机器学习免费学习路线

标签：obs   tar   如何   https   ring   out   change   strong   science   

https://mp.weixin.qq.com/s/JGXe2CmOdTweHjRJPOgiLg

1. 斯坦福《概率与统计（Probability and Statistics）》

链接：https://online.stanford.edu/courses/gse-yprobstat-probability-and-statistics

2.MIT《线性代数（Linear Algebra）》

链接：https://ocw.mit.edu/courses/mathematics/18-06-linear-algebra-spring-2010/

 3. 斯坦福 CS231N《用于视觉识别的卷积神经网络（Convolutional Neural Networks for Visual Recognition）》

链接：https://www.youtube.com/playlist?list=PLzUTmXVwsnXod6WNdg57Yc3zFx_f-RYsq

4.fastai《程序员深度学习实战（Practical Deep Learning for Coders）》

链接：https://course.fast.ai/

5. 斯坦福 CS224N《深度学习自然语言处理（Natural Language Processing with Deep Learning）》 

链接：https://www.youtube.com/playlist?list=PLU40WL8Ol94IJzQtileLTqGZuXtGlLMP_

6.Coursera 上的斯坦福《机器学习》。

链接：https://www.coursera.org/learn/machine-learning

7. 斯坦福《概率图模型专项课程（Probabilistic Graphical Models Specialization）》

链接：https://www.coursera.org/specializations/probabilistic-graphical-models

8. DeepMind《强化学习入门课程（Introduction to Reinforcement Learning）》

链接：https://www.youtube.com/watch?v=2pWv7GOvuf0&list=PLqYmG7hTraZDM-OYHWgPebj2MfCFzFObQ

9. Full Stack Deep Learning《全栈深度学习训练营（Full Stack Deep Learning Bootcamp） 

链接：https://fullstackdeeplearning.com/march2019

10. Coursera《如何赢得数据科学竞赛：向顶尖 Kaggler 学习（How to Win a Data Science Competition: Learn from Top Kagglers）》

链接：https://www.coursera.org/learn/competitive-data-science

机器学习免费学习路线

标签：obs   tar   如何   https   ring   out   change   strong   science   

原文地址：https://www.cnblogs.com/zdj8023/p/11308336.html