开发者入门必读：最值得看的十大机器学习公开课-深度学习世界
你好，游客
开发者入门必读：最值得看的十大机器学习公开课
来源：雷锋网&
在当下的机器学习热潮，人才匮乏十分显著。截至目前，国内开设人工智能（AI）专业的高校不多，相当多的开发者是跨界入门，需要自学大量知识并摸索。因而优质的学习资源至关重要。因此，雷锋网搜集了全世界范围内最受欢迎的机器学习课程，整理成这份&机器学习十大入门公开课&盘点，集中呈现给各位。这份推荐榜颇费心血，综合考虑了难易、侧重点、时效性等诸多因素，希望能帮助大家找到最适合自己的学习资源。
这些课程全部免费开放，但有些需翻墙，有的缺少中文字幕。
1. 吴恩达&机器学习&公开课
课程名称：机器学习 Machine Learning
主讲人：吴恩达 Andrew Ng
授课机构：斯坦福大学
发布平台：Coursera
语言：英语，汉语字幕
网址：https://www.coursera.org/learn/machine-learning
无论国内国外，这是最火的机器学习入门课程，没有之一。无数新手都是通过这门课对机器学习初窥门径。吴恩达老师用极其清楚直白的语言，对机器学习的几种主要算法做了初步介绍。
这门课最大的特点，是它侧重于概念理解而不是数学。数学推导过程基本被略过，重点放在让初学者理解这背后的思路。另外，它还十分重视联系实际和经验总结：1. 课程中吴恩达老师列举了许多算法实际应用的例子 2. 他提到当年他们入门 AI 时面临的许多问题，以及处理这些难题的经验。
课程中代码教程使用的是Octave/MATLAB，因此不需要会 Python、C 语言，适合没有编程基础的新手。
总结起来，这门课对数学、统计、IT 基础薄弱的童鞋十分友好。其实很多机器学习入门课，都是假定学生已修完这一门，于是重点对其进行补充&&讲解这门课程中吴恩达老师未涉及、或是涉及不深的话题。因此，对于机器学习 &一张白纸&的童鞋，雷锋网强烈推荐从这门课起步，然后选择其他入门课程进阶，以在脑海中建立起更全面的知识体系。另外，Coursera 上这门课的论坛十分活跃，不管抛出什么问题都会有人解答，算是一个额外的好处。
彩蛋：网易公开课上有吴恩达老师在斯坦福授课的实录视频。内容比较深入，但时间比较久了，可作为进阶姊妹篇。地址：/special/opencourse/machinelearning.html
2. 加州理工 &从数据中学习&
课程名称：Learning from Data，网易公开课译名为&加州理工学院公开课：机器学习与数据挖掘&
主讲人：Yaser Abu-Mostafa
授课机构：加州理工学院
发布平台：edX（原版），网易公开课
语言：英语，网易有汉语字幕
网址： https://www.edx.org/course/caltechx/caltechx-cs1156x-learning-data-2516，edX；
/special/opencourse/learningfromdata.html，网易。
这同样是一门机器学习的入门课，但并不简单。该课程强调数据，是因为机器学习与各领域的大数据处理应用（比如金融、医疗）联系十分紧密。这门课内容涵盖基础理论、算法和应用，平衡了理论与实践，既覆盖数学统计，也包含启发式的概念理解。
课程结构是这样的：
什么是学习？
机器能学习吗？
怎么做到？
怎么做好？
经验教训。
不少人评论该课程结构就像讲故事，它有助于学习者形成对机器学习概念和模型深度、直觉性的理解。学习者公认它内容非常充实，但对作业模块的争议很大：有人认为难度偏高并且缺乏反馈，有人认为它是网上能找到的、最好的机器学习练习。
彩蛋：Yaser Abu-Mostafa 出版了同名著作 《Learning From Data》，可作为该课程的教材和补充。
3. Tom Mitchell 机器学习课程
课程名称：机器学习 Machine Learning
主讲人：Tom Mitchell
授课机构：卡内基梅隆大学（CMU）
发布平台：CMU 官网
语言：英语
网址：http://www.cs.cmu.edu/~tom/10701_sp11/
这门课是学界人士的最爱，是入门课程之中较全面、高阶的一门。课时为 15 周，远超大多数机器学习慕课。其覆盖的话题非常广，按先后次序包括：代数和概率论，机器学习的基础工具，概率图模型，AI，神经网络，主动学习，增强学习。课程内容和练习十分简洁明白，概念解释清楚到位。
Tom Mitchell 是 AI 领域德高望重的老牌宗师，他的《Machine Learning》 （中文版为《计算机科学丛书:机器学习》），是最经典的机器学习教科书之一。但因为时间久远，涉及的一些概念与今天的开发者并没有太大关联，更适合需要了解人工智能来龙去脉的大学师生。这门课程与之类似，能帮助学习者理清机器学习的发展脉络。它适合计划进行系统性学习、投入大量时间的人。
对于初学者，建议至少听完吴恩达的机器学习课程之后，再修这一门。
4. 台大林轩田老师的機器學習基石
课程名称：機器學習基石
主讲人：林轩田
授课机构：台湾大学
发布平台：Coursera
语言：汉语
这是为汉语学子量身定做的入门课，相当于台湾大学机器学习课程前半学期的课，教给大家的是机器学习最核心的知识。林老师是教科书《Learning From Data》 的作者之一，是华人机器学习领域年轻有为的青年学者。这门课程十分用心细致，内容比吴恩达老师的入门课程稍稍充实一些。
林老师表示，针对顶级机器学习公开课全是英语授课的现状，不少学生反映英语教学有不易吸收之处。因此，借推出这门课程，希望帮助汉语为母语的学生减少入门难度。
针对如何让学生接受枯燥的算法，林老师说道：
&我们的课程设计中，大家会看到我们把对算法与数学式的推导，以&解决问题&的过程方式呈现。也就是说，我们对算法的介绍是环绕着&为什么&出发的，当同学们脑中有&为什么&的时候，就有目标去理解这些算法与数学式的内容了。&
