请教计算机课程的选课建议

请问如何选课（包括前两组），尽量选择难度低的，主要目标：相对能容易通过考试 lsml-大规模机器学习

课程之间的关联性强一些或许更有助于学习和复习。
首先二选一，选深度学习。
第一组五选二，先选计算机视觉，第二门我建议机器学习优化。
第二组五选二，自然语言处理和深度生成模型。
参考自己的兴趣方向，仅供参考。

第一组：选第一个
第二组：深度学习导论VS计算学习理论 推荐：深度学习导论
第三组：推荐：DEV-ops和computer vision计算机视觉
第四组：C++（这门语言还是非常好用的，我就正在学，感觉不错）和 自然语言处理/高级算法二选一

不知道你这个问题是否已经解决, 如果还没有解决的话:

• 这篇博客: 美式期权定价方法之最小二乘蒙特卡洛模拟（LSM）中的 二、LSM定价方法 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
  

  蒙特卡洛模拟作为灵活而有力的数值方法，其本身不适合解决美式期权或者百慕大期权的定价问题。学者Longstaff和Schwarta提出了最小二乘蒙特卡洛模拟方法(Least-Squares Monte Carlo，LSM)，成为了美式期权定价的经典方法。

  下面对LSM方法进行python实现，代码如下：

  # 美式期权定价（最小二乘蒙特卡洛模拟法，LSM）
  S0=100
  r=0.05
  sigma=0.25
  T=1
  I=50000
  M=50
  def gmb_mcs_amer(K,option='call'):
      dt=T/M
      df=math.exp(-r*dt)
      S=np.zeros((M+1,I))
      S[0]=S0
      sn=gen_sn(M,I)
      for t in range(1,M+1):
          S[t]=S[t-1]*np.exp((r-0.5*sigma**2)*dt+sigma*math.sqrt(dt)*sn[t])
      if option=='call':
          h=np.maximum(S-K,0)
      else:
          h=np.maximum(K-S,0)
      V=np.copy(h)
      for t in range(M-1,0,-1):
          reg=np.polyfit(S[t],V[t-1]*dt,7)
          C=np.polyval(reg,S[t])
          V[t]=np.where(C>h[t],V[t+1]*df,h[t])
      C0=df*np.mean(V[1])
      return C0
  

  调用函数，假设期权行权价为110，则看涨期权和看跌期权价格为:

  gmb_mcs_amer(100,option='call')
  1.4620120629034186
  gmb_mcs_amer(110,option='put')
  9.918961211536654
  

如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^