一文掌握科技巨头的所有免费机器学习课程
对于想要在机器学习领域打下基础的你来说，去学习很多科技巨头提供的免费课程不失为一个好办法。
据LinkedIn消息，截至2017年，机器学习工程师是五年来发展最快的工作。但这个科技中最热门的领域并不是那么简单就能进入的，就算只是入门而已，也至少得需要一些高中数学和编程的知识。
幸运的是，对于那些希望在该领域学习基础课程的人来说，你们已经有了越来越多的选择。亚马逊网络服务（AWS），作为最新的技术巨头，他们已经免费发布了一套机器学习课程，成为对fast.ai和Andrew Ng and Coursera.等网站上备受好评的学习资料的补充。
如果你对这些课程感兴趣，并且具有Python，高中线性代数，统计学和微积分等基础知识，则将会获益更多。
以下是一些科技巨头公司提供的免费课程。
Google通过其Google AI教育网站（https://ai.google/education/）提供了九种不同的课程，涵盖机器学习的各个方面。
参考：IT领导者的人工智能未来指南（http://www.techproresearch.com/downloads/it-leader-s-guide-to-the-future-of-artificial-intelligence/）。如果你想要成为开发人员，那么机器学习速成课程（https://developers.google.com/machine-learning/crash-course/）是一个很好的选择，它包括基础知识的视频课程和实战，而如果你想要更全面更深入的学习，那么请使用Google的Udacity深度学习课程（https://www.udacity.com/course/deep-learning%25E2%2580%2594ud730），它由Google首席科学家Vincent Vanhoucke与Google Brain团队的技术负责人共同开发，Udacity课程由行业专家讲授，并提供实战任务，使你能够使用Google的开源TensorFlow框架（TensorFlow framework.）构建日益复杂的机器学习模型。
Google AI Education网站上的其他课程涵盖了问题构架和数据准备，这些都是机器学习的重要内容。
课程学习时间机器学习速成课程（Machine Learning Crash Course） - 15小时。
谷歌深度学习（Deep Learning by Google） - 三个月。
额外费用/要求：需要Udacity帐户。
你需要具备的知识机器学习速成课程（Machine Learning Crash Course） - 代数和编程的基础知识，以及Python编程的一些经验。
Udacity上的Google深度学习课程（Deep Learning by Google） - 学习高级课程前的进阶课程，建议学习者有两年编程经验，了解统计学，线性代数和微积分的基本知识，熟悉简单的机器学习概念如监督学习，并且有使用Git和GitHub进行版本控制的经验。
申请方式你可以在此处申请机器学习速成课程（https://developers.google.com/machine-learning/crash-course/），深度学习课程（https://www.udacity.com/course/deep-learning%25E2%2580%2594ud730），并在此处查看Google提供的其他机器学习课程（https://ai.google/education/）。
Microsoft
课程内容该公司的主要教学项目是其在edX学习平台上提供的Microsoft人工智能专业项目（https://www.zdnet.com/article/microsoft-adds-ai-course-to-its-certification-program/）。
通过一系列视频讲座和课程作业，该课程旨在提供机器学习的基础知识，涵盖基础数学，如何在数据科学中使用Python，如何构建机器学习模型，如何构建功能语音和计算机视觉系统等知识以及其他基础知识。
课程结束时，要求学生使用他们自己开发的深度学习系统来解决一个实际问题。
微软还在其AI School网站（https://aischool.microsoft.com/）下提供了一个机器学习项目，其中包括16门课程，许多课程专注于微软Azure云平台上的机器学习服务。
微软AI学院提供的两门著名课程是：
使用深度学习构建预测性维护解决方案 （Build a Predictive Maintenance Solution using Deep Learning）- 本课程将指导学生如何使用深度学习模型构建预测性维护系统。它涵盖了基础统计学，深度学习的基础知识，以及深入研究一种常用于文本分析的神经网络，一种递归神经网络。
该课程基于edX上的一系列模块，其中许多模块由麻省理工学院和微软提供。
ML速成课程 （ML Crash Course）- 本课程简要介绍了基本的机器学习概念，通过文本，图表和图形进行混合教学，并让学习者使用Azure Notebooks来练习编程。
