想学AI?台大、伯克利、斯坦福都在这儿!不说了,快上车!

本文挑选了几门来自顶级大学的人工智能开放课程,覆盖机器学习、深度学习、强化学习等人工智能热点领域,希望能帮助有兴趣学习的同学构建自己的路线图。
这两年AI概念越发火热,科技行业似乎没有哪个领受过大众的如此关注。这里面有多少切实的进步,有多少是人们的美好幻想,在亲身学习后,自然就有答案。伴随着媒体大众和商业巨头的精彩互动,想必各位在某个时刻,也对它砰然心动过。
就让下面这些课程资料,帮助你将心动化为行动。

课程列表

在线免费课程现在也有很多,但Coursera/Udacity等平台的课程质量确是参差不齐,而国内线上线下的培训机构更是以虚假宣传、滥竽充数的居多,花钱事小,浪费时间、打消兴趣事大。
根据个人学习经验,挑选内容扎实、资料完善的几门课程,足以覆盖基础入门之所需,定能助力你的学习过程。
提示:个别链接可能需要翻墙浏览。

想学AI?台大、伯克利、斯坦福都在这儿!不说了,快上车!_第1张图片
课程主页

1.机器学习(包括深度学习)
讲师:李宏毅
院校:台湾大学
语言:中文
时间:2016/2017
内容简介:零基础(almost,需要本科数学)机器学习课程,涵盖机器学习和深度学习基础,是后续其他专门课程的预备课程。
课程亮点:授课风格通俗幽默,老师能够将复杂的问题用通俗的语言表达,是真正意义上的“深入浅出”。
推荐程度:必修
其他说明:机器学习的的公开课选择非常多,其中不乏吴恩达等知名专家亲自授课的内容。但本门课程从内容完整度、语言等方面考量,是不二首选。完成了这门课程,机器学习领域的大图景就建立起来了。
课程视频:见课程主页

想学AI?台大、伯克利、斯坦福都在这儿!不说了,快上车!_第2张图片
课程主页

2.人工智能简介
讲师:Pieter Abbeel et. al
院校:UC Berkeley
语言:英文
时间:2016
内容简介:传统人工智能领域的入门课程,以Pac man小游戏作为伴随课程的作业项目,十分有趣。
推荐程度:必修
其他说明:在以深度学习为首的新生代人工智能方法大方异彩、仿佛已一统天下的同时,许多传统的人工智能领域仍然发挥着不可替代的作用,在解决很多问题时,传统的人工智能方法依然是当前首选,值得我们学习。
课程视频:Youtube搜索CS188

想学AI?台大、伯克利、斯坦福都在这儿!不说了,快上车!_第3张图片
课程主页

3.深度学习:自然语言处理
讲师:Richard Socher
院校:Stanford
语言:英文
时间:2016
内容简介:深度学习基础以及在自然语言处理方向上的应用。
推荐程度:选修
其他说明:授课讲师是深度学习领域顶尖青年才俊之一,也是Salesforce首席科学家。但由于自然语言处理中英文语言本身的差异性,使得本课程的适用程度稍稍打了一个折扣。
课程视频:Youtube搜索CS224d

想学AI?台大、伯克利、斯坦福都在这儿!不说了,快上车!_第4张图片
课程主页

4.深度学习:图像识别
讲师:李飞飞 et al.
院校:Stanford
语言:英文
时间:2016
内容简介:深度学习基础以及在图像识别方向上的应用。
推荐程度:选修
其他说明:计算机视觉是深度学习大放异彩的领域之一,本课程是对深度学习加深理解的重要学习材料。身负华裔、女性、科学家等标签的李飞飞教授,是现今最具公众知名度的人工智能学者之一,祝愿加入了谷歌的她能取得新的学术突破。
课程视频:Youtube搜索CS231n

Deepmind官网截图

5.深度强化学习
讲师:Sergey Levine, John Schulman, Chelsea Finn
院校:UC Berkeley
语言:英文
时间:2017
内容简介:AlphaGo背后的核心技术,众多有趣而激动人心的研究结果,拾起好奇心,和讲师们一探究竟。
推荐程度:必修
其他说明:热!热!热!从传统游戏到AlphaGo,这门新兴领域取得的成绩已经吸引了无数人的眼球,不仅仅因为它很“酷”,更因为它拥有极大的发展和应用前景。当然,新兴也代表着不成熟,代表着理论和体系的不完备,几位授课讲师都是相当年轻的学者,但是,新兴也代表着机会哦。
课程视频:见课程主页。

想学AI?台大、伯克利、斯坦福都在这儿!不说了,快上车!_第5张图片
从左到右 Demis Hassabis(Deepmind创始人)、柯洁、David Silver

6.强化学习
讲师: David Silver
语言:英文
时间:2015
推荐程度:观光
其他说明:David Silver是谁? AlphaGo项目的核心人物!大神亲授,快来膜拜。但就课程内容来讲,较为平淡,和AlphaGo使用的技术联系也很有限,可做强化学习的了解之用。

闲言碎语

1.感谢平等开放的互联网。
2.临渊羡鱼,不如退而结网。
3.个人认为,现阶段尚未出现“通用”人工智能技术,这代表着当前AI巨头的技术能力不容易像通信、云计算等领域形成规模集群效应,成为少数专家就能够提供的基础服务。我同时认为随着技术的进一步发展,将会出现众多深挖细分领域的机会。所以无论对技术人员或是创业者而言,现在入场都不晚。
4.重要的一点:这个领域很有意思!可以当成业余爱好来玩。
5.然而,学习几门公开课还远不能使我们成为专家,毕竟都只是本科水平的入门级课程,进一步的研究和深入,还需要高段位的人来指点一二。

不管怎么样,别等了,先上车再说吧!

你可能感兴趣的:(想学AI?台大、伯克利、斯坦福都在这儿!不说了,快上车!)