資源｜10個機器學習和深度學習的必讀免費課程

作者：Matthew Mayo編譯：ronghuaiyang

這是一個免費的機器學習和深度的課程的彙總，用來打發你的寒假。課程包括了機器學習介紹，到深度學習，再到自然語言處理等等。

如果，你已經上完了這些課程，你發現你還需要更多的高質量，免費學習資源，可以看看下面的最新的發佈。

1. 計算機思維和數據科學的介紹

MIT

鏈接：https://ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-0002-introduction-to-computational-thinking-and-data-science-fall-2016/

6.0002是6.0001的後續，介紹了計算機科學和Python的編程，是為沒有什麼編程經驗的學生準備的。目的是讓不管什麼專業背景的學生能夠理解計算機在解決問題中可以扮演什麼樣的角色，能讓他們寫一些小程序，來實現一些有用的目標。這個課程使用Python 3.5。

2. 機器學習

Stanford

鏈接：http://cs229.stanford.edu/

這個課程提供了一個大致的機器學習和統計模式識別的介紹。主要的主題包括：監督學習（生成模型，判別模型，參數學習，非參數學習，神經網絡，支持向量機）；非監督學習（聚類，降維，核方法）；學習理論（偏置，偏差的平衡；VC維理論；大間隔）；強化學習和自適應控制。這門課程也討論了一些當前的機器學習的應用，如機器人控制，數據挖掘，無人駕駛，語音識別，文本和網頁的數據處理。

3. 為碼農準備的機器學習介紹！

fast.ai

鏈接：https://course.fast.ai/ml

這是一個24個小時左右的課程，你應該計劃花費每週8小時，共12周來完成這個課程。這個課程是基於舊金山大學的 Masters of Science in Data Science program課程，鏈接：https://www.usfca.edu/arts-sciences/graduate-programs/data-science，我們假設你已經有了一年以上的編程經驗，同時學過高等數學。

4. 機器學習速成課

Google

鏈接：https://developers.google.com/machine-learning/crash-course/

準備好開始練習機器學習了嗎？通過速成課程來學習和應用基礎的機器學習概念，通過Kaggle的競賽來獲得實際的經驗，訪問 Learn with Google AI來獲取完整的訓練資源。

5. 深度學習介紹

MIT

鏈接：http://introtodeeplearning.com/

一個深度學習介紹性質的課程，介紹了一些應用，如機器翻譯，圖像識別，玩遊戲，圖像生成等等。這是一門協作性的課程，結合了TensorFlow中的實驗室和同行頭腦風暴以及講座。課程還包括項目從員工和工業界反饋的來的一些建議。

6. 為碼農準備的深度學習實踐，第一部分

fast.ai

鏈接：https://course.fast.ai/

歡迎來到2018版的 fast.ai的7周課程，深度學習編程實踐，第一部分，由Jeremy Howard上課（Kaggle競賽第一名，Enlitic的創始人）。學習在不需要研究生數學水平的情況下，如何建立一個最高水平的模型，也不需要簡化任何東西。哦，還有一件事...，完全免費！而且有一個社區，幾千個學生在一起，相互幫助，完成你的學習之旅。如果你需要任何的幫助，或者和其他的學生進行討論，上forums.fast.ai。

注意，還有這個課程的第二部分: 深度學習編程最前沿, 第二部分

7. 自然語言處理

Yandex Data School

鏈接：https://github.com/yandexdataschool/nlp_cours

8. 從語言到信息

Stanford

鏈接：https://web.stanford.edu/class/cs124/

線上的世界有海量語言形式和社交網絡形式的的非結構化信息。學習如何利用這些信息以及如何和人類進行語言的交互，從給定的建議中回答問題。

9. 強化學習實踐

Yandex Data School

鏈接：https://github.com/yandexdataschool/Practical_RL

一個強化學習的課程。

• 為感興趣的人設計. 所有的材料沒有詳細介紹的，都有鏈接和相關的材料提供更多的信息。如果你深入的話，還有作業。
• 實戰為主. 所有的解決強化學習的問題的要點都提到了。我們不迴避技巧和一些啟發。對於每一個想法，應該有一個實驗室來讓你實際的在具體的問題中“體驗“到。

10. 為碼農準備的計算機線性代數

fast.ai

鏈接：https://github.com/fastai/numerical-linear-algebra/blob/master/README.md

這個課程聚焦於這個問題：我們是如何讓矩陣運算具有合理的速度和精度？這課程原來是舊金山大學的數據科學專業的2017年夏季的研究生課程，課程使用Python教學，使用了Jupyter Notebooks，使用了Scikit-Learn和Numpy的庫，也少量使用了Numba（一個將Python編譯成C的庫，用來加速計算）和Pytorch（使用GPU替代Numpy）。

英文原文：https://www.kdnuggets.com/2018/11/10-free-must-see-courses-machine-learning-data-science.html#comments

更多文章，請關注微信公眾號：AI公園