《Learning From Data》 也可作为这门课的教科书。学习 Yaser Abu-Mostafa 的课程有不解之处，可与这门课互相印证。
目前该课程已在 Coursera 下架，何时重开尚属未知。好在网易公开课、YouTube倒是有全套视频，地址是：http://c./coursera/courseIntro.htm?cid=938 以及 /playlist?list=PLXVfgk9fNX2I7tB6oIINGBmW50rrmFTqf。更多课程资料可从台大官网找到（网页为英语）http://www.csie.ntu.edu.tw/~htlin/mooc/。
彩蛋：台大 2015 年机器学习课程的大纲以及学习资料（PPT）：https://www.csie.ntu.edu.tw/~htlin/course/ml15fall/，可作为补充。顺便提一句，林老师把台大后半学期的课程开成另一门 Coursera 课程&机器学习技巧&，作为进阶。目前 Coursera 也已撤下。网易公开课地址为 http://c./coursera/courseIntro.htm?cid=1664。
5. 谷歌人工智能入门
课程名称：人工智能入门 Intro to Artificial Intelligence
主讲人：Peter Norvig，Sebastian Thrun
授课机构：谷歌
发布平台：优达学城 Udacity
语言：英语，汉语字幕
网址：/course/intro-to-artificial-intelligence--cs271
该课程久享盛名，是 AI 入门最好的公开课之一（雷锋网注：有人认为可以去掉&之一&）。
严格来说，它并不是一门机器学习课程。但其中有一周的主题是机器学习，它还介绍了另外几个 AI 主要领域：概率推理、信息检索、机器人学、自然语言处理等。鉴于学习机器学习的童鞋，几乎都会对 AI 这个大学科有兴趣&&这门课程便是探索机器学习周边与交叉领域的绝好机会。
两位主讲者，Peter Norvig 和 Sebastian Thrun，一个是谷歌研究总监，一个是斯坦福著名机器学习教授，均是与吴恩达、Yann Lecun 同级别的顶级 AI 专家。
需要强调的是，该课程倾向于介绍 AI 的实际应用。课程练习广受好评。
6. UBC 本科生的机器学习课程
课程名称：面向本科生的机器学习课 Machine Learning for Undergraduates
主讲人： Nando de Freitas
授课机构：英属哥伦比亚大学（UBC）
发布平台：Youtube
语言：英语
网址：/playlist?list=PLE6Wd9FR--Ecf_5nCbnSQMHqORpiChfJf
Nando de Freitas 是机器学习领域非常杰出的学者。他的这门课很适合作为吴恩达老师&机器学习&的进阶课程，因为：1. &机器学习&省略掉的一些概念，可以在这门课中找到。2. &机器学习&课 不重视数学，而数学是这门课的重点内容。Nando de Freitas 对诸如概率论、log likelihood 等基础数学原理做了很好的讲解，并以此为基础介绍更高级的数学、统计概念。
对于机器学习新手，完全略过数学细节是很危险的，这门课会帮助你打下基础。
但是，它录制于 2012 年，时间也比较久了。因此，雷锋网特意奉上彩蛋一枚。
彩蛋：Nando de Freitas 2013 年转入牛津大学任教。这是他
学年在牛津的全套课程，包括视频、PPT 以及练习：https://www.cs.ox.ac.uk/people/nando.defreitas/machinelearning/ （视频保存在 Youtube，需翻墙）。
7. Yann Lecun 深度学习公开课
课程名称：深度学习 Deep Learning
主讲人：Yann Lecun
授课机构：法兰西学院
发布平台：法兰西学院官网
语言：法语，英语字幕
网址：https://www.college-de-france.fr/site/en-yann-lecun/course--11h00.htm
Yann Lecun 在 2016 年初于法兰西学院开课，这是其中关于深度学习的 8 堂课。当时是用法语授课，后来加入了英文字幕。
作为人工智能领域大牛和 Facebook AI 实验室（FAIR）的负责人，Yann Lecun 身处业内机器学习研究的最前沿。他曾经公开表示，现有的一些机器学习公开课内容已经有些过时。通过 Yann Lecun 的课程能了解到近几年深度学习研究的最新进展。该系列可作为探索深度学习的进阶课程。
8. Geoffrey Hinton 深度学习课程
课程名称：神经网络用于机器学习 Neural Networks For Machine Learning；网易译名&神经网络的机器学习&
主讲人：Geoffrey Hinton
授课机构：多伦多大学
发布平台：Coursera、网易公开课
语言：英语，汉语字幕
网址：https://www.coursera.org/learn/neural-networks，Coursera；
http://c./coursera/courseIntro.htm?cid=77，网易
深度学习必修课程，讲师为该领域的一代宗师 Geoffrey Hinton。
这门课程聚焦于神经网络和深度学习，是深入了解该领域最好的课程之一（雷锋网注：很多人认为可以去掉&之一&）。
课程官方介绍：
&（你会在这门课）学习人工神经网络以及它们如何应用于机器学习，比方说语音、物体识别，图像分割（image segmentation），建模语言、人体运动等等。我们同时强调基础算法，以及对它们成功应用所需的实用技巧 。&
