资料。

很不错，很直观，用实践编程辅助理论理解，以前不懂的地方都弄懂了！！

清晰易懂，非常感谢。以前学过随机过程，但是没有消化，您这一串讲，终于豁然开朗，

内容丰富，很实用！希望这次可以学会贝叶斯和MCMC

学习背景：某高校应用数学专业硕士生 课程看法：课程对概率论理论知识的点拨通俗易懂（内容并不深入主要以实用为主），涉及到的蒙特卡洛方法以及马尔科夫（感觉这个在随机过程中才学）相关知识在数理统计中其实很少细说，即便是数学专业出身还是觉得很有收获。学习该课程主要是抱着理论如何实现为编程的心态看的，到今天已经全部学完这门课了，发现自己其实在理论方面收获的知识不少于编程内容。 买课建议：适合python已经入门并且有一定概率论基础的同学

在CSDN上学习过石溪老师的机器学习数学系列，石溪老师从更高的角度高屋建瓴地讲述了机器学习必备的数学知识，学习完有一种豁然开朗的感觉，受益匪浅。这次惊喜地看到石溪老师在imooc上的课程，果断出手购买了下来认真学习。这套课程不仅有概率统计学的基础知识，更重要的是老师对基础知识背后的逻辑脉络进行了梳理，而且有理论有实战，还详细地讲解了概率统计模型的python代码，有助于更深入地理解这些知识。现在刚刚看完开头的几节内容，难能可贵的是后面还有本科阶段学校里一般不讲但对机器学习来讲又是十分重要的马尔可夫过程和蒙特卡洛模拟等内容。一定会跟着石溪老师的步伐打好机器学习的数学基础！

good good very good

中规中矩，还不错吧 适合入门新手