本文轉(zhuǎn)載自公眾號“讀芯術(shù)”(ID：AI_Discovery)

居家隔離期間只顧著玩游戲刷劇真的不會坐立不安嗎?與其心神不安打Boss，不如來面對機器學(xué)習(xí)這個大BOSS。筆者整理的這套課程從入門到高級，快來提升你的段位吧!

提示：Coursera的大部分課程和專業(yè)都有審核的選項。用戶不會獲得證明，但可以訪問本課程的大部分資源，這就已經(jīng)足夠了。在報名時，只需選擇審核課程的選項即可。

Coursera將提供免費試用，就在“開始免費試用”按鈕后面，可以發(fā)現(xiàn)一行小字，上面寫著“審核課程”。這個技巧很難發(fā)現(xiàn)，但也很實用，筆者已經(jīng)仔細(xì)檢查了推薦的所有課程，它們應(yīng)該都是免費的。

[[325462]]

A. 倔強青銅

1. 機器學(xué)習(xí)

使用平臺：Coursera

參與機構(gòu)：斯坦福

所需時間：54小時

事先要求：沒有任何要求，但對微積分特別是線性代數(shù)有一些理解會更好，可以最大限度幫助理解這門課程。

點評：吳恩達(dá)大佬的課程還需要推薦嗎?!他是斯坦福大學(xué)的教授，也是Coursera的創(chuàng)始人之一，開發(fā)了機器學(xué)習(xí)領(lǐng)域的首批在線課程之一，這批課程目前仍可在YouTube上查閱。

課程摘要：

本課程廣泛介紹了機器學(xué)習(xí)、數(shù)據(jù)挖掘和統(tǒng)計模式識別。主題包括：

• 監(jiān)督學(xué)習(xí)(參數(shù)/非參數(shù)算法、支持向量機、核、神經(jīng)網(wǎng)絡(luò));
• 無監(jiān)督學(xué)習(xí)(聚類、降維、推薦系統(tǒng)、深度學(xué)習(xí));
• 機器學(xué)習(xí)的最佳實踐(偏差/方差理論;機器學(xué)習(xí)與人工智能的創(chuàng)新過程)。

主題包括：

• 線性回歸
• 邏輯回歸
• 神經(jīng)網(wǎng)絡(luò)
• 正則化
• 降維
• 支持向量機
• 無監(jiān)督學(xué)習(xí)
• 異常檢測
• 推薦系統(tǒng)

2. Python中的機器學(xué)習(xí)

使用平臺：Coursera

參與機構(gòu)：IBM

所需時間：22小時

事先要求：了解基本數(shù)學(xué)原理。

點評：雖然課程自稱“中級水平”，但筆者認(rèn)為它對新手來說是個很好的起點。如果覺得斯坦福的課程有點長，這門課程也是一個不錯的選擇。

課程摘要：

本課程使用易于理解且常見的編程語言Python，深入探討機器學(xué)習(xí)的基礎(chǔ)知識。本課程包含兩個主要組成部分：

• 機器學(xué)習(xí)的目的以及它在現(xiàn)實世界中的應(yīng)用;
• 之后將理解機器學(xué)習(xí)主題的一般概述，如監(jiān)督與無監(jiān)督學(xué)習(xí)、模型評估與機器學(xué)習(xí)算法。

主題包括：

• 回歸
• 聚類
• 分類
• 推薦系統(tǒng)

B. 榮耀黃金

3. 神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)

使用平臺：Coursera

參與機構(gòu)：deeplearning.ai

所需時間：30小時

事先要求：需要有Python編碼經(jīng)驗，具備高中數(shù)學(xué)水平，掌握一些機器學(xué)習(xí)或深度學(xué)習(xí)知識會更好。

點評：在筆者看來，一旦掌握了機器學(xué)習(xí)的基本概念，并且熟悉了Python，下一步可能就是TensorFlow了，現(xiàn)在很多計算量很大的算法都是用它來運行的。吳恩達(dá)也是Deeplearning.ai的創(chuàng)建者，因此也是這門課程的提供者。

