国外AI大牛推荐的10大最有帮助免费在线机器学习课程

本文编译自twitter用户chipro

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。
6. 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。
7. 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。
8. 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。
9. 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。
10. 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。

公众号[QuanTalk]，专注于计算机科学与技术、独立思考、阅读分享。欢迎关注交流