重新高考来不及，但你可以自己设计机器学习和AI学位呀

全文共3654字，预计学习时长16分钟

 

图源：unsplash

 

先坦白，我即没有技术经验，也没有相关学位背景，在发现大学上的编程课程早已过时后，我决定通过在线资源自学机器学习和人工智能。

 

我自己从头到尾地设计了一个机器学习和人工智能学位，就是为了实现自己的目标：成为一名全能的机器学习和AI工程师。

 

 

我的目标

 

· 使用机器学习和AI解决重大问题——我知道自己永远不会成为机器学习或AI方面的世界级顶尖专家，但我希望自己有所成就。

 

· 为世界带来价值——我学习这些技术，并不是为了学而学，也不是因为它们正流行，而是想用我所学创造出令人大吃一惊的东西。

 

· 激励他人开启学习之旅——通过撰写自己的学习之旅，分享我所学到的知识，我希望能鼓励他人开辟属于他们自己的道路。

 

 

决定概述

 

我选取课程的主要标准是价格、灵活性、项目制学习、评论和评分。

 

根据Class Central和CourseTalk提供的数千条课程评分和评论，以及各自机构的评分和评论，我做出了决定，选择了最好的计算机科学、数学、数据科学、人工智能和机器学习课程。

 

通过对全球顶级大学的机器学习和数据科学学位的分析，以及对自学成才的成功案例的解读，我发现想要真正掌握成功所需的知识就必须选择不同的学科进行学习。

 

首先从数学开始。数学为ML和AI奠定了基础，十分重要，所以我开设了几门课程，涵盖线性代数、多元微积分、概率和统计学。我选择Python作为学位的基础语言，还加了一门很棒的掌握R的课程。

 

然后添加了数据科学、机器学习、人工智能和深度学习方面的基础课程。在学位最终阶段，我添加了深入学习ML和AI的进阶课程，同时还提供了其他课程来查漏补缺。

 

现在开始吧！

 

 

数学基础

 

图源：interestinggengi

 

数据科学所需的数学技能

 

杜克大学（Coursera）[$ 49]

课程内容：集合论、区间符号和不等式的代数；在x-y平面上绘制函数及其反函数；瞬时变化率和曲线切线的概念；指数、对数、概率论，包括贝叶斯定理。

链接：https://www.coursera.org/learn/datasciencemathskills

 

推论统计

 

杜克大学（Coursera）[$ 49 /月]

课程内容：假设检验、置信区间以及数字和分类数据的统计推断方法。

链接：https://www.coursera.org/learn/inferential-statistics-intro

 

数学思维导论

 

斯坦福大学(Coursera) [$ 49]*选修

课程内容：学习如何以数学家的方式思考；数论、实分析、数学逻辑。

链接：https://www.coursera.org/learn/mathematical-thinking

 

机器学习数学基础

 

帝国理工学院（Coursera）[$ 49 /月]

课程内容：线性代数、多元微积分、包含主成分分析、特征值和特征向量的降维。

链接：https://www.coursera.org/specializations/mathematics-machine-learning

 

离散优化

 

墨尔本大学（Coursera）[$ 49] *选修

课程内容：如何通过离散优化概念和算法、约束编程、分支定界、线性规划（LP）、混合整数编程来解决复杂的搜索问题。

链接：https://www.coursera.org/learn/discrete-optimization

 

 

计算机科学基础

 

计算机科学概论

 

哈佛大学（edX）[免费；带证书$ 99]

课程内容：抽象、算法、数据结构、封装、资源管理、安全性、软件工程和Web开发。熟悉C、Python、SQL和JavaScript以及CSS和HTML。

链接：https://www.edx.org/course/cs50s-introduction-to-computer-science

 

学习编程：基础知识

 

多伦多大学（Coursera）[免费；带证书$ 49]

课程内容：编程的基本组成部分; 学习如何使用Python编写有趣且有用的程序。

链接：https://www.coursera.org/learn/learn-to-program

 

 

Python基础

 

面向所有人的Python

 

密歇根大学(Coursera) [$ 49 /月]

课程内容：使用Python进行计算机编程的基础知识；HTML、XML和JSON数据格式；用于存储数据的核心数据结构、SQL基础和基本数据库设计。

链接：https://www.coursera.org/specializations/python

 

Python编程简介

 

Udacity[免费]

课程内容：Python的基础知识。学习使用Python数据类型和变量表示和存储数据，使用条件句和循环句，利用复杂数据结构的强大功能。

链接：https://www.udacity.com/course/introduction-to-python--ud1110

 

Python 3编程专业知识

 

密歇根大学（Coursera）[$ 49 /月]

课程内容：变量、条件句和循环句、关键字参数、列表理解、lambda表达式和类继承、编写可查询Internet API的数据并从中提取有用信息的程序。

链接：https://www.coursera.org/specializations/python-3-programming

 

图源：unsplash

 

 

掌握R

 

掌握R语言进行软件开发

 

约翰·霍普金斯大学(Coursera)[$ 39/月]

课程内容：专注于在数据科学环境中使用R、拥有强大的错误处理能力、目标导向性编程、性能分析和基准测试、调试、正确设计功能、构建R包、通过可视化工具构建数据。

链接：https://www.coursera.org/specializations/r

 

 

机器学习基础

 

机器学习

 

斯坦福大学（Coursera）[免费；带证书$ 79 ]

课程内容：机器学习、数据挖掘、统计模式识别、有监督和无监督学习、最佳实践、如何将学习算法应用于构建智能机器人、文本理解、计算机视觉、医学信息学、音频、数据库挖掘以及其它领域。

链接：https://www.coursera.org/learn/machine-learning

 

 

数据科学基础

 

数据科学中的Python

 