这门课录制于 ，时效性上不如 Yann Lecun 的法兰西学院公开课，建议两者结合。另外，它要求微积分、Python 基础，涉及许多专有名词，对初学者难度较大，需自己查找相关资料。
9. 哥伦比亚大学的机器学习公开课
课程名称：机器学习 Machine Learning
主讲人：John W. Paisley
授课机构：哥伦比亚大学
发布平台：edX
语言：英语
网址：https://www.edx.org/course/machine-learning-columbiax-csmm-102x
在这份大牛云集的榜单中，该课程的主讲者&&哥伦比亚大学副教授 John Paisley，只是一名相对普通的青年学者。但是，这门课程将于两天后，也就是&2017 年 1 月 16 日首次开课。这使它成为时下最新的机器学习入门课程。要知道，近一两年来人工智能和机器学习的发展完全可以用&日新月异&来形容&&涌现的新方法、新理论，即便是一流专家也有目不暇接之感。换句换说，三、四年前的课程，可能现在有许多内容已经过时了。
这是 Yann LeCun 提醒大家注意学习资源时效性的原因所在。
可惜许多一流的机器学习公开课，距离录制都有些久了。我们知道一堂公开课背后所耗费的巨大人力。因此，对于部分课程在近两三年并没有更新的事实，倒也不能去怪主讲者和平台。但这使得比较新、时效性较强的课程格外可贵。
这门课中，学习者会了解到机器学习的算法、模型和方法，以及它们在现实生活中的应用。
由于是首次开课，尚没有对该课程的反馈。但鉴于哥伦比亚大学的研究、教学实力，课程品质应当值得期待。
10. MIT 进阶课程
课程名称：机器学习 Machine Learning
主讲人：Tommi Jaakkola
授课机构：麻省理工学院（MIT）
发布平台：MIT Opencourseware
语言：英语
网址：https://ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-867-machine-learning-fall-2006/index.htm
这是一门研究生水平的机器学习课程，难度较高。可惜的是，MIT 并没有提供课程视频，而是以参考书目和课堂笔记的形式，让我们得以一窥该课程的内容。小编认为，这些学习资源的价值仍旧不可估量。因为如此，相比常规公开课，它不会耗费过多时间，非常适合有一定基础的学习者印证自己所学。
这就是雷锋网(公众号：雷锋网)为您盘点的十大最有价值的机器学习入门公开课。这些课程有浅有深，分别对机器学习不同领域、方面有所侧重。各位童鞋可根据自己所需，自行选择最适合自己的课程。不过，小编必须提醒各位，所有盘点都不可避免得掺杂了主观因素。虽然雷锋网已尽力按照课程质量与业内人士的评价来制定该推荐榜，但自知无法做到十足的公正客观。比方说，该榜单倾向于机器学习的&入门&，而非开发者进阶；倾向于概念、算法学习，而非实战技巧（比如 Python 教程）；倾向于把全世界范围内最好的课程推荐给诸君，而对英语基础较差的学习者照顾不足。榜单之外尚有许多有价值、适应不同层次人士需求的公开课。因此，雷锋网特意列举了几个比较好的系统性机器学习课程以及学习平台，弥补该榜单不足，以供参考。
友情提醒，以下包含收费课程。
系统性课程：
优达学城（Udacity）提供的的 &机器学习工程师&纳米学位，中文字幕，谷歌、滴滴参与授课，收费。
/course/machine-learning-engineer-nanodegree--nd009
华盛顿大学的&机器学习专业&系列课程，Coursera 平台，收费，共六门课。
https://www.coursera.org/specializations/machine-learning
约翰&霍普金斯大学的&数据科学专业&系列课程，Coursera 平台，收费，共十门课。
https://www.coursera.org/specializations/jhu-data-science
密歇根大学的&Python 的应用数据科学专业&系列课程，Coursera 平台，收费，共五门课。适合需要学习 Python 实战技巧的机器学习开发者。
https://www.coursera.org/specializations/data-science-python
平台推荐：
国外的 Coursera、edX、优达学城（Udacity）、Udemy；国内的网易公开课、七月在线都集中了相对优质的学习资源。当然，英语不错的童鞋推荐国外学习网站，尤其它们的问答论坛非常有帮助。
对于英语基础不是那么好的童鞋，Coursera 和优达学城很重视中国市场，它们的大部分机器学习资源都添加了汉语字幕。对于 edX 和可汗学院的部分课程，网易公开课有字幕翻译。
对于需要在数学、统计方面补课的童鞋，除了以上几个平台之外，强烈推荐可汗学院 Khan Academy， 它的数学课非常有名，连比尔&盖茨都推荐给他子女，很适合从零起步打基础。
另外，雷锋网旗下 &AI 科技评论&会定期举办&硬创公开课&，邀请业内专家对机器学习热点问题进行深度讨论，并问答 AI 科技评论读者的问题 。上期，我们就请来新加坡国立大学的冯佳时教授剖析了 GANs （生成对抗网络）。更多信息请关注 AI 科技评论微信公众号。
相关文章：
干货分享 | 深度学习零基础进阶大法！
Python、R、Java、 C++ 等：从业界反馈看机器学习语言趋势
入门必读 机器学习六大开发语言
机器学习十大算法都是何方神圣？看完你就懂了
雷锋网原创文章，未经授权禁止转载。详情见转载须知。
机器学习 人工智能 公开课 入门吴恩达Tom Mitchell林轩田Peter Norvig Sebastian ThrunGeoffrey HintonYann Lecun
外媒专访吴恩达：聊天机器人在中国的普及将比美国快 ...
