Skip to content

Latest commit

 

History

History
283 lines (142 loc) · 15.1 KB

best-free-machine-learning-courses-online.md

File metadata and controls

283 lines (142 loc) · 15.1 KB
Raw

10 个最佳和免费的机器学习课程，在线

原文：www.kdnuggets.com/2019/12/best-free-machine-learning-courses-online.html

评论

由 Prateek Shah, DigitalDeFynd。

在线教育

查看这一系列最佳的+免费的机器学习课程。

(1) 免费机器学习课程 (fast.ai)

这是提供人工智能相关课程的平台之一，旨在向大众教授 AI 及如何入门。所有内容从零开始，专注于通过实践学习。有一系列适合初学者和经验丰富的学习者的选择。所以，如果你认真考虑入门这个领域，最简单的办法就是点击第一讲。

主要独特卖点

  • 每一个概念都配有截图和实际操作示例。

  • 提供完整的指导以完成配置并开始学习课程。

  • 加入论坛与同行和从业者沟通，并在学习过程中互相帮助。

  • 使用 fast.ai 库并训练模型。

  • 该平台上的所有课程都是免费的。

时长： 自定进度

评分： 4.5 分（满分 5 分）

你可以在这里注册。

(2) 斯坦福大学机器学习课程 (Coursera)

这无疑是互联网上最好的机器学习课程。由安德鲁·吴（Coursera 联合创始人及斯坦福大学教授）创建，该课程已被全球超过 2,600,000 名学生和专业人士参加，他们给予了平均 4.9 分（满分 5 分）的高评价。只需看看推荐信，你就会明白为什么我们如此强烈推荐它。

课程涵盖的主题包括监督学习、最佳实践和 ML 与 AI 的创新，同时你还会遇到大量案例研究和应用。课程的最佳部分之一是你可以在购买整个课程前注册 7 天试用。如果你相信我们的评价，这是绝对在线上最好的相关程序。

主要独特卖点

  • 了解参数化和非参数化算法、聚类、降维等重要主题。

  • 从讲师那里获得最佳实践和建议。

  • 在一个由各个经验水平的学习者组成的社区中与你的同行互动。

  • 基于实际案例的学习让你有机会了解问题如何在日常中解决。

  • 灵活的截止日期允许你按照自己的方便学习。

  • 学习应用学习算法来构建智能机器人，理解文本、音频、数据库挖掘。

时长： 约 55 小时，每周 7 小时

评分： 5 分中的 4.9

你可以在这里注册

这真是一个卓越的课程。深谙某一学科的人往往没有时间或动力分享他们的见解并教导他人；这门课程是一个罕见的例外，鉴于机器学习对未来的重要性，我对安德鲁·吴充满了极大的感激和敬意。 - Nicholas D

(3) 深度学习课程（deeplearning.ai）

深度学习领域最著名的讲师之一，安德鲁·吴（Andrew Ng），为您带来了这一特别课程，此课程由斯坦福教授和 NVIDIA|深度学习学院作为行业合作伙伴共同开发。讲师是 Coursera 的联合创始人，曾在Google Brain 项目和百度 AI 团队担任过职务。

在这项覆盖 5 门课程的项目中，他将教你深度学习的基础知识、如何构建神经网络以及如何构建机器学习项目。最重要的是，你将能够参与医疗保健、音乐生成和自然语言处理等行业领域的实时案例研究。全球已有超过 250,000 名学生报名参加此项目。毫无疑问，这是一门最好的深度学习课程。

关键卖点

  • 学习卷积网络、递归神经网络、批量归一化、丢弃法等。

  • 使用不同的技术来构建解决现实问题的模型。

  • 涵盖了诸如医疗保健、自动驾驶、手语识别、音乐生成和自然语言处理等领域的实际案例研究。

  • 从行业专家和领袖那里获得最佳实践和建议。

  • 按照你的计划完成所有评估和作业，以获得专业化完成认证。

时长： 3 个月，每周 11 小时

评分： 5 分中的 4.9

你可以在这里注册

这门课程为从零开始构建多层神经网络奠定了坚实的基础。这门课程的最大优势在于我能够立即将学到的知识应用到实际问题中，例如人形机器人导航到已知目标。课程在数学解释和逐步编程演示方面表现出色。 - Waleed E

