10大最有帮助免费在线机器学习课程

Dirty Hands
Photo by Franck V. / Unsplash
  1. 斯坦福在线自学课程《概率与统计》:该课程涉及概率统计的基本概念,涵盖机器学习4个基本方面:探索性数据分析,产生数据,概率和推理。
  2. MIT的《线性代数》:这是我见过的最好的线性代数课程,由传奇教授Gilbert Strang(吉尔伯特斯特朗)教授。
  3. 斯坦福的CS231N:用于视觉识别的卷积神经网络:平衡理论与实践。课堂笔记写得很好,解释了不同的概念,例如反向传播、损失、正规化。
  4. FastAI的《面向开发者的深度学习实践》:这门实践课程专注于搭建和运行。他有一个论坛,里面有很多最新的关于机器学习最佳实践的讨论。
    5.斯坦福的《CS224N:自然语言处理与深度学习》:任何对NLP感兴趣的人必学课程,该课程教得好、组织良好且教授最新的研究,老师是chrmanning
  5. Coursera的《机器学习》:最初由斯坦福吴恩达教课,可能是世界上最受欢迎地机器学习课程。其Coursera版本在撰写时已被250万人注册。
  6. Coursera的《该率图形模型系列》:和大多数AI课程逐一引入小概念不同,这门课自上而下介绍概念,当你提到ML时,它会强迫你思考你究竟想学什么。
  7. DeepMind出品地《强化学习导论》:RL很难,但是David Silver(大卫·西尔弗)会从中解救你。本课程通过直观的解释和有趣的例子为RL提供了一个很好的介绍,由世界领先的专家之一讲授。
  8. Bootcamp出品的《全栈深度学习》:大多数课程只教你如何训练和优化模型,这是我唯一见到的一步步教你设计、训练、部署模型地课程。
  9. Coursera的《如何赢得数据科学竞赛:向顶级Kaggers学习》:学习完上面地课程后,是时候去Kaggle为你的简历积累一些机器学习的经验了。
comments powered by Disqus