在工程領域，機器學習的應用并不如想象中多，而深度學習每天都在改變生活。入門深度學習的好課不僅讓你了解技術領域的前沿，還能幫助你提升求職競爭力。以下 8 門課程(大部分評分來自 Class Central)推薦給你。

[[243636]]

1. Creative Applications of Deep Learning with TensorFlow

Kadenze

★★★★☆ (基于 43 個評價)

這門課程會為你介紹 deep learning，讓你能夠構建***進的人工智能算法。其中包含最基本的深度學習知識(基礎課)，包括什么是深度學習?算法如何工作?如何編寫程序構建卷積神經網絡，變分自動編碼器，生成對抗網絡，遞歸神經網絡。本課程不僅帶你構建算法，還會深入研究充滿創意的應用。

2. Neural Networks for Machine Learning

University of Toronto

★★★☆ (基于 25 個評價)

語音和對象識別，圖像分割，建模語言和人體運動等領域都會用到機器學習和神經網絡。本課程會帶你了解這些應用所需的基本算法，以及實現他們所需的良好技巧。這門課需要一定的微積分知識及 Python 編程基礎。

3. MIT 6.S191: Introduction to Deep Learning

Massachusetts Institute of Technology (MIT)

★★★★☆ (基于 2 個評價)

本課程會為你介紹深度學習的基本方法(入門課程)，以及機器翻譯，圖像識別，游戲，圖像生成等應用。這門課程中還會有一些和 TensorFlow 合作展開的實驗內容。

4. MIT 6.S094: Deep Learning for Self-Driving Cars

Massachusetts Institute of Technology (MIT)

★★★★☆ (基于 1 個評價)

這是一門面向新手的課程，為機器學習初學者設計，同時也能為研究人員提供實踐領域的借鑒。本課程通過構建自動駕駛汽車來介紹深度學習。

5. CS224d: Deep Learning for Natural Language Processing

University of Oxford

無評分

這是一門關于自然語言處理的進階課程。需要你具備一定的概率論，線性代數和連續數學的基礎，了解基本的機器學習模型，編程熟練，但不需要具備語言學的知識。你將會學到一系列神經網絡模型，能夠優化模型算法，了解如何用這些算法構建***進的 NLP 系統，了解應用過程中可能出現的硬件問題，最終實現和評估 NLP 常見的神經網絡模型。

6. CS224n: Natural Language Processing with Deep Learning

Stanford University

無評分

深度學習在自然語言處理中能實現很好的應用。本課程中學生將學習如何實現，訓練，調試，可視化甚至發明他們自己的神經網絡模型。課程全面介紹了應用于 NLP 的深度學習的前沿研究。模型上涵蓋了基于窗口的神經網絡，遞歸神經網絡，長短期記憶模型，卷積神經網絡等。編程作業會幫助你掌握必要的實踐技巧。

7. CS231n: Convolutional Neural Networks for Visual Recognition

Stanford University

無評分

這門課由李飛飛主講，課程為期 10 周，其間課程會深入探討深度學習的細節，重點學習圖像分類。學生將學習如何訓練和調試自己的神經網絡模型，了解計算機視覺的前沿領域。課程的資料都可以在 Stanford 的課程首頁找到，包含筆記，視頻等。

8. Deep Learning A-Z™: Hands-On Artificial Neural Networks

Kirill Eremenko and the SuperDataScience Team

★★★★☆ (基于 13,832 個評價)

學習使用 Python 構建深度學習算法(偏向實踐領域)。課程分為兩部分：監督學習和無監督學習。每個部分會為你介紹 3 種不同的算法。專注于深度學習背后的直觀理解，而不只是冰冷的數學推導和程序。課程的實戰項目基于真實世界的數據集，目的是解決實際問題。