這門課程花費(fèi)了很多的課時(shí)去講解監(jiān)督學(xué)習(xí)算法，例如線性回歸、邏輯回歸、SVM等，同時(shí)也花了很多時(shí)間去討論無監(jiān)督學(xué)習(xí)算法，例如聚類、降維和異常檢測(cè)等等。
本課程中還涉及到了一些機(jī)器學(xué)習(xí)在學(xué)術(shù)界和工業(yè)界的應(yīng)用，像推薦系統(tǒng)、計(jì)算機(jī)視覺的滑動(dòng)窗口對(duì)象分類等。這門課能夠很好地幫助剛接觸人工智能的同學(xué)們?nèi)腴T，如果認(rèn)真地去完成課后作業(yè)，也會(huì)使同學(xué)們?cè)谙嚓P(guān)工具的使用上變得熟練。
鏈接：https://www.bilibili.com/video/av9912938
這是一門非技術(shù)類的課程，更主要的是談?wù)揂I如何布局到公司以及隨著AI的發(fā)展會(huì)給我們的社會(huì)帶來什么樣的影響。但是對(duì)于現(xiàn)在在工業(yè)界的人士來講，是很有幫助的。
從這門課的大綱來看，我們可以學(xué)到常見人工智能的相關(guān)概念、人工智能可以做什么，不可以做什么、AI怎么布局到公司中、怎么和AI團(tuán)隊(duì)建立合作以及AI引發(fā)的相關(guān)倫理道德問題。
鏈接：https://www.coursera.org/learn/ai-for-everyone?action=enroll&errorCode=existingCourseraAccount
這個(gè)速成課通過20小時(shí)的密集型實(shí)踐課程來介紹機(jī)器學(xué)習(xí)的基礎(chǔ)知識(shí)，并且附帶TensorFlow練習(xí)。谷歌官方稱其為機(jī)器學(xué)習(xí)愛好者的自學(xué)指南，并且相關(guān)的課程資料都是用中文來編寫的，對(duì)于剛?cè)腴T的大學(xué)生和愛好者在知識(shí)理解上會(huì)有很大的幫助。
鏈接：https://developers.google.com/machine-learning/crash-course
臺(tái)灣大學(xué)的林軒田老師開的這兩門有關(guān)機(jī)器學(xué)習(xí)的課程是全球首例純國語授課的機(jī)器學(xué)習(xí)課程，其中機(jī)器學(xué)習(xí)基石主要涉及一些機(jī)器學(xué)習(xí)的基礎(chǔ)知識(shí)，包含了少量的理論知識(shí)。另外一門機(jī)器學(xué)習(xí)技法則主要側(cè)重機(jī)器學(xué)習(xí)的應(yīng)用技能，對(duì)于有興趣愛好的同學(xué)來講十分適合。
鏈接：http://www.csie.ntu.edu.tw/~htlin/mooc/
這門課程是深度學(xué)習(xí)的進(jìn)階版，非常適合深度學(xué)習(xí)的相關(guān)從業(yè)者，課程內(nèi)容豐富易懂。但是在學(xué)習(xí)這門課之前建議大家先去看一下李宏毅老師的《一天搞懂深度學(xué)習(xí)》的ppt，在ppt中對(duì)深度學(xué)習(xí)的原理，目前的應(yīng)用和未來的發(fā)展進(jìn)行了相關(guān)介紹。在學(xué)習(xí)完成以后我們就可以學(xué)習(xí)深度強(qiáng)化學(xué)習(xí)了。深度強(qiáng)化學(xué)習(xí)這門課主要介紹了一些高級(jí)算法，像策略梯度算法、近端策略優(yōu)化、Q-learning算法等等，適合想要深入研究深度學(xué)習(xí)的同學(xué)們。
一天搞懂深度學(xué)習(xí)ppt：http://ishare.iask.sina.com.cn/f/15YsFr66p-a.html
深度強(qiáng)化學(xué)習(xí)：http://www.bilibili.com/video/av24724071
這門課是全球NLP(自然語言處理)領(lǐng)域最受歡迎的課程之一，不僅能夠讓我們了解豐富的自然語言處理應(yīng)用案例，而且能讓我們?cè)趯?shí)踐中去學(xué)會(huì)搭建最先進(jìn)的自然語言處理模型。
該課程全面介紹了應(yīng)用于NLP的深度學(xué)習(xí)尖端研究。在模型方面，介紹詞向量表示、基于窗口的神經(jīng)網(wǎng)絡(luò)、時(shí)間遞歸神經(jīng)網(wǎng)絡(luò)、長期短期記憶模型、結(jié)構(gòu)遞歸神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)以及一些涉及存儲(chǔ)器組件的最新模型。通過課后作業(yè)，我們能夠掌握神經(jīng)網(wǎng)絡(luò)解決實(shí)際NLP問題的必備技巧。