吴恩达的人工智能技术，要&入驻&你家机顶盒里了
2016 NIPS众神降临，苹果破天荒要对外发布AI论文丨A ...
NIPS 2016精华大盘点丨吴恩达、LeCun等大师的论文、 ...
文章点评：
表情同步到新浪微博提交
用爱救世界
当月热门文章
有个网站叫&我知道你下载了什么&，能让你看到朋友的种子下载历史！
&身轻体柔易推倒&的生物机器人，离我们还有多远？
谷歌布局大数据：开源平台 Apache Beam 正式发布
谷歌、微软、OpenAI 等巨头的七大机器学习开源项目 看这篇就够了
Python、R、Java、 C++ 等：从业界反馈看机器学习语言趋势
微软收购AI初创公司Maluuba，据称功能强于谷歌Facebook
谷歌大脑科学家亲解 LSTM：一个关于&遗忘&与&记忆&的故事
谷歌大脑的2016实现了哪八个小目标？Jeff Dean亲自撰文回顾
深度丨为什么亚马逊Alexa能将Google Assistant甩在身后？
NVIDIA 连载到第五集的 Podcast，你最关心的人工智能进展都在这了
MIT用GPU处理可视化数据库，速度较CPU提升100倍
滴滴诺基亚移动支付社交网络移动广告槽点创业者微博精选macbook移动医疗一加
单身狗的未来只有性爱机器人？老司机为你打开新世界的大门
本文作者：周翔
导语：在未来的几十年里，远距离性爱将会变得越来越有吸引力，越来越真实，同时也会更富有激情。
雷锋网(公众号：雷锋网)按：科技的发展正将性这件事推向未知的领域。我们表达爱和亲密的方式正在一点一点的被改变，每个人都将因此受益，不过对于那些正经历远距离恋爱、单身、歧视或者残疾的人来说，可能感触更深。根据Future of Sex的报告，五大技术领域的发展正在推动这些变化。技术的突破并没有让人变得更加孤立，相反，技术的发展正让人与人之间的关系更加紧密。
下文来自Futurism，由雷锋网编译，未经许可不得转载。
距离不一定能产生美，反而可能是一段关系的终极杀手。但是工作或者其他因素往往导致情侣两地分居，不能常常见面。幸运的是，远程亲热技术的发展正在帮助情侣们越过距离这道鸿沟。
两性科技公司Kiiroo以及Vibease都已经推出可以联网的性玩具。这些智能的振动器以及飞机杯能够通过移动或者桌面程序相互交互，运用触觉感知技术记录性行为，让分居两地的情侣也能够&身临其境&。
对于喜欢亲密感觉的人来说，还有远距离接吻设备、VR触觉身体套装以及能够听到对方心跳的枕头。
虽然这是一个新兴领域，但是在未来的几十年里，远距离性爱将会变得越来越有吸引力，越来越真实，同时也会更富有激情。2018年，在远距离性爱领域被广泛使用的一个关键性专利即将到期，预计该领域将迎来创新的爆发期。
想在安全的环境中探索你那些不为人知的性幻想吗？成人虚拟世界，比如红灯中心（Red Light Center）或者 3DXChat，能够让你自己设计性爱环境以及角色外形。你可以将你自己或者另一个替身变成自己的理想性伴侣，这个虚拟世界里，你会遇到其他用户，还可以参加舞会，并进入一个没有人会care你特殊癖好的空间，做羞羞的事。
在偏僻的农村或者保守地区，非传统的性行为往往被视作一种羞耻，对于居住在那里的人来说，虚拟性爱能够提升整体的健康水平，以及自我接受的程度。
为了创建逼真的运动图形，这些公司还会专门聘请动作捕捉演员。这个虚拟世界正在变得越来越真实：虚拟性爱世界已经开始与远程性爱玩具和虚拟现实技术结合，随着这些领域开始融合，变得越来越先进，物理世界里的真实性爱与网络世界中的虚拟性爱的界限将不复存在。
机器人恋人
目前市面上已经有一些功能非常粗糙的性爱机器人存在，但是人类是永不满足的生物，一些公司正在竞相制造世界上第一台全能的性爱机器人。
站在最前线的是著名的的硅胶娃娃制造商RealDoll。这家公司在2015年的时候宣布了Realbotix计划，它要实现的第一个目标，就是给原有的硅胶娃娃配上一个能说话、有感知能力的大脑，预计将于今年年底正式推出，并开始预售。
Realbotix团队还计划制造一款真正意义上的机器人性爱娃娃，并与虚拟现实相结合。这项计划让人尤其激动，因为Realbotix团队正与来自Hanson Robotics专家一起合作。
Hanson Robotics以生产具有AI能力的精密仿人机器人出名。2015年，Hanson Robotics推出的仿真机器人Sophie让人印象深刻，特别是它的微表情，如果不是透明脑壳和一堆电子和机械部件，很难想象这是一个机器人。
机器人 Sophie
具有性爱功能的机器人不仅仅对孤单的人有吸引力。未来，治疗型机器人还会被用来治疗性功能障碍，甚至帮助人类学习如何成为更好的伴侣。
沉浸式娱乐
成人电影厂商正在快速地拥抱虚拟现实技术，希望能借此弥补被流媒体网站截走的利润。不过这项技术的潜力并不局限在色情行业，未来或被用来进行性教育。