(4) 机器学习课程 A-Z™：数据科学中的 Python 和 R 实践（Udemy）

让我们先接受这样一个事实：411,800+ 名学生 已经参加了这门课程，且它的平均评分为 4.5 分（满分 5 分）。我们认为这是 最佳机器学习课程 之一，由 Kirill Eremenko，数据科学家和外汇系统专家 和 Hadelin de Ponteves，数据科学家 开发。

这门课程将帮助你掌握 Python 和 R 上的机器学习，做出准确的预测，建立对许多机器学习模型的良好直觉，处理强化学习、自然语言处理和深度学习等特定工具。最重要的是，它教你选择适合每种问题的模型。你只需要具备基本的高中数学知识即可学习这门课程。通过 40 小时的学习 + 19 篇文章，我们不知道还需要说什么来让你去看看这个课程。

关键独特卖点

  • 对于几乎没有先前经验的人来说，这是一个很好的入门教程。

  • 探索复杂的主题，如自然语言处理、强化学习、深度学习等。

  • 提供大量实践练习和测验，以衡量你对讲座内容的掌握情况。

  • 提供详细的安装所需软件和工具的说明。

  • 作为额外福利，本培训包含可以下载并在项目中使用的 Python 和 R 代码模板。

时长： 41 小时

评分： 4.5 分（满分 5 分）

你可以在这里注册

Machine Learning A-Z 是机器学习的一个很好的入门课程。通过对许多算法的全面介绍，使学生对 scikit-learn 和其他一些包更为熟悉。理论解释简单易懂，实践例子也同样基础。ML-az 是初学者获取深入学习机器学习的动力的合适课程。从这里，你可以选择前进的方向，从而掌握它！总之，非常入门，易于理解，覆盖面广。一个很好的起点。* - Denis Mariano*

(5) 免费机器学习数据科学课程（哈佛大学）

哈佛大学的这个职业认证项目使用激励性的案例研究，提出具体问题，并展示如何通过分析大量数据来回答这些问题。在课程中，你将同时学习 R 编程语言、统计概念和数据分析技术。所涵盖的案例研究包括世界健康和经济趋势、美国犯罪率、2007-2008 年金融危机、选举预测、组建棒球队和电影推荐系统。本课程的教授是哈佛大学生物统计学教授 Rafael Irizarry。

关键独特卖点

  • 涵盖基础的 R 编程技能。

  • 探索统计概念，如概率、推断和建模，并将它们应用于实践中。

  • 获得 tidyverse 的使用经验，包括使用 ggplot2 进行数据可视化和使用 dplyr 进行数据整理。

  • 熟悉数据科学家所需的基本工具，如 Unix/Linux、git 和 GitHub 以及 RStudio。

  • 实施机器学习算法，并通过现实案例研究深入了解该领域。

时长： 9 门课程，每门课程 2 到 8 周，每周 2 到 4 小时。

评分： 4.7 分（满分 5 分）

你可以在这里注册

（6） 免费机器学习入门课程（Udacity）

这个 Udacity Nanodegree 计划将帮助你掌握所有有志于成为数据分析师和数据科学家的必备技能。通过机器学习的视角探索数据调查的全流程。学习如何提取和识别有用的特征，以最佳形式表示你的数据。此外，你还将学习一些最重要的机器学习算法并评估其性能。

