國外AI大牛推薦的10大最有幫助免費線上機器學習課程

本文編譯自twitter使用者chipro

1. 史丹佛線上自學課程《概率與統計》：該課程涉及概率統計的基本概念，涵蓋機器學習4個基本方面：探索性資料分析，產生資料，概率和推理。
2. MIT的《線性代數》：這是我見過的最好的線性代數課程，由傳奇教授Gilbert Strang（吉爾伯特斯特朗）教授。
3. 史丹佛的CS231N：用於視覺識別的卷積神經網路：平衡理論與實踐。課堂筆記寫得很好，解釋了不同的概念，例如反向傳播、損失、正規化。
4. FastAI的《面向開發者的深度學習實踐》：這門實踐課程專注於搭建和執行。他有一個論壇，裡面有很多最新的關於機器學習最佳實踐的討論。 5.史丹佛的《CS224N：自然語言處理與深度學習》：任何對NLP感興趣的人必學課程，該課程教得好、組織良好且教授最新的研究，老師是chrmanning。
5. Coursera的《機器學習》：最初由史丹佛吳恩達教課，可能是世界上最受歡迎地機器學習課程。其Coursera版本在撰寫時已被250萬人註冊。
6. Coursera的《該率圖形模型系列》：和大多數AI課程逐一引入小概念不同，這門課自上而下介紹概念，當你提到ML時，它會強迫你思考你究竟想學什麼。
7. DeepMind出品地《強化學習導論》：RL很難，但是David Silver（大衛·西爾弗）會從中解救你。本課程通過直觀的解釋和有趣的例子為RL提供了一個很好的介紹，由世界領先的專家之一講授。
8. Bootcamp出品的《全棧深度學習》：大多數課程只教你如何訓練和優化模型，這是我唯一見到的一步步教你設計、訓練、部署模型地課程。
9. Coursera的《如何贏得資料科學競賽：向頂級Kaggers學習》：學習完上面地課程後，是時候去Kaggle為你的簡歷積累一些機器學習的經驗了。

公眾號[QuanTalk]，專注於電腦科學與技術、獨立思考、閱讀分享。歡迎關注交流