极好的机器学习和 AI 课程

原文：www.kdnuggets.com/2020/07/awesome-machine-learning-ai-courses.html

作者：Lukas Spranger，数据科学家和软件工程师

来源：深度无监督学习（加州大学伯克利分校）

我们的三大课程推荐

1. 谷歌网络安全证书 - 快速进入网络安全职业生涯。

2. 谷歌数据分析专业证书 - 提升你的数据分析能力

3. 谷歌 IT 支持专业证书 - 支持你所在组织的 IT 工作

编辑说明： 请注意，这是一份不断增长的课程合集，你可以通过简单地提交拉取请求来贡献内容。

这是一个精心策划的，免费机器学习和人工智能课程列表，包含视频讲座。所有课程均由一些顶级 AI 研究人员和教师提供高质量的视频讲座。

除了视频讲座，我还链接了包含讲义、额外阅读和作业的课程网站。

这些课程是入门机器学习和 AI 的绝佳选择。不需要先前的 ML 和 AI 经验。你应该具备一些线性代数、基础微积分和概率知识。建议有一定的编程经验。

机器学习（斯坦福 CS229） | 课程网站

这本现代经典机器学习课程是理解机器学习概念和技术的绝佳起点。课程涵盖了许多广泛使用的技术，讲义详细且回顾了必要的数学概念。
卷积神经网络视觉识别（斯坦福 CS231n） | 课程网站

这是开始深度学习的绝佳方式。课程重点讲解卷积神经网络和计算机视觉，同时也概述了递归网络和强化学习。
人工智能导论（加州大学伯克利分校 CS188） | 课程网站

涵盖了整个人工智能领域。从搜索方法、博弈树和机器学习到贝叶斯网络和强化学习。
应用机器学习 2020（哥伦比亚大学）

作为斯坦福 CS229 的替代课程，顾名思义，这门课程比 Andrew Ng 在斯坦福的机器学习讲座更具应用视角。你会看到更多的代码而不是数学。概念和算法使用流行的 Python 库 scikit-learn 和 Keras。
强化学习入门与 David Silver（DeepMind） | 课程网站

由 AlphaGo 和 AlphaZero 背后的领先研究者之一介绍的强化学习入门。
自然语言处理与深度学习（斯坦福 CS224N） | 课程网站

现代自然语言处理技术，从递归神经网络和词嵌入到变换器和自注意力。涵盖了诸如问答和文本生成等应用主题。

需要具备机器学习和人工智能基础知识的高级课程。

简介：卢卡斯·斯普兰格 (@sprangerlukas) 是一名数据科学家和软件工程师。目前，他在西门子工作，专注于数据驱动和 AI 驱动的软件解决方案。他拥有计算机科学硕士学位，对通过技术构建更美好未来充满热情。

原文。经许可转载。

相关内容：