原文：
www.kdnuggets.com/2021/04/best-podcasts-machine-learning.html
评论
由理托布拉塔·戈什，深度学习顾问和大四物理本科生。
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 - 提升你的数据分析技能
3. 谷歌 IT 支持专业证书 - 支持你的组织在 IT 方面
图片由Icons8 Team提供，来源于Unsplash。
播客是了解新领域和工具的绝佳方式，同时也能让你保持对自己关心领域的更新。
我也相信，主要围绕访谈的播客是了解 AI 领域明星和超级英雄的绝佳方式。你可以一窥他们的思维方式、正在做什么以及如何解决特定问题。
我还认为，通过收听播客你能获得独特的内容，其他地方无法获取这些内容。
在这篇文章中，我不会深入探讨为什么我认为播客很棒以及机器学习学习者和从业者应该收听它们。
这里是我强烈推荐给机器学习学习者和专业人士的播客。
1. 梯度异议
来自 Weights and Biases，由Lukas Biewald主办
这是一个机器学习播客，专注于“来自解决现实世界问题的机器学习专家的故事。”
Lukas 以他自己的风格主持播客。他提出了非常有意义的问题，并对主题了解颇深。播客节目非常信息丰富、简洁明了且引人入胜。
-
每集长度：通常为 30-60 分钟
-
目前为止最喜欢的一集：Peter Norvig，谷歌研究总监——奇点在观察者的眼中
来自 DeepMind，由Hannah Fry主办
Hannah Fry 是一位出色的主持人，表现堪比任何专业播客主持人。这使得这个播客与其他播客有所不同。Hannah Fry 是一位数学家，具有主持播客的经验。她对 AI 充满热情，且对这个播客也充满热情。这个播客可能有一个团队在背后工作，音效和音乐也暗示了这一点。他们还让体验变得非常有趣。
这个播客关注 DeepMind 的工作，并邀请那些在 DeepMind 内部处理这些问题的人。问题和解决方案用简单的语言描述。充满激情的主持人还会给你一个关于问题的大致概况以及未来的发展方向。这个播客结构非常好，设计精良，且非常信息丰富和启发性强。
-
每集时长：30 分钟
-
目前最喜欢的集数：Episode 2: Go to Zero
由 Lex Fridman 主持
Lex Fridman 是一位专注于自动驾驶汽车和人机交互的 AI 研究员。他还在 MIT 教学。他作为播客主持人的独特之处在于，他非常关注嘉宾工作的长期目标和深远影响。他对诸如意识和 AGI 概念等深层次的事物感兴趣。他提出深刻、基础的问题，并让我们了解嘉宾对这些问题的看法。
他播客中的话题超越了 AI 的领域。他曾邀请过 Roger Penrose、Richard Dawkins 和 Noam Chomsky 等嘉宾。他的访谈中有很大一部分关于 AI。他的访谈通常很长，因此有更多的时间深入详细地讨论话题。我非常喜欢这一点。
-
每集时长：60–180 分钟
-
目前最喜欢的集数：David Silver: AlphaGo, AlphaZero, and Deep Reinforcement Learning | Lex Fridman Podcast #86
由 Sanyam Bhutani 主持
Sanyam Bhutani 是一位社区型人物。就是这样。作为 h2o.ai 的数据科学家，他撰写博客，主持访谈，并与 Machine Learning Tokyo 一起主持读书俱乐部和其他俱乐部。他还在 fast.ai 社区中非常活跃。他从不通过内容获利！当他在播客中采访嘉宾时，他不仅仅是为了采访提问，也是为了学习！我喜欢他好奇、谦逊的提问方式。
这个播客邀请了许多 Kaggle 竞赛的获胜者和大师。主持人谈论嘉宾的经历、职业以及当前的研究、项目和兴趣。然后是 Kaggle！他经常采访特定竞赛的获胜者，并询问他们对这些特定竞赛的思考和方法。这些内容对于参与 Kaggle 竞赛或有兴趣为任何项目开发完整流程的人来说非常有帮助。看到来自不同背景的多样化人群赢得 Kaggle 竞赛，并在这个播客上谈论他们的职业、生计和 Kaggle，非常有趣。
-
每集时长：30–90 分钟
-
到目前为止最喜欢的集数： Chris Deotte | 成为 4x Kaggle 大师的秘密 | 讨论与笔记
5. 机器学习街头讲座
由Yannic Kilcher、Dr. Tim Scarfe* 和 *Keith Dugger 主持
这是列表中唯一一个有多位主持人的播客。Yannic 以其论文讲解视频和墨镜而闻名。Dr. Scarfe 和 Keith 也保持着在线存在，并参与深度学习。
这个播客故意保持一种黑客、开源的氛围。从他们选择的背景、呈现风格以及更多方面都可以看出这一点。他们深入研究研究主题并采访与之相关的人。多位主持人的存在为对话增添了价值，而不是成为负担。听众可以从多个角度听取意见，并了解多种观点。嘉宾也更有可能揭示研究的不同方面。
-
每集时长：90–120 分钟
-
到目前为止最喜欢的集数：#040 — 对抗样本
当然，你已经注意到标题中的“+1”了。我将这些资源合并在一起，因为前两个资源中的所有内容都没有专注于 ML 或 AI。尽管 TED 有一些基于这个主题及更广泛主题的演讲，但它在 ML、数据科学和 AI 方面有一些非常好的演讲。
如果你访问微软研究院的 YouTube 页面，你会看到许多会激发你兴趣的播放列表。例如，AI 杰出讲座系列 包含了许多引人深思的 AI 演讲。Talks at Google 也是如此。
TED 上有很多关于数据科学、人工智能及其影响的演讲。而且 TED 在这些领域爆发之前的几年就已经在涵盖数据分析、人工智能等话题。我记得曾经听过一场演讲，通过讲故事使数据更有意义 | Ben Wellington，这是在 2015 年发表的，强调了数据分析如何既有创意又简单地揭示许多重要见解，并且通过影响政府政策来改善生活。还有另一场我想提到的演讲是：Daphne Koller：我们从在线教育中学到了什么。Coursera 的联合创始人给我们提供了关于在线教育的许多深刻见解，以及数据在其中的核心作用。这是数据如何改变像教育这样根本的事物并积极影响数百万生活的又一例证。
- 每集时长：混合
近年来关于和机器学习相关的播客经历了爆炸性增长。在这种信息泛滥的情况下，不要感到不知所措。我听了很多关于机器学习/数据科学的播客，并决定这些是最好的。
原始文章。已获许可转载。
简介： Ritobrata Ghosh 是一名深度学习顾问，同时也是一名自由职业者和大四物理本科生。他对通过机器学习解决实际问题感兴趣，特别是在计算机视觉这一广泛领域，通过探索深度强化学习和生成对抗网络来实现。他的 Twitter 和 LinkedIn 账户可以关注。
相关：