模拟VR环境为探讨性这个社会问题提供了一个安全的方式，它可以教育年轻人潜在的风险。比如，加拿大蒙特利尔的一个基督青年教会发起了一项教育运动：通过虚拟现实头盔，参与者能够与一个设定好的&猴急&的男性角色互动。一切都是以女性的视角出发，组织者希望能够通过角色带入来提高性别平等的意识，以及对性暴力的关注。
来自埃默里大学和佐治亚理工大学的团队也宣布，将为非白人年轻女性开发VR性教育程序。这种沉浸式的体验旨在教育安全性行为，防止性疾病传播，并阻止意外怀孕。
而VR色情网站BaDoinkVR将重点放在了性治疗上。在专业治疗师的帮助下，BaDoinkVR制作了一套教程：Virtual Sexology（虚拟性科学）八部曲，指导用户进行凯格尔训练（用于增强骨盆底肌肉），以及如何提高体力，延长高潮。
医学领域的突破打开了新世界的大门，让我们开始重新思考生物学上所谓的性的限制，以及受伤或者疾病带来的打击。
比如，在2016年，一位阴茎癌幸存者接受了美国首例阴茎移植手术。去年，一位患有不孕症的妇女也在美国第一次接受了子宫移植。虽然子宫最终仍然会被摘除，但是之前曾在瑞典接受过类似手术的女性已经具备生育功能。
虽然目前的生殖器移植仍然主要依靠器官捐献者，但是3D器官打印和组织工程学的发展最终将会打破供应不足造成的瓶颈。实际上，Wake Forest Baptist医疗中心的医生已经将实验室的培育的阴道植入到了阴道发育不全的妇女体内。此外，该中心还将阴茎勃起组织移植到了兔子身上。
在未来的几十年里，再生医学奖帮助更多的人克服上海以及性功能障碍。甚至，我们还能够根据自己的喜好来定制我们的身体，以提高我们的性福。而微型芯片的植入甚至能把我们变成半机器人，让你从此拥有无限可能。
创建包容性的未来
性和性行为在人类的交流中发挥着不可或缺的作用。这些新型技术能够帮助我们更好的了解自己，并学会如何与爱人更亲密地互动。对于有生理或者心理障碍，以及正在经历远距离恋爱的人来说，这些创新也能够为他们提供现实中不可能满足的体验。
虽然性是永恒的话题，但是技术发展带来的性的演变并未得到应有的关注，特别是在谈性色变社会。雷锋网认为，只有以积极的态度去探讨它，才有可能创建一个包容性的未来。
via Futurism
相关新闻 & & &
& (03月15日)
& (03月08日)
& (03月09日)
　　　同意评论声明
　　　发表
尊重网上道德，遵守中华人民共和国的各项有关法律法规
承担一切因您的行为而直接或间接导致的民事或刑事法律责任
本站管理人员有权保留或删除其管辖留言中的任意内容
本站有权在网站内转载或引用您的评论
参与本评论即表明您已经阅读并接受上述条款更多公众号：EmbedTech本公众号提供异构计算、并行、多核与多处理、分布式、移动/遍在计算、嵌入式系统、虚拟化、体系建模与仿真、航天与国防相关的技术专题、学术文章、会议、工作机会、技术培训等资讯。最新文章相关作者文章搜狗：感谢您阅读最值得看的十大机器学习公开课 本文版权归原作者所有，本文由网友投递产生，如有侵权请联系 ，会第一时间为您处理删除。在当下的机器学习热潮，人才匮乏十分显著。截至目前，国内开设人工智能（AI）专业的高校不多，相当多的开发者是跨界入门，需要自学大量知识并摸索。因而优质的学习资源至关重要。因此，雷锋网搜集了全世界范围内最受欢迎的机器学习课程，整理成这份“机器学习十大入门公开课”盘点，集中呈现给各位。这份推荐榜颇费心血，综合考虑了难易、侧重点、时效性等诸多因素，希望能帮助大家找到最适合自己的学习资源。这些课程全部免费开放，但有些需翻墙，有的缺少中文字幕。1. 吴恩达“机器学习”公开课课程名称：机器学习 Machine Learning主讲人：吴恩达 Andrew Ng授课机构：斯坦福大学发布平台：Coursera语言：英语，汉语字幕网址：https://www.coursera.org/learn/machine-learning无论国内国外，这是最火的机器学习入门课程，没有之一。无数新手都是通过这门课对机器学习初窥门径。吴恩达老师用极其清楚直白的语言，对机器学习的几种主要算法做了初步介绍。这门课最大的特点，是它侧重于概念理解而不是数学。数学推导过程基本被略过，重点放在让初学者理解这背后的思路。另外，它还十分重视联系实际和经验总结：1. 课程中吴恩达老师列举了许多算法实际应用的例子 2. 他提到当年他们入门 AI 时面临的许多问题，以及处理这些难题的经验。课程中代码教程使用的是&Octave/MATLAB，因此不需要会 Python、C 语言，适合没有编程基础的新手。总结起来，这门课对数学、统计、IT 基础薄弱的童鞋十分友好。其实很多机器学习入门课，都是假定学生已修完这一门，于是重点对其进行补充——讲解这门课程中吴恩达老师未涉及、或是涉及不深的话题。因此，对于机器学习 “一张白纸”的童鞋，雷锋网强烈推荐从这门课起步，然后选择其他入门课程进阶，以在脑海中建立起更全面的知识体系。另外，Coursera 上这门课的论坛十分活跃，不管抛出什么问题都会有人解答，算是一个额外的好处。彩蛋：网易公开课上有吴恩达老师在斯坦福授课的实录视频。