课程学习时间微软人工智能专业计划（Microsoft Professional Program for Artificial Intelligence） - 120至480小时。 10门课程均在全年1月，4月，7月和10月期间通过edX播放三个月。
ML速成班（ML Crash Course） - 13个小时
使用深度学习构建预测性维护方案（uild a Predictive Maintenance Solution using Deep Learning） - 35小时
额外花费/需要微软人工智能专业计划（Microsoft Professional Program for Artificial Intelligence）的缺点是，虽然这些课程是免费的，但如果你想获得认证，那么每门课程的认证费用为99美元至990美元不等。
使用深度学习构建预测性维护方案（Build a Predictive Maintenance Solution using Deep Learning）遵循相同的模式，你需要为认证书支付99美元。
这些课程需要Microsoft帐户和edX帐户。
你需要具备的知识微软人工智能专业计划（The Microsoft Professional Program for Artificial Intelligence）需要高中数学和统计学，以及编程（最好是python）的基本知识。
使用深度学习课程构建预测性维护方案（The Build a Predictive Maintenance Solution using Deep Learning）需要具备数学基础知识和一些编程经验。
ML Crash课程（The ML Crash Course）适合对该主题感兴趣的任何人。
申请方式你可以通过Microsoft's AI School page上的页面（https://aischool.microsoft.com/）或the Microsoft Professional Program for Artificial Intelligence site.（https://academy.microsoft.com/en-us/professional-program/tracks/artificial-intelligence/）站点申请任何Microsoft机器学习课程。
Amazon
课程内容该公司提供30多种在线的机器学习课程，包括视频，实验和文档，亚马逊在过去20年中一直在使用这些课程。
开发人员可以学习涵盖从机器学习构建模块，到如何构建计算机视觉和自然语言处理系统的课程。
这些课程（https://aws.amazon.com/training/learning-paths/machine-learning/）作为机器学习中AWS新认证的一部分，最终考试内容将会是测试如何在AWS平台上进行机器学习的实战。
完成基础知识后，学生将学习如何解决机器学习的真实案例，包括亚马逊的交付路线优化方法等主题。
课程学习时间许多免费在线课程看起来非常简短 - 包括最多几个小时的视频 - 尽管亚马逊表示在30个课程中有超过45小时的珍贵学习资料。
额外费用/要求需要亚马逊帐户才能登录免费课程。
机器学习考试目前处于测试阶段，售价为150美元，正常价格是300美元。
现场课堂教学不是免费的，例如12月在伦敦举办为期一天的深度学习课程，费用为500英镑。
你需要具备的知识虽然这里为每种技能水平的人都提供了可用的课程，但每个课程的要求都各不相同。
申请方式你可以通过这个网站开始申请（https://aws.amazon.com/training/learning-paths/machine-learning/）。
Facebook和Udacity还提供了一个课程来介绍PyTorch，（https://www.techrepublic.com/article/facebook-and-udacity-want-to-give-you-a-scholarship-to-master-machine-learning/），PyTorch是一个开源的深度学习框架，比TensorFlow等优秀框架更容易学习。该课程还为前300名学生提供了获得Udacity深度学习纳米学位课程全额奖学金的机会。
遗憾的是，该课程现已关闭，但你可以登陆这个页面查看（https://www.techrepublic.com/article/facebook-and-udacity-want-to-give-you-a-scholarship-to-master-machine-learning/）以防日后重新开放。
这些课程可以帮助你改变你的职业吗？
需要注意的是，对于没有技术背景但想要从事数据科学家或机器学习工程师工作的人来说，这些课程不一定适合。
粗略浏览数据科学家的职位发布，可以发现这个职位通常会要求申请人有技术领域的学士学位，在某些情况下甚至要求硕士或博士学位。从职业角度来看，这些课程似乎对于那些已经拥有技术学科学士学位（如数学，计算机科学或工程学）的人来说会更有用。
编译组：张琪琦、韦振琛
相关链接：
https://www.techrepublic.com/article/google-amazon-microsoft-how-do-their-free-machine-learning-courses-compare/
如需转载，请后台留言，遵守转载规范