2020年十大机器与深度学习课程精选

斯坦福大学机器学习课程（Coursera）

这门由斯坦福大学提供的课程被许多人认为是目前最好的机器学习课程。由吴恩达教授亲自讲授（对于不了解他的人，他是斯坦福大学教授、Coursera联合创始人、Google Brain联合创始人，并曾担任某机构副总裁），涵盖了所有需要了解的基础知识。此外，该课程评分高达4.9分（满分5分）。

课程材料完全自成体系，适合初学者，因为它在教授监督学习的同时，还会讲解线性代数和微积分的基本原理。我能想到的一个缺点是，它使用Octave（Matlab的开源版本）而不是Python和R，因为它真正希望你专注于算法本身，而不是编程。

• 费用：可免费旁听，若需要证书则为79美元
• 预计完成时间：76小时
• 评分：4.9/5
• 教学大纲：
  • 单变量线性回归
  • 线性代数回顾
  • 多变量线性回归
  • Octave/Matlab教程
  • 逻辑回归
  • 正则化
  • 神经网络：表示
  • 神经网络：学习
  • 机器学习应用建议
  • 机器学习系统设计
  • 支持向量机
  • 降维
  • 异常检测
  • 推荐系统
  • 大规模机器学习
  • 应用示例：照片OCR

Deep Learning Specialization by deeplearning.ai（Coursera）

这又是一门由吴恩达教授的课程，并且同样被认为是深度学习领域最好的课程之一。看到规律了吗？它实际上由5门不同的课程组成，将使你对最重要的神经网络架构有清晰的理解。说真的，如果你对深度学习感兴趣，不用再找了。

该课程使用Python和TensorFlow库（可能需要一些背景知识才能跟上），并让你有机会处理围绕自然语言处理、计算机视觉、医疗保健等领域的实际问题。

• 费用：可免费旁听，证书费用为每月49美元
• 预计完成时间：3个月（每周11小时）
• 评分：4.8/5
• 教学大纲：
  • 神经网络与深度学习
  • 改进神经网络：超参数调优、正则化和优化
  • 构建机器学习项目
  • 卷积神经网络
  • 序列模型

高级机器学习专项课程（Coursera）

这门高级机器学习专项课程由某国立研究大学提供，由顶尖Kaggle机器学习从业者和某国际研究机构的科学家组织和讲授。它包括7门不同的课程，涵盖了更高级的主题，如强化学习和自然语言处理。你可能需要更多的数学知识和对基本机器学习概念的良好理解，但优秀的教学和有趣的学习环境会让你受益匪浅。它绝对是我最强烈推荐的课程。

• 费用：可免费旁听，证书费用为每月49美元
• 预计完成时间：8-10个月（每周6-10小时）
• 评分：4.6/10
• 教学大纲：
  • 深度学习导论
  • 如何赢得数据科学竞赛：向顶级Kaggle选手学习
  • 机器学习的贝叶斯方法
  • 实用强化学习
  • 计算机视觉中的深度学习
  • 自然语言处理
  • 利用机器学习应对某大型科研设施的挑战

佐治亚理工学院机器学习课程（Udacity）

如果你需要对该领域有一个全面的了解和一个互动式的学习环境，这就是你的课程。不得不承认，我还没见过比这更完整的课程体系。从监督学习到无监督学习和强化学习，它涵盖了你所能想到的一切。

它不会教你深度神经网络，但会让你清楚地了解所有不同的机器学习算法、它们的优点、缺点以及如何在现实世界应用中使用它们。此外，如果你喜欢非常短的视频和贯穿整个课程的互动测验，这对你来说是完美匹配。

• 费用：免费
• 预计完成时间：4个月
• 教学大纲：
  • 监督学习
  • 无监督学习
  • 强化学习

机器学习导论（Udacity）

这门导论课程由某在线教育平台联合创始人Sebastian Thrun和数据科学与研发总监Katie Malone设计和讲授。其主要受众是正在寻找入门课程的初学者。再次强调，如果你喜欢该平台的环境（我个人很喜欢），这是一个非常棒的入门选择。

• 费用：免费
• 预计完成时间：10周
• 教学大纲：
  • 欢迎来到机器学习
  • 朴素贝叶斯
  • 支持向量机
  • 决策树
  • 选择你自己的算法
  • 数据集与问题
  • 回归
  • 异常值
  • 聚类
  • 特征缩放

深度学习纳米学位（Udacity）

该平台的深度学习纳米学位将教你所有尖端的深度学习算法，从卷积网络到生成对抗网络。它相当昂贵，但它是唯一一门包含5个不同实践项目的课程。你将构建一个狗品种分类器、一个人脸生成系统、一个情感分析模型，并且还将学习如何将它们部署到生产环境。最棒的部分是，它由真正的权威人士讲授，例如Ian Goodfellow、Jun-Yan Zhu、Sebastian Thrun和Andrew Trask。

• 费用：1316欧元
• 预计完成时间：4个月
• 评分：4.6/5
• 教学大纲：
  • 项目1：预测自行车共享模式（梯度下降和神经网络）
  • 项目2：狗品种分类器（CNN、自编码器和PyTorch）
  • 项目3：生成电视剧本（RNN、LSTM和嵌入）
  • 项目4：生成人脸（GAN）
  • 项目5：部署情感分析模型