加州大学圣迭戈分校（edX） [免费；带证书$ 350]

课程内容：Python和Jupyter notebooks、pandas、NumPy、Matplotlib、Git; 如何处理和分析未整理的数据集；基本的统计分析和机器学习方法；如何有效地可视化结果。

链接：https://www.edx.org/course/python-for-data-science-2

 

数据分析师纳米学位

 

Udacity [$ 359/每月，共4个月]

课程内容：如何处理和准备数据分析; 为数据探索创建可视化；如何利用数据技能讲数据故事。

链接：https://www.udacity.com/course/data-analyst-nanodegree--nd002

 

Python应用数据科学

 

密歇根大学（Coursera）[$ 49 /月]

课程内容：通过Python引入数据科学; 应用绘图、制图和数据表示、文本挖掘；pandas、Matplotlib。

链接：https://www.coursera.org/specializations/data-science-python

 

 

AI基础

 

图源：unsplash

 

TensorFlow实战专项课程

 

deeplearning.ai（Coursera）[$ 49 /月]

课程内容：如何建立和训练神经网络，改善网络性能，教机器如何使用自然语言处理系统来理解、分析和响应人类语音; 计算机视觉。

链接：https://www.coursera.org/specializations/tensorflow-in-practice

 

 

进阶课程

 

人工智能微型硕士

 

哥伦比亚大学（edX）[$ 894.40]

课程内容：人工智能的指导原则；如何将机器学习的概念应用到现实生活的问题和实践中，如何设计和利用神经网络的力量以及AI在机器人技术、视觉和物理模拟领域的广泛应用。

链接：https://www.edx.org/micromasters/columbiax-artificial-intelligence

 

深度学习

 

deeplearning.ai和斯坦佛大学（Coursera）[$ 49 /月]

课程内容：深度学习的基础；了解如何建立神经网络并成功领导机器学习项目；卷积网络、RNN、LSTM、Adam、Dropout、BatchNorm、Xavier / He初始化。

链接：https://www.coursera.org/specializations/deep-learning/

 

深度学习NanoDegree

 

Udacity [$ 324/月，共4个月]

课程内容：成为神经网络专家；学习通过使用深度学习框架PyTorch践行神经网络；建立用于图像识别的卷积网络，用于序列生成的循环网络，用于图像生成的生成对抗网络；了解如何部署可从网站访问的模型。

链接：https://www.udacity.com/course/deep-learning-nanodegree--nd101

 

高级机器学习

 

国立研究大学高等经济学院 [免费；带证书$ 49/月]

课程内容：介绍深度学习、强化学习、自然语言理解、计算机视觉、贝叶斯方法以及如何赢得Top Kagglers的数据科学竞赛。

链接：https://www.coursera.org/specializations/aml

 

AWS机器学习入门

 

AWS（Coursera）[免费；带证书49$]

课程内容：如何使用带有内置算法和JupyterNotebook实例的Amazon SageMaker进行构建、训练和模型部署，如何使用Amazon AI服务（如AmazonComprehend、Amazon Rekognition、Amazon Translate等）构建智能应用程序。

链接：https://www.coursera.org/learn/aws-machine-learning

 

 

附加课程

 

这一节主要介绍其他资源，这些课程给了我很大帮助。

 

图源：unsplash

 

Hadoop和MapReduce简介

 

Cloudera（Udacity）[免费]

课程内容：Apache Hadoop项目开发了用于可靠的、可扩展的分布式计算的开源软件；其背后的基本原理，以及如何利用其功能理解大数据。

链接：https://www.udacity.com/course/intro-to-hadoop-and-mapreduce--ud617

 

数据结构和算法专业化研究

 

加州大学圣迭戈分校（Coursera）[$ 49 /月]

课程内容：贪心算法、二进制搜索、排序和动态编程等基本算法技术，应用图表和字符串算法解决现实世界中的挑战，最大流量，线性编程，近似算法，SAT求解器，流式处理。

链接：https://www.coursera.org/specializations/data-structures-algorithms

 

在GCP上进行数据工程、大数据和机器学习

 

Google Cloud（Coursera）[$ 49 /月]

课程内容：在Google CloudPlatform上设计和构建数据管道的实际操作介绍；设计数据处理系统，建立端到端数据管道，分析数据并获得见解；结构化数据、非结构化数据和流数据。

链接：https://www.coursera.org/specializations/gcp-data-machine-learning

 

使用Git控制版本

 

Udacity [免费]

课程内容：使用版本控制系统Git的基本知识；学习创建新的Git存储库，提交更改，查看现有存储库的提交历史记录，如何使用标签和分支使已提交内容系统化，以及通过合并更改来消除合并冲突。

链接：https://www.udacity.com/course/version-control-with-git--ud123

 

使用Python调试软件

 

Udacity [免费]

课程内容：如何系统地调试程序；如何自动化调试过程并在Python中构建几个自动化调试工具。

链接：https://www.udacity.com/course/software-debugging--cs259

 

计算神经科学

 

华盛顿大学（Coursera）[$ 49]

课程内容：基本的计算方法，用于了解神经系统的作用及功能；使用Matlab、Octave和Python人工神经网络，进行强化学习和生物神经元模型。

链接：https://www.coursera.org/learn/computational-neuroscience

 

感谢Coursera、edX和Udacity为开放式教育开辟先河。感谢Class Central和CourseTalk，为人们提供了一种寻找热门在线课程的好方法，也指导了我对上述课程的选择。

 

好啦，祝大家早日毕业！

 

一起分享AI学习与发展的干货
欢迎关注全平台AI垂类自媒体 “读芯术”

（添加小编微信：dxsxbb，加入读者圈，一起讨论最新鲜的人工智能科技哦～）