10門必看的機器學習免費課程

640?wx_fmt=png

整理 | 琥珀

出品 | AI科技大本營（ID: rgznai100）

文字將介紹來自全球10所著名學府的機器學習和資料科學領域的免費公開課程，範圍涉及從入門機器學習到自然語言處理等。

1、機器學習

華盛頓大學

連結：https://courses.cs.washington.edu/courses/cse546/17au/

本課程旨在為機器學習的基本方法和演算法提供全面的基礎。課程的主題來自經典統計、機器學習、資料探勘、貝葉斯統計和優化。

修課條件：應該熟悉程式設計，並具有線性代數、概率、統計和演算法的預先存在的工作知識。

2、 機器學習

威斯康星大學麥迪遜分校

連結：http://pages.stat.wisc.edu/~sraschka/teaching/stat479-fs2018/

本課程涵蓋機器學習的關鍵概念，包括分類、迴歸分析、聚類和降維。學生將學習機器學習演算法的基本數學概念，但本課程同樣關注使用Python程式設計生態系統中的開源庫的機器學習演算法的實際應用。

3、演算法（新聞學）

哥倫比亞大學

連結：https://github.com/jstray/lede-algorithms/blob/master/README.md

這是一門關於新聞學演算法資料分析的課程，也是對社會中使用的演算法的新聞分析。涉及文字處理、高維資料的視覺化、迴歸、機器學習、演算法偏差和問責制、蒙特卡羅模擬和選舉預測。

所有編碼都是用Python完成的，使用Pandas、matplotlib、scikit-learn。

4、深度學習實戰

Yandex資料學院

連結：https://github.com/yandexdataschool/Practical_DL/tree/master

640?wx_fmt=jpeg

5、30小時大資料

克拉科夫技術大學

連結：http://ondata.blog/big-data-in-30-hours/

該實踐課程的目標是在15個講座（每個2小時）內，向技術人員（企業、學界或學生）介紹實用的資料工程和資料科學。所有科目都是通過例項介紹的，學生可以立即使用命令列或GUI工具。

修課條件：需要一定的技術儲備，在通用程式設計和作業系統方面能夠流利，並且基本接觸過Linux shell、資料庫和SQL。課程9-15 需要學習者具備Python的業務積累。

6、深度強化學習訓練營

加州大學伯克利分校

連結：https://sites.google.com/view/deep-rl-bootcamp/lectures

強化學習考慮了學習行為的問題，並準備為下一代人工智慧系統提供動力，這需要超越輸入輸出模式識別（因為已經足夠用於語音、視覺、機器翻譯），但必須產生智慧行為。示例應用領域包括機器人、營銷、對話、HVAC、優化醫療和供應鏈。

為期兩天的訓練營將通過講座和動手實驗課程講授深度強化學習的基礎支援，幫助應用者使用這些技術構建新的應用程式，甚至推動演算法的前沿發展。

7、人工智慧導論

華盛頓大學

連結：https://courses.cs.washington.edu/courses/cse573/17wi/

640?wx_fmt=jpeg

8、大腦、頭腦和機器夏季課程

麻省理工學院

連結：https://ocw.mit.edu/resources/res-9-003-brains-minds-and-machines-summer-course-summer-2015/

本課程探討了智力問題，它的本質，它是如何由大腦產生的，以及它如何在機器中複製等問題。使用一種整合了研究大腦的認知科學的方法，神經科學（研究大腦），電腦科學和人工智慧（研究開發智慧機器所需的計算）。

9、演算法的設計與分析

麻省理工學院

連結：https://ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-046j-design-and-analysis-of-algorithms-spring-2015/

這是一門中級演算法課程，重點是設計和分析高效演算法的教學技巧，強調應用方法。主題包括分而治之、隨機化、動態程式設計、貪婪演算法、增量改進、複雜性和密碼學。

10、自然語言處理

華盛頓大學

連結：https://courses.cs.washington.edu/courses/cse517/17wi/

640?wx_fmt=jpeg

10門必看的機器學習免費課程

相關文章