内容比较深入，但时间比较久了，可作为进阶姊妹篇。地址：/special/opencourse/machinelearning.html2. 加州理工 “从数据中学习”课程名称：Learning from Data，网易公开课译名为“加州理工学院公开课：机器学习与数据挖掘”主讲人：Yaser Abu-Mostafa授课机构：加州理工学院发布平台：edX（原版），网易公开课语言：英语，网易有汉语字幕网址： https://www.edx.org/course/caltechx/caltechx-cs1156x-learning-data-2516，edX；/special/opencourse/learningfromdata.html，网易。这同样是一门机器学习的入门课，但并不简单。该课程强调数据，是因为机器学习与各领域的大数据处理应用（比如金融、医疗）联系十分紧密。这门课内容涵盖基础理论、算法和应用，平衡了理论与实践，既覆盖数学统计，也包含启发式的概念理解。课程结构是这样的：什么是学习？机器能学习吗？怎么做到？怎么做好？经验教训。不少人评论该课程结构就像讲故事，它有助于学习者形成对机器学习概念和模型深度、直觉性的理解。学习者公认它内容非常充实，但对作业模块的争议很大：有人认为难度偏高并且缺乏反馈，有人认为它是网上能找到的、最好的机器学习练习。彩蛋：Yaser Abu-Mostafa 出版了同名著作 《Learning From Data》，可作为该课程的教材和补充。3. Tom Mitchell 机器学习课程课程名称：机器学习 Machine Learning主讲人：Tom Mitchell授课机构：卡内基梅隆大学（CMU）发布平台：CMU 官网语言：英语网址：http://www.cs.cmu.edu/~tom/10701_sp11/这门课是学界人士的最爱，是入门课程之中较全面、高阶的一门。课时为 15 周，远超大多数机器学习慕课。其覆盖的话题非常广，按先后次序包括：代数和概率论，机器学习的基础工具，概率图模型，AI，神经网络，主动学习，增强学习。课程内容和练习十分简洁明白，概念解释清楚到位。Tom Mitchell 是 AI 领域德高望重的老牌宗师，他的《Machine Learning》 （中文版为《计算机科学丛书:机器学习》），是最经典的机器学习教科书之一。但因为时间久远，涉及的一些概念与今天的开发者并没有太大关联，更适合需要了解人工智能来龙去脉的大学师生。这门课程与之类似，能帮助学习者理清机器学习的发展脉络。它适合计划进行系统性学习、投入大量时间的人。对于初学者，建议至少听完吴恩达的机器学习课程之后，再修这一门。4. 台大林轩田老师的機器學習基石课程名称：機器學習基石主讲人：林轩田授课机构：台湾大学发布平台：Coursera语言：汉语这是为汉语学子量身定做的入门课，相当于台湾大学机器学习课程前半学期的课，教给大家的是机器学习最核心的知识。林老师是教科书《Learning From Data》 的作者之一，是华人机器学习领域年轻有为的青年学者。这门课程十分用心细致，内容比吴恩达老师的入门课程稍稍充实一些。林老师表示，针对顶级机器学习公开课全是英语授课的现状，不少学生反映英语教学有不易吸收之处。因此，借推出这门课程，希望帮助汉语为母语的学生减少入门难度。针对如何让学生接受枯燥的算法，林老师说道：“我们的课程设计中，大家会看到我们把对算法与数学式的推导，以‘解决问题’的过程方式呈现。也就是说，我们对算法的介绍是环绕着‘为什么’出发的，当同学们脑中有‘为什么’的时候，就有目标去理解这些算法与数学式的内容了。”《Learning From Data》 也可作为这门课的教科书。学习 Yaser Abu-Mostafa 的课程有不解之处，可与这门课互相印证。目前该课程已在 Coursera 下架，何时重开尚属未知。好在网易公开课、YouTube&倒是有全套视频，地址是：http://c./coursera/courseIntro.htm?cid=938 以及 /playlist?list=PLXVfgk9fNX2I7tB6oIINGBmW50rrmFTqf。更多课程资料可从台大官网找到（网页为英语）http://www.csie.ntu.edu.tw/~htlin/mooc/。彩蛋：台大 2015 年机器学习课程的大纲以及学习资料（PPT）：https://www.csie.ntu.edu.tw/~htlin/course/ml15fall/，可作为补充。顺便提一句，林老师把台大后半学期的课程开成另一门 Coursera 课程“机器学习技巧”，作为进阶。目前 Coursera 也已撤下。网易公开课地址为 http://c./coursera/courseIntro.htm?cid=1664。5. 