鏈接：http://cs224d.stanford.edu/syllabus.html
計(jì)算機(jī)視覺在社會(huì)中已經(jīng)逐漸普及，并廣泛運(yùn)用于搜索檢索、圖像理解、手機(jī)應(yīng)用、地圖導(dǎo)航、醫(yī)療制藥、無人機(jī)和無人駕駛汽車等領(lǐng)域。而這些應(yīng)用的核心技術(shù)就是圖像分類、圖像定位和圖像探測(cè)等視覺識(shí)別任務(wù)。神經(jīng)網(wǎng)絡(luò)方法上的進(jìn)展極大地提升了這些代表當(dāng)前發(fā)展水平的視覺識(shí)別系統(tǒng)的性能。
這門課程深入講解了深度學(xué)習(xí)框架的細(xì)節(jié)問題，聚焦面向視覺識(shí)別任務(wù)（尤其是圖像分類任務(wù)）的端到端學(xué)習(xí)模型。在10周的課程中，學(xué)生們將會(huì)學(xué)習(xí)如何實(shí)現(xiàn)、訓(xùn)練和調(diào)試他們自己的神經(jīng)網(wǎng)絡(luò)，并建立起對(duì)計(jì)算機(jī)視覺領(lǐng)域的前沿研究方向的細(xì)節(jié)理解。最終的作業(yè)將包括訓(xùn)練一個(gè)有幾百萬參數(shù)的卷積神經(jīng)網(wǎng)絡(luò)，并將其應(yīng)用到最大的圖像分類數(shù)據(jù)庫（ImageNet）上。
鏈接：http://vision.stanford.edu/teaching/cs231n/index.html
這門課主要包含以下內(nèi)容：從監(jiān)督學(xué)習(xí)到?jīng)Q策，Q學(xué)習(xí)和策略梯度，高級(jí)模型學(xué)習(xí)和預(yù)測(cè)、distillation、獎(jiǎng)勵(lì)學(xué)習(xí)，置信域策略梯度、actor-critic 方法、探索等。通過這門課程的學(xué)習(xí)，能夠讓我們了解最新最前沿的深度學(xué)習(xí)技術(shù)，對(duì)于以后不論從事科研或者是項(xiàng)目開發(fā)都很有幫助。
課程主頁：http://rll.berkeley.edu/deeprlcourse/
鏈接：https://www.youtube.com/playlist?list=PLkFD6_40KJIznC9CDbVTjAF2oyt8_VAe3
這門課程的針對(duì)性較強(qiáng)，主要針對(duì)對(duì)自動(dòng)駕駛有興趣的同學(xué)，這門課對(duì)于無人駕駛能夠應(yīng)用到的技術(shù)進(jìn)行了詳細(xì)的介紹，在介紹深度學(xué)習(xí)部分，概述了計(jì)算機(jī)視覺領(lǐng)域研究的難點(diǎn)，深度學(xué)習(xí)得以大規(guī)模發(fā)展的幾個(gè)原因，目前的幾個(gè)制約其發(fā)展的因素，深度學(xué)習(xí)的主要應(yīng)用等。
這部分可以促進(jìn)入門者對(duì)于深度學(xué)習(xí)的理解。同時(shí)還提出了一些目前自動(dòng)駕駛方面存在的挑戰(zhàn)，也介紹了常用的框架和工具。有意從事自動(dòng)駕駛方面工作的同學(xué)可以仔細(xì)學(xué)習(xí)一下。
鏈接：https://selfdrivingcars.mit.edu/
在最開始的時(shí)候我們提到了Andrew Ng的機(jī)器學(xué)習(xí)課程，這個(gè)TensorFlow課程將會(huì)教我們?cè)趺从肨ensorFlow去實(shí)現(xiàn)之前學(xué)過的機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的算法。
通過這門課程我們可以開始構(gòu)建屬于自己的AI項(xiàng)目，有很強(qiáng)的實(shí)踐性，這樣我們就可以用學(xué)過的知識(shí)去解決實(shí)際問題。另外課程的所有課后作業(yè)基于Google的Colaboratory平臺(tái)，有點(diǎn)類似于我們平時(shí)用的Jupyter，在線的使用方式讓我們省去了很多配置環(huán)境的麻煩。
鏈接：https://www.coursera.org/learn/introduction-tensorflow/
聯(lián)系客服
