CSCI 678: Theoretical Machine Learning

CSCI 678 是 USC 开设的理论机器学习课程（Fall 2026，Haipeng Luo），围绕统计学习理论的核心工具展开：Rademacher complexity、覆盖数、VC 维与伪维数、chaining 等。这个 Project 用来沉淀课程学习过程中的结构化笔记——预习报告、讲义梳理与概念辨析，便于课前快速进入状态、课后回溯复习。

1. 内容组织

每讲的笔记按固定结构整理：这节课要解决什么问题、核心定理与证明骨架、典型例子、容易混淆的地方、建议带着上课的问题，以及课前 30 分钟的预习顺序。公式使用 KaTeX 渲染，与课件记号保持一致。

2. 当前收录

每讲收录两篇配套文档：讲解报告（逐节展开、补全证明细节）与课件完整翻译（保留原文编号与结构）。

• Lecture 1：详细讲解报告 ｜ 课件完整翻译——学习问题的形式化、统计学习框架、无免费午餐定理、在线与部分信息学习。
• Lecture 2：详细讲解报告 ｜ 课件完整翻译——一致收敛、对称化与 Rademacher 复杂度、增长函数与 VC 维。
• Lecture 3：预习报告 ｜ 课件完整翻译——覆盖数、Dudley 熵积分与伪维数。

后续讲次的笔记会持续加入。项目动态集中在 Updates。