谷歌人工智能入门课程名称：人工智能入门 &Intro to Artificial Intelligence主讲人：Peter Norvig，Sebastian Thrun授课机构：谷歌发布平台：优达学城 Udacity语言：英语，汉语字幕网址：/course/intro-to-artificial-intelligence--cs271该课程久享盛名，是 AI 入门最好的公开课之一（雷锋网注：有人认为可以去掉“之一”）。严格来说，它并不是一门机器学习课程。但其中有一周的主题是机器学习，它还介绍了另外几个 AI 主要领域：概率推理、信息检索、机器人学、自然语言处理等。鉴于学习机器学习的童鞋，几乎都会对 AI 这个大学科有兴趣——这门课程便是探索机器学习周边与交叉领域的绝好机会。两位主讲者，Peter Norvig 和 Sebastian Thrun，一个是谷歌研究总监，一个是斯坦福著名机器学习教授，均是与吴恩达、Yann Lecun 同级别的顶级 AI 专家。需要强调的是，该课程倾向于介绍 AI 的实际应用。课程练习广受好评。6. UBC 本科生的机器学习课程课程名称：面向本科生的机器学习课 Machine Learning for Undergraduates主讲人： Nando de Freitas授课机构：英属哥伦比亚大学（UBC）发布平台：Youtube语言：英语网址：/playlist?list=PLE6Wd9FR--Ecf_5nCbnSQMHqORpiChfJfNando de Freitas 是机器学习领域非常杰出的学者。他的这门课很适合作为吴恩达老师“机器学习”的进阶课程，因为：1. “机器学习”省略掉的一些概念，可以在这门课中找到。2. “机器学习”课 不重视数学，而数学是这门课的重点内容。Nando de Freitas 对诸如概率论、log likelihood 等基础数学原理做了很好的讲解，并以此为基础介绍更高级的数学、统计概念。对于机器学习新手，完全略过数学细节是很危险的，这门课会帮助你打下基础。但是，它录制于 2012 &年，时间也比较久了。因此，雷锋网特意奉上彩蛋一枚。彩蛋：Nando de Freitas 2013 年转入牛津大学任教。这是他
学年在牛津的全套深度学习课程，包括视频、PPT 以及练习：https://www.cs.ox.ac.uk/people/nando.defreitas/machinelearning/ （视频保存在 Youtube，需翻墙）。7. Yann Lecun 深度学习公开课课程名称：深度学习 Deep Learning主讲人：Yann Lecun授课机构：法兰西学院发布平台：法兰西学院官网语言：法语，英语字幕网址：https://www.college-de-france.fr/site/en-yann-lecun/course--11h00.htmYann Lecun 在 2016 年初于法兰西学院开课，这是其中关于深度学习的 8 堂课。当时是用法语授课，后来加入了英文字幕。作为人工智能领域大牛和 Facebook AI 实验室（FAIR）的负责人，Yann Lecun 身处业内机器学习研究的最前沿。他曾经公开表示，现有的一些机器学习公开课内容已经有些过时。通过 Yann Lecun 的课程能了解到近几年深度学习研究的最新进展。该系列可作为探索深度学习的进阶课程。&8. &Geoffrey Hinton &深度学习课程课程名称：神经网络用于机器学习 Neural Networks For Machine Learning；网易译名“神经网络的机器学习”主讲人：Geoffrey Hinton授课机构：多伦多大学发布平台：Coursera、网易公开课语言：英语，汉语字幕网址：https://www.coursera.org/learn/neural-networks，Coursera；http://c./coursera/courseIntro.htm?cid=77，网易深度学习必修课程，讲师为该领域的一代宗师 Geoffrey Hinton。这门课程聚焦于神经网络和深度学习，是深入了解该领域最好的课程之一（雷锋网注：很多人认为可以去掉“之一”）。课程官方介绍：“（你会在这门课）学习人工神经网络以及它们如何应用于机器学习，比方说语音、物体识别，图像分割（image segmentation），建模语言、人体运动等等。我们同时强调基础算法，以及对它们成功应用所需的实用技巧 。”这门课录制于 ，时效性上不如 Yann Lecun 的法兰西学院公开课，建议两者结合。另外，它要求微积分、Python 基础，涉及许多专有名词，对初学者难度较大，需自己查找相关资料。9. &哥伦比亚大学的机器学习公开课课程名称：机器学习 Machine Learning主讲人：John W. Paisley授课机构：哥伦比亚大学发布平台：edX语言：英语网址：https://www.edx.org/course/machine-learning-columbiax-csmm-102x在这份大牛云集的榜单中，该课程的主讲者——哥伦比亚大学副教授 John Paisley，只是一名相对普通的青年学者。