課程摘要：

在本課程中，你將學(xué)習(xí)深度學(xué)習(xí)的基礎(chǔ)。當(dāng)你完成這門課時，你將收獲：

• 了解推動深度學(xué)習(xí)的主要技術(shù)趨勢
• 了解如何實現(xiàn)高效(矢量化)神經(jīng)網(wǎng)絡(luò)
• 了解神經(jīng)網(wǎng)絡(luò)架構(gòu)中的關(guān)鍵參數(shù)
• 能夠構(gòu)建、訓(xùn)練和應(yīng)用全連接的深度神經(jīng)網(wǎng)絡(luò)

這門課程還將介紹深度學(xué)習(xí)的實際工作原理，而不是僅僅提供粗略的或表面的描述。

主題包括：

• 深度學(xué)習(xí)介紹
• 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)
• 淺顯的神經(jīng)網(wǎng)絡(luò)知識
• 深度神經(jīng)網(wǎng)絡(luò)

4. 卷積神經(jīng)網(wǎng)絡(luò)

使用平臺：Coursera

參與機構(gòu)：deeplearning.ai

所需時間：20小時

事先要求：需要一些TensorFlow知識、Python編碼基礎(chǔ)和高中水平的數(shù)學(xué)知識。

點評：自上門課程之后的又一理想課程。

課程摘要：

本課程將教你如何構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)，并將其應(yīng)用于圖像數(shù)據(jù)。憑借深度學(xué)習(xí)，計算機視覺比兩年前強大得多，這使得許多令人興奮的應(yīng)用得以實現(xiàn)，從安全的自動駕駛，到精確的人臉識別，再到放射圖像的自動讀取。

主題包括：

• 卷積神經(jīng)網(wǎng)絡(luò)基礎(chǔ)
• 目標(biāo)檢測
• 深度卷機模型：案例研究
• 特殊應(yīng)用：人臉識別與神經(jīng)風(fēng)格遷移

C. 最強王者

5. 高級機器學(xué)習(xí)專業(yè)

使用平臺：Coursera

參與機構(gòu)：國立研究大學(xué)高等經(jīng)濟學(xué)院(俄羅斯)

所需時間：10個月，每周6小時

事先要求：已經(jīng)在本行業(yè)有扎實的機器學(xué)習(xí)與數(shù)學(xué)基礎(chǔ)。

點評：這是一套完整的專業(yè)課程，所以那些想要節(jié)省時間，或者從技術(shù)上講覺得不需要，以及已經(jīng)在工作中接觸過或在以前的課程中學(xué)習(xí)過這些內(nèi)容的人，就可以跳過啦。

課程摘要：

深入研究現(xiàn)代人工智能技術(shù)。本課程將教授用計算機看、畫、讀、說、玩游戲以及解決行業(yè)問題。本專業(yè)對深度學(xué)習(xí)、強化學(xué)習(xí)、自然語言理解、計算機視覺和貝葉斯法進行了介紹。頂尖的Kaggle機器學(xué)習(xí)從業(yè)者以及CERN科學(xué)家將分享他們解決現(xiàn)實問題的經(jīng)驗，幫助你填補理論與實踐之間的空白。

主題包括：

• 深度學(xué)習(xí)介紹 (32小時)
• 如何贏得數(shù)據(jù)科學(xué)競賽：向頂級Kagglers學(xué)習(xí) (47小時)
• 機器學(xué)習(xí)的貝葉斯法 (30小時)
• 目標(biāo)檢測
• 實用強化學(xué)習(xí) (30小時)
• 計算機視覺中的深度學(xué)習(xí) (17小時)
• 自然語言處理 (32小時)

用機器學(xué)習(xí)解決大型強子對撞機的挑戰(zhàn) (24小時) 看這安排得明明白白的進階之路，心動不如行動，“最強王者”在向你召喚!