主要卖点

  • 互动测验让你可以复习所学的内容。

  • 加入学生支持社区，以交流想法和澄清疑问。

  • 自主学习的时间安排允许你按照自己的方便进行学习。

  • 内容是与 Kaggle 和 AWS 合作创建的。

  • 你将学习监督学习、深度学习、无监督学习以及其他一系列主题。

  • 你还可以获得一对一的导师指导、个人职业辅导以及访问学生社区的权限。

时长： 3 个月

评分： 4.6 分（满分 5 分）

你可以在这里注册

（7） 免费机器学习 - 人工智能课程（哥伦比亚大学）

哥伦比亚大学设计的这个微硕士项目为你带来了严格、先进、专业的 AI 及其子领域如机器学习、神经网络等的研究生级基础课程。通过该项目的 4 门课程，逐一学习该主题的重要概念。掌握 AI 指导原则的坚实基础，并将机器学习知识应用于现实世界中的挑战和应用。 除此之外，你还将学习设计神经网络并利用它们处理相关问题。 在项目结束时，你将获得足够的实践知识，以增强你的个人作品集、申请相关工作或转为自由职业。

主要卖点

  • 将机器学习的概念应用于现实生活中的挑战和应用。

  • 提供了详细的配置和导航所需软件的说明。

  • 设计和利用神经网络的能力。

  • 该项目分为 4 门课程，并附有相关的示例和演示。

  • 将这些讲座中获得的知识应用于机器人、视觉和物理模拟等多个领域。

时长： 4 门课程，每门课程 12 周，每周 8 到 10 小时

评分： 4.5 分（满分 5 分）

你可以在这里注册

（8） 机器学习课程（斯坦福工程学院）

这所著名学术机构提供了三项研究生认证课程，专注于这个快速发展的人工智能领域。在数据、模型和优化的课程中，你将通过实施合适的算法和开发模型来探索大规模问题。此外，AI 课程讲解了开发概率模型的原理和技术，并从事机器学习。最后，数据集挖掘课程深入研究大型数据集，帮助你掌握从各种实际来源提取信息的方法。

主要特色

  • 所有主题都简明扼要且深入。

  • 基于实际挑战的示例，以便更好地理解。

  • 提供额外资源建议，以补充学习。

  • 完成评估、作业并保持分数高于最低要求，以获得证书。

时长： 1 到 2 年

评分： 4.4 分（满分 5 分）

你可以在这里注册

（9） 免费机器学习课程（edX）

edX 汇集了来自全球各大高校的机器学习课程。你可以选择哈佛的 数据科学、哥伦比亚的 人工智能、IBM 的 Python 数据科学，或微软的数据科学课程等。大多数课程可以免费旁听，只有在你希望获得证书时才需付费。这些课程的时间从几周到几个月不等，适合每个人。

主要特色

  • 免费课程，适合不想花大钱学习机器学习的人

  • 探索机器学习和人工智能的各个主题，获得深刻的理解

  • 学习时从讲师处获得大量技巧和窍门

  • 构建复杂的数据模型，探索数据分类、回归、聚类等。

  • 提供众多课程，涵盖从 AI 到机器学习、深度学习等各种主题

  • 顶级大学的教授会教你

时长： 自主学习

评分： 4.6 分（满分 5 分）

你可以在这里注册

（10） 免费机器学习课程（R 语言）（DataCamp）

如果你精通 R 编程和统计学，并希望在此技能基础上进一步提升，那么这个互动课程值得一看。首先，你将探讨该领域的应用和常见问题。此外，你将重点学习三种基本技术，并训练和评估机器学习模型。完成学习后，你可以选择更高级的专业化课程。

关键卖点

  • 比较不同类型的算法并进行实验。

  • 对数据进行分类，构建决策树，执行聚类等。

  • 15 个视频+81 个练习

  • 互动内容使解释更简单，学习过程更有趣。

  • 第一个模块可以免费预览。

时长： 6 小时

评分： 4.4 分（满分 5 分）

你可以在这里注册

这些是一些最佳的+免费机器学习课程，希望你能找到所需的内容。请同时查看我们的完整汇编数据科学课程。

相关：

我们的前 3 名课程推荐

1. Google 网络安全证书 - 快速开启网络安全职业生涯。

2. Google 数据分析专业证书 - 提升你的数据分析技能

3. Google IT 支持专业证书 - 支持你的组织的 IT 工作

更多相关内容