推荐给程序员的10门机器学习免费课程

整理 | 琥珀

出品 | AI科技大本营（ID: rgznai100）

文本将介绍来自全球10所著名学府的机器学习和数据科学领域的免费公开课程，范围涉及从入门机器学习到自然语言处理等。

1、机器学习

华盛顿大学

链接：https://courses.cs.washington.edu/courses/cse546/17au/

本课程旨在为机器学习的基本方法和算法提供全面的基础。课程的主题来自经典统计、机器学习、数据挖掘、贝叶斯统计和优化。

修课条件：应该熟悉编程，并具有线性代数、概率、统计和算法的预先存在的工作知识。

2、 机器学习

威斯康星大学麦迪逊分校

链接：http://pages.stat.wisc.edu/~sraschka/teaching/stat479-fs2018/

本课程涵盖机器学习的关键概念，包括分类、回归分析、聚类和降维。学生将学习机器学习算法的基本数学概念，但本课程同样关注使用Python编程生态系统中的开源库的机器学习算法的实际应用。

3、算法（新闻学）

哥伦比亚大学

链接：https://github.com/jstray/lede-algorithms/blob/master/README.md

这是一门关于新闻学算法数据分析的课程，也是对社会中使用的算法的新闻分析。涉及文本处理、高维数据的可视化、回归、机器学习、算法偏差和问责制、蒙特卡罗模拟和选举预测。

所有编码都是用Python完成的，使用Pandas、matplotlib、scikit-learn。

4、深度学习实战

Yandex数据学院

链接：https://github.com/yandexdataschool/Practical_DL/tree/master

5、30小时大数据

克拉科夫技术大学

链接：http://ondata.blog/big-data-in-30-hours/

该实践课程的目标是在15个讲座（每个2小时）内，向技术人员（企业、学界或学生）介绍实用的数据工程和数据科学。所有科目都是通过实例介绍的，学生可以立即使用命令行或GUI工具。

修课条件：需要一定的技术储备，在通用编程和操作系统方面能够流利，并且基本接触过Linux shell、数据库和SQL。课程9-15 需要学习者具备Python的业务积累。

6、深度强化学习训练营

加州大学伯克利分校

链接：https://sites.google.com/view/deep-rl-bootcamp/lectures

强化学习考虑了学习行为的问题，并准备为下一代人工智能系统提供动力，这需要超越输入输出模式识别（因为已经足够用于语音、视觉、机器翻译），但必须产生智能行为。示例应用领域包括机器人、营销、对话、HVAC、优化医疗和供应链。

为期两天的训练营将通过讲座和动手实验课程讲授深度强化学习的基础支持，帮助应用者使用这些技术构建新的应用程序，甚至推动算法的前沿发展。

7、人工智能导论

华盛顿大学

链接：https://courses.cs.washington.edu/courses/cse573/17wi/

8、大脑、头脑和机器夏季课程

麻省理工学院

链接：https://ocw.mit.edu/resources/res-9-003-brains-minds-and-machines-summer-course-summer-2015/

本课程探讨了智力问题，它的本质，它是如何由大脑产生的，以及它如何在机器中复制等问题。使用一种集成了研究大脑的认知科学的方法，神经科学（研究大脑），计算机科学和人工智能（研究开发智能机器所需的计算）。

9、算法的设计与分析

麻省理工学院

链接：https://ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-046j-design-and-analysis-of-algorithms-spring-2015/

这是一门中级算法课程，重点是设计和分析高效算法的教学技巧，强调应用方法。主题包括分而治之、随机化、动态编程、贪婪算法、增量改进、复杂性和密码学。

10、自然语言处理

华盛顿大学

链接：https://courses.cs.washington.edu/courses/cse517/17wi/