但是，这门课程将于两天后，也就是&2017 年 1 月 16 日首次开课。这使它成为时下最新的机器学习入门课程。要知道，近一两年来人工智能和机器学习的发展完全可以用“日新月异”来形容——涌现的新方法、新理论，即便是一流专家也有目不暇接之感。换句换说，三、四年前的课程，可能现在有许多内容已经过时了。这是 Yann LeCun 提醒大家注意学习资源时效性的原因所在。可惜许多一流的机器学习公开课，距离录制都有些久了。我们知道一堂公开课背后所耗费的巨大人力。因此，对于部分课程在近两三年并没有更新的事实，倒也不能去怪主讲者和平台。但这使得比较新、时效性较强的课程格外可贵。这门课中，学习者会了解到机器学习的算法、模型和方法，以及它们在现实生活中的应用。由于是首次开课，尚没有对该课程的反馈。但鉴于哥伦比亚大学的研究、教学实力，课程品质应当值得期待。10. MIT 进阶课程课程名称：机器学习 Machine Learning主讲人：Tommi Jaakkola授课机构：麻省理工学院（MIT）发布平台：MIT Opencourseware语言：英语网址：https://ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-867-machine-learning-fall-2006/index.htm这是一门研究生水平的机器学习课程，难度较高。可惜的是，MIT 并没有提供课程视频，而是以参考书目和课堂笔记的形式，让我们得以一窥该课程的内容。小编认为，这些学习资源的价值仍旧不可估量。因为如此，相比常规公开课，它不会耗费过多时间，非常适合有一定基础的学习者印证自己所学。小结这就是雷锋网为您盘点的十大最有价值的机器学习入门公开课。这些课程有浅有深，分别对机器学习不同领域、方面有所侧重。各位童鞋可根据自己所需，自行选择最适合自己的课程。不过，小编必须提醒各位，所有盘点都不可避免得掺杂了主观因素。虽然雷锋网已尽力按照课程质量与业内人士的评价来制定该推荐榜，但自知无法做到十足的公正客观。比方说，该榜单倾向于机器学习的“入门”，而非开发者进阶；倾向于概念、算法学习，而非实战技巧（比如 Python 教程）；倾向于把全世界范围内最好的课程推荐给诸君，而对英语基础较差的学习者照顾不足。榜单之外尚有许多有价值、适应不同层次人士需求的公开课。因此，雷锋网(公众号：雷锋网)特意列举了几个比较好的系统性机器学习课程以及学习平台，弥补该榜单不足，以供参考。友情提醒，以下包含收费课程。系统性课程：优达学城（Udacity）提供的的 “机器学习工程师”纳米学位，中文字幕，谷歌、滴滴参与授课，收费。/course/machine-learning-engineer-nanodegree--nd009华盛顿大学的“机器学习专业”系列课程，Coursera 平台，收费，共六门课。https://www.coursera.org/specializations/machine-learning约翰·霍普金斯大学的“数据科学专业”系列课程，Coursera 平台，收费，共十门课。https://www.coursera.org/specializations/jhu-data-science密歇根大学的“Python 的应用数据科学专业”系列课程，Coursera 平台，收费，共五门课。适合需要学习 Python 实战技巧的机器学习开发者。https://www.coursera.org/specializations/data-science-python平台推荐：国外的 Coursera、edX、优达学城（Udacity）、Udemy；国内的网易公开课、七月在线都集中了相对优质的学习资源。当然，英语不错的童鞋推荐国外学习网站，尤其它们的问答论坛非常有帮助。对于英语基础不是那么好的童鞋，Coursera 和优达学城很重视中国市场，它们的大部分机器学习资源都添加了汉语字幕。对于 edX 和可汗学院的部分课程，网易公开课有字幕翻译。对于需要在数学、统计方面补课的童鞋，除了以上几个平台之外，强烈推荐可汗学院 Khan Academy， 它的数学课非常有名，连比尔·盖茨都推荐给他子女，很适合从零起步打基础。厦大-火炬极客空间暨厦门大学-英特尔-火炬创客中心是英特尔众创空间加速器联合众创空间之一，也是国家级众创空间、福建省级众创空间和厦门市级众创空间，主要从事机器人、导航定位、工业物联网等智能硬件行业领域的创新创业培育工作，其工作重点是以全新理念的产品设计为牵引，培养具有跨学科协同攻关能力的创新人才和技术团队厦大创客(gh_e0cf3eb7e702)
　文章为作者独立观点，不代表大不六文章网立场
gh_e0cf3eb7e702厦大火炬极客空间热门文章最新文章gh_e0cf3eb7e702厦大火炬极客空间&&&&违法和不良信息举报电话：183-
举报邮箱：Copyright(C)2017 大不六文章网}