哥伦比亚大学机器学习课程（edX）

我们名单上的下一个课程托管在edX上，由哥伦比亚大学提供。它需要大量的数学知识（线性代数和微积分）和编程知识（Python或Octave），所以如果我是初学者，我不会从这里开始。然而，对于更高级的学生来说，如果他们想发展对算法的数学理解，这是理想的选择。

这门课程的独特之处在于它专注于机器学习的概率领域，涵盖贝叶斯线性回归和隐马尔可夫模型等主题。

• 费用：可免费旁听，证书费用为227美元
• 预计完成时间：12周
• 教学大纲：
  • 第1周：最大似然估计、线性回归、最小二乘法
  • 第2周：岭回归、偏差-方差、贝叶斯法则、最大后验推断
  • 第3周：贝叶斯线性回归、稀疏性、线性回归的子集选择
  • 第4周：最近邻分类、贝叶斯分类器、线性分类器、感知机
  • 第5周：逻辑回归、拉普拉斯近似、核方法、高斯过程
  • 第6周：最大间隔、支持向量机、决策树、随机森林、提升方法
  • 第7周：聚类、K-均值、EM算法、缺失数据
  • 第8周：高斯混合模型、矩阵分解
  • 第9周：非负矩阵分解、潜在因子模型、PCA及其变体
  • 第10周：马尔可夫模型、隐马尔可夫模型
  • 第11周：连续状态空间模型、关联分析
  • 第12周：模型选择、后续步骤

程序员实用深度学习课程 v3（fast.ai）

“程序员实用深度学习”是一个令人惊叹的免费资源，适合有一定编码背景（但不需要太多）的人，包含各种笔记、作业和视频。它围绕让学生获得该领域实践经验这一理念构建，因此预计你将通过编码来学习。你甚至可以学习如何使用云端的GPU服务器来训练你的模型。非常酷。

• 费用：免费
• 预计完成时间：12周（每周8小时）
• 教学大纲：
  • 随机森林导论
  • 随机森林深度解析
  • 性能、验证和模型解释
  • 特征重要性，树解释器
  • 外推和从零开始的随机森林
  • 数据产品和实时编码
  • 从零开始的随机森林和梯度下降
  • 梯度下降和逻辑回归
  • 正则化、学习率和自然语言处理
  • 更多自然语言处理和列式数据
  • 嵌入
  • 完成Rossmann项目，伦理问题

Machine Learning A-Z:trade_mark:：数据科学中的实践Python与R

这绝对是某在线教育平台上最受欢迎的人工智能课程，有50万学生注册。它由数据科学家Kirill Eremenko和Hadelin de Ponteves创建。在这里，你可以期待对最重要的机器学习算法进行分析，并提供Python和R的代码模板。拥有41小时的学习内容和31篇文章，它绝对值得你再次关注。

• 费用：199欧元（但有折扣。撰写本文时费用为13.99欧元）
• 预计完成时间：41小时
• 教学大纲：
  • 第一部分 - 数据预处理
  • 第二部分 - 回归：简单线性回归、多元线性回归、多项式回归、SVR、决策树回归、随机森林回归
  • 第三部分 - 分类：逻辑回归、K-近邻、支持向量机、核支持向量机、朴素贝叶斯、决策树分类、随机森林分类
  • 第四部分 - 聚类：K-均值、层次聚类
  • 第五部分 - 关联规则学习：Apriori、Eclat
  • 第六部分 - 强化学习：置信上限、汤普森采样
  • 第七部分 - 自然语言处理：词袋模型和NLP算法
  • 第八部分 - 深度学习：人工神经网络、卷积神经网络
  • 第九部分 - 降维：PCA、LDA、核PCA
  • 第十部分 - 模型选择与提升：k折交叉验证、参数调优、网格搜索、XGBoost

CS234 – 斯坦福大学强化学习课程

这无疑是列表中最难的课程，因为可以说强化学习要困难得多。但如果你想深入其中，没有比这更好的方法了。这实际上是斯坦福大学真实的课堂录像。所以准备好让自己成为一名斯坦福学生吧。Emma Brunskill教授让理解所有这些复杂主题变得非常容易，并为你介绍了强化学习系统和算法的精彩入门。当然，你会发现许多数学方程和证明，但在强化学习领域，这是无法回避的。

你可以在课程网站上找到课程，视频讲座可以在该视频平台的播放列表中找到。

• 费用：免费
• 预计完成时间：19小时
• 教学大纲：
  • 引言
  • 给定世界模型
  • 无模型策略评估
  • 无模型控制
  • 价值函数近似
  • CNN和深度Q学习
  • 模仿学习
  • 策略梯度 I
  • 策略梯度 II
  • 策略梯度 III 和回顾
  • 快速强化学习
  • 快速强化学习 II
  • 快速强化学习 III
  • 批量强化学习
  • 蒙特卡洛树搜索

以上就是全部内容。机器学习和深度学习课程的终极列表。其中一些可能过于高级，一些可能包含太多数学，一些可能太贵，但每一门都保证能教会你在人工智能领域取得成功所需的一切。

老实说，你选择哪一门并不重要。它们都是一流的。重要的是选择一门，然后开始学习。
更多精彩内容 请关注我的个人公众号 公众号（办公AI智能小助手）或者 我的个人博客 https://blog.qife122.com/
对网络安全、黑客技术感兴趣的朋友可以关注我的安全公众号（网络安全技术点滴分享）

公众号二维码

公众号二维码