标签：实践 tac 吸引 statistic 探索 follow 教你 r语言 www
程序员书库（ID：OpenSourceTop）编译
链接：https://huyenchip.com/2019/08/05/free-online-machine-learning-curriculum.html
Chip Huyen是一位已经获得斯坦福计算机科学（CS）和人工智能硕士学位的学霸，经常有人会问她：自己对AI感兴趣，网上那么多的课程，不知道如何选择。于是，Chip Huyen整理了10个自己用过的免费在线课程和大家分享，这些课程都是她亲证过的好视频。
这门自学课程涵盖了概率论和统计学的基本概念以及机器学习的四个基本方面：探索性数据分析、生成数据、概率和推理
课程地址：https://online.stanford.edu/courses/gse-yprobstat-probability-and-statistics
你还可以顺带看一下另一门优秀的统计学习课程：统计学中的R语言应用
课程地址：https://www.r-bloggers.com/in-depth-introduction-to-machine-learning-in-15-hours-of-expert-videos/
这是我见过的最好的线性代数课程，这是MIT传奇教授Gilbert Strang的课程，有学生称这门课程改变了他的生活
课程地址：https://ocw.mit.edu/courses/mathematics/18-06-linear-algebra-spring-2010/
无论你是否对计算机视觉感兴趣，CS231N都将帮助你成为一名更优秀的机器学习研究者，而且它很好的平衡了理论和实践，课程通过可视化的例子解释了一些艰涩的概念，如反向传播、梯度下降、正则化、batchnorm等
课程地址：https://www.youtube.com/playlist?list=PLzUTmXVwsnXod6WNdg57Yc3zFx_f-RYsq
在Kaggle的前CEO及联合创始人之一的参与下，这个实践课程专注于让程序的运行起来，它还有一个论坛，讨论机器学习最新最佳的实践。
本课程由最有影响力的研究员之一的Christopher Manning教授讲授，任何对自然语言处理感兴趣的人来说，这门课程绝对是必修的，该课程组织良好，教学精良，并与最新的NLP研究保持同步。
课程地址：https://www.youtube.com/playlist?list=PLU40WL8Ol94IJzQtileLTqGZuXtGlLMP_
课程资料：http://web.stanford.edu/class/cs224n/syllabus.html
吴恩达的课程最初在斯坦福大学可能是最受欢迎的机器学习课程，截止目前，Coursera版课程已经吸引了将近250万人注册，本课程是理论性的heav课程，偏理论性。
课程地址：https://www.coursera.org/learn/machine-learning
与大多数人工智能不一样的是，该课程通过自顶向下的方法解释人工智能，它要求你考虑不同变量之间的关系，如何表示这些关系，但是这种专业化的课程并不好学习，你可以查阅斯坦福CS228助教写的详细笔记。
笔记地址：https://ermongroup.github.io/cs228-notes/
课程地址：https://www.coursera.org/specializations/probabilistic-graphical-models
强化学习很难。幸运的是，世界领先的RL专家教授大卫·西尔弗的课程通过直观的解释和有趣的例子为RL提供了一个很好的介绍。
课程地址：https://www.youtube.com/watch?v=2pWv7GOvuf0&list=PLqYmG7hTraZDM-OYHWgPebj2MfCFzFObQ
大多数课程只教你如何训练和调整你的模型。这是我见过的唯一一个向你展示如何设计，训练和部署A到Z模型的课程。对于那些遇到机器学习系统设计问题的人来说，这也是一个很好的资源。
课程地址：https://fullstackdeeplearning.com/march2019
凭借我们所学到的所有知识，现在是时候去Kaggle建立一些机器学习模型来获得经验并赚些外快。不过Kaggle大师不一定是一个好的教练。
课程地址：https://www.coursera.org/learn/competitive-data-science
标签：实践 tac 吸引 statistic 探索 follow 教你 r语言 www
原文地址：https://blog.51cto.com/15060204/2566410
