Read enough so you start developing intuitions and trust intuitions and go for it!

通過大量閱讀來培養直覺，相信自己的直覺并大膽實踐！

—— Geoffrey Hinton

本文經AI新媒體量子位（公眾號ID:QbitAI）授權轉載，轉載請聯系出處。

要說這兩年最火的機器學習課程，當屬吳恩達的Machine Learning。

這原本是吳恩達在斯坦福大學開授的課程，課程視頻在網絡上受到了學習者的廣泛好評，后來還推出了專門的網課。

現在越來越多的人選擇通過觀看視頻課程的方式來學習知識，一方面有了教師的引導會讓艱澀的內容更容易理解，另一方面平時通勤、等待時的細碎時間也可以得到充分利用。

深度學習如此火熱的今天，也有不少人通過課程視頻來學習各個領域的知識。

雖然已經有不少世界知名大學放出了學校授課的錄像或講座的視頻，來造福全球對深度學習感興趣的學習者們。

但去哪學，也成了擺在大家面前的難題。

今天要介紹的這個Github倉庫 Deep Learning Drizzle就是一個深度學習相關課程/講座視頻的大合集，其中不乏學界知名大牛的親授課程。

目前該項目已經在Github收獲了6000+星，Fork數也超過1.4K。

倉庫維護者整理了14個類目共計232門視頻課程，并且這個數字還在不斷增加。其中包括：

• Deep Neural Networks（深度神經網絡），43門
• Machine Learning Fundamentals（機器學習基礎），12門
• Optimization for Machine Learning（機器學習優化方法），12門
• General Machine Learning（通用機器學習），39門
• Reinforcement Learning（強化學習），14門
• Bayesian Deep Learning（貝葉斯深度學習），5門
• Graph Neural Networks（圖神經網絡），9門
• Probabilistic Graphical Models（概率圖模型），5門
• Natural Language Processing（自然語言處理），10門
• Automatic Speech Recognition（語音識別），5門
• Modern Computer Vision（現代計算機視覺），25門
• Boot Camps or Summer Schools（夏令營與暑期學校講座），44門
• Medical Imaging（醫學影像），5門
• Bird’s-eye view of Artificial Intelligence（人工智能概覽），4門

下面我們簡單介紹一下每類課程覆蓋的內容，并推薦其中頗負盛名的好課。

Deep Neural Networks 深度神經網絡

主要涉及神經網絡的工作原理及基本的應用。

課程推薦

1、Neural Networks for Machine Learning

Geoffrey Hinton，University of Toronto，2012/2014

看到Hinton這個名字任何人都難免會虎軀一顫——深度學習奠基人之一，2019年圖靈獎獲得者。

2、CS231n: CNNs for Visual Recognition

Justin Johnson，Stanford University，2015-2017

同樣是這兩年網絡上的爆款課程，華人學者李飛飛的團隊出品。每年的課程內容都會根據最新的研究成果更新，是計算機視覺很好的入門課程。

3.CS320: Deep Learning

Andrew Ng，Stanford University，2018

華人學者吳恩達親自講授的深度學習課程，內容全面的深度學習寶典，現在已經有了專門的在線課。

Machine Learning Fundamentals 機器學習基礎

要想深入理解機器學習原理，數學知識必不可少。本類目包括了線性代數、概率與統計、微積分、信息論等基礎數學課程。

課程推薦：

Linear Algebra

Gilbert Strang，MIT

Optimization for Machine Learning 機器學習優化方法

優化方法是機器學習算法的靈魂，本類目以優化為主題，包含了凸優化課程和針對機器學習的優化理論課程。

課程推薦

1、Convex Optimization

Stephen Boyd, Stanford University

Stephen Boyd編寫的《凸優化》是中國許多高校的凸優化課程教材，現在有機會聽到作者本人授課了！

2、Optimization

Geoff Gordon & Ryan Tibshirani, CMU

3、Convex Optimization

Ryan Tibshirani, CMU

4、Algorithmic Aspects of Machine Learning / Advanced Algorithms

Ankur Moitra, MIT

General Machine Learning 通用機器學習

本類目主要講授機器學習理論、統計機器學習方法等內容。

課程推薦

CS229: Machine Learning

Andrew Ng, Stanford University

吳恩達主講的機器學習課程，深入講解了各種常用的統計機器學習模型，可謂經典中的經典。

Reinforcement Learning 強化學習

本類目主要介紹強化學習基礎及進階技術。大家熟知的阿法狗（AlphaGo）和各種游戲AI都是強化學習的產物。

課程推薦

1、Introduction to Reinforcement Learning

David Silver, DeepMind

△AlphaGo與李世石的人機大戰

Deepmind公司可謂在強化學習領域苦心耕耘多年，AlphaGo、AlphaZero、德州撲克AI、星際爭霸AI等都出自他們之手。快來看看Deepmind研究員David Silver如何闡釋強化學習。

2、Deep Reinforcement Learning

Sergey Levine, UC Berkeley

3、CS234: Reinforcement Learning

Emma Brunskill, Stanford University

Bayesian Deep Learning 貝葉斯深度學習

主要講授基于貝葉斯網絡的深度學習方法。

課程推薦

Deep Learning and Bayesian Methods

Lots of Legends, HSE Moscow

Graph Neural Networks 圖神經網絡

近幾年對于圖神經網絡的研究越來越多，圖神經網絡可以有效地處理想社交網絡這樣的圖數據，是一個熱門的研究方向。

此部分還包含了基于三維幾何的深度學習內容，3D視覺同樣是近幾年開始被廣泛研究的課題。

由于這些方向興起時間不長，所以基本以workshop和講座為主。

Probabilistic Graphical Models 概率圖模型

概率圖模型在研究中有著廣泛的應用，如知名的隱馬爾科夫模型（HMM）、條件隨機場（CRF）等都屬于概率圖模型。同時概率圖模型也是圖神經網絡的基礎。

推薦課程

Probabilistic Graphical Models

Eric Xing, CMU

華人教授邢波主講的課程，邢波教授本人專攻機器學習、計算生物學等方向。

Natural Language Processing 自然語言處理

本部分主要介紹計算語言學以及基于深度學習的自然語言處理（NLP）。

推薦課程

1、Neural Networks for Natural Language Processing

Graham Neubig, CMU

2、Natural Language Processing with Deep Learning

Abigail See, Chris Manning, Richard Socher, Stanford University

Automatic Speech Recognition 語音識別

主要講授如何應用深度學習技術進行語音識別。

Modern Computer Vision 現代計算機視覺

所謂現代計算機視覺，其實包括了傳統方法和基于深度學習的方法兩部分。

這類課程中有對數字圖像處理、計算機視覺領域傳統方法的講解，也有深度學習在攝影、視頻處理、機器人等方面的研究。

推薦課程

1、Convolutional Neural Networks

Andrew Ng, Stanford University

2、CS205A: Mathematical Methods for Robotics, Vision and Graphics

Justin Solomon, Stanford University

Boot Camps or Summer Schools 夏令營與暑期學校

這部分主要是知名大學夏令營、暑期學校中的專題講座，內容通常比較前沿，值得一看。

Medical Imaging 醫學影像

主要講授如何運用機器學習方法進行醫學影像分析，主要是暑期學校課程。

Bird’s-eye view of Artificial Intelligence 人工智能概覽

這部分主要是大牛的講座和講話，探討了人工智能發展方向，以及人工智能與認知、情感、道德、倫理、社會等方面的關系，是人工智能在技術之上更高層次的探究，可以幫助你對人工智能有更深的理解。

最后，附上項目傳送門：

https://github.com/kmario23/deep-learning-drizzle