在您開始深度學習之前,強烈建議您學習一些入門機器學習課程,以掌握聚類,迴歸,評估指標等基本概念。
譯者:AI研習社(小Y的彩筆)
雙語原文鏈接:Course Recommendations for Introductory Machine Learning
1. 科爾辛基大學的 Elements of AI
注:我已經學了許多線上的機器學習課程。我上一些課的本意是爲了娛樂,不過總能學到一些新知識。“Elements of AI"這門課是我參加過的最易懂,免費且有趣的AI課程之一。他們增加了第二部分聯繫算法構建。
我建議觀看第一部分,”Introduction to AI”。這部分介紹了諸如搜索,貝葉斯定理,最近鄰居和神經網絡等基礎概念。並穿插着一些很棒的練習。在第一節課結束後,你會對這個領域有一個全局的高層次的認識。
第二部分(Building AI)也是免費的,但如果你想得到認證證書則需要付費。我想說這絕對是值得的!第二部分是關於一些基本算法的實現的(用Python),會讓你理解像優化和貝葉斯定理這樣的概念。
2. 微軟的 Create machine learning models 課程
注:聚類的章節講的是真的棒!3. 斯坦福大學 Andrew Ng 的 Stanford CS229: Machine Learning 課程
注:永遠是我最喜歡的機器學習課程之一!
4. 谷歌提供的 Machine Learning Crash Course 課程
注:這個課程一發布我就學了,並且被課程的的高質量所吸引。
5. Jeremy Howard 的 Introduction to Machine Learning for Coders 課程
注:我看了一些 http://fast.ai 課程的視頻,很快明白他們的課程爲什麼這麼受歡迎。這裏面介紹了非常實用的方法!
6. Bloomberg ML edu 提供的 Foundations of Machine Learning 課程
注:如果你熱愛數學和理論,你會喜歡這門課程的深度。
7. 機器學習大學提供的 Tabular Data 課程
注: 這門課程用容易掌握的解釋和機器學習的應用實例,從高層次了重要的機器學習話題。
8. Sebastian Raschka 的 Stat 451: Intro to Machine Learning (Fall 2020) 課程
注:Aebastian 堅持在他的 YouTube 頻道上發佈很棒的機器學習內容,我真的超級感謝這些內容,非常易學!
當然還有許多其他課程,但我只能推薦一些我學過的。如果你找到其他好的課程歡迎要分享在評論區!如果你能分享你上課的經歷以及你爲什麼喜歡它門或者覺得課程有用,那就太棒了。
一旦有新的有趣的課程出現,我將會保持更新這個列表。
其他小貼士:
列出你覺得有趣或者有挑戰的主題。
在這些主題上做更多的調查
練習編代碼
分享你的代碼
寫筆記
寫下或者報告逆的有趣的寫成果或者點子
慢慢來
參與機器學習論壇或討論
AI研習社是AI學術青年和AI開發者技術交流的在線社區。我們與高校、學術機構和產業界合作,通過提供學習、實戰和求職服務,爲AI學術青年和開發者的交流互助和職業發展打造一站式平臺,致力成爲中國最大的科技創新人才聚集地。
如果,你也是位熱愛分享的AI愛好者。歡迎與譯站一起,學習新知,分享成長。