本文轉載自公眾號“讀芯術”(ID：AI_Discovery)

居家隔離期間只顧著玩游戲刷劇真的不會坐立不安嗎?與其心神不安打Boss，不如來面對機器學習這個大BOSS。筆者整理的這套課程從入門到高級，快來提升你的段位吧!

提示：Coursera的大部分課程和專業都有審核的選項。用戶不會獲得證明，但可以訪問本課程的大部分資源，這就已經足夠了。在報名時，只需選擇審核課程的選項即可。

Coursera將提供免費試用，就在“開始免費試用”按鈕后面，可以發現一行小字，上面寫著“審核課程”。這個技巧很難發現，但也很實用，筆者已經仔細檢查了推薦的所有課程，它們應該都是免費的。

[[325462]]

A. 倔強青銅

1. 機器學習

使用平臺：Coursera

參與機構：斯坦福

所需時間：54小時

事先要求：沒有任何要求，但對微積分特別是線性代數有一些理解會更好，可以最大限度幫助理解這門課程。

點評：吳恩達大佬的課程還需要推薦嗎?!他是斯坦福大學的教授，也是Coursera的創始人之一，開發了機器學習領域的首批在線課程之一，這批課程目前仍可在YouTube上查閱。

課程摘要：

本課程廣泛介紹了機器學習、數據挖掘和統計模式識別。主題包括：

• 監督學習(參數/非參數算法、支持向量機、核、神經網絡);
• 無監督學習(聚類、降維、推薦系統、深度學習);
• 機器學習的最佳實踐(偏差/方差理論;機器學習與人工智能的創新過程)。

主題包括：

• 線性回歸
• 邏輯回歸
• 神經網絡
• 正則化
• 降維
• 支持向量機
• 無監督學習
• 異常檢測
• 推薦系統

2. Python中的機器學習

使用平臺：Coursera

參與機構：IBM

所需時間：22小時

事先要求：了解基本數學原理。

點評：雖然課程自稱“中級水平”，但筆者認為它對新手來說是個很好的起點。如果覺得斯坦福的課程有點長，這門課程也是一個不錯的選擇。

課程摘要：

本課程使用易于理解且常見的編程語言Python，深入探討機器學習的基礎知識。本課程包含兩個主要組成部分：

• 機器學習的目的以及它在現實世界中的應用;
• 之后將理解機器學習主題的一般概述，如監督與無監督學習、模型評估與機器學習算法。

主題包括：

• 回歸
• 聚類
• 分類
• 推薦系統

B. 榮耀黃金

3. 神經網絡與深度學習

使用平臺：Coursera

參與機構：deeplearning.ai

所需時間：30小時

事先要求：需要有Python編碼經驗，具備高中數學水平，掌握一些機器學習或深度學習知識會更好。

點評：在筆者看來，一旦掌握了機器學習的基本概念，并且熟悉了Python，下一步可能就是TensorFlow了，現在很多計算量很大的算法都是用它來運行的。吳恩達也是Deeplearning.ai的創建者，因此也是這門課程的提供者。

課程摘要：

在本課程中，你將學習深度學習的基礎。當你完成這門課時，你將收獲：

• 了解推動深度學習的主要技術趨勢
• 了解如何實現高效(矢量化)神經網絡
• 了解神經網絡架構中的關鍵參數
• 能夠構建、訓練和應用全連接的深度神經網絡

這門課程還將介紹深度學習的實際工作原理，而不是僅僅提供粗略的或表面的描述。

主題包括：

• 深度學習介紹
• 神經網絡基礎
• 淺顯的神經網絡知識
• 深度神經網絡

4. 卷積神經網絡

使用平臺：Coursera

參與機構：deeplearning.ai

所需時間：20小時

事先要求：需要一些TensorFlow知識、Python編碼基礎和高中水平的數學知識。

點評：自上門課程之后的又一理想課程。

課程摘要：

本課程將教你如何構建卷積神經網絡，并將其應用于圖像數據。憑借深度學習，計算機視覺比兩年前強大得多，這使得許多令人興奮的應用得以實現，從安全的自動駕駛，到精確的人臉識別，再到放射圖像的自動讀取。

主題包括：

• 卷積神經網絡基礎
• 目標檢測
• 深度卷機模型：案例研究
• 特殊應用：人臉識別與神經風格遷移

C. 最強王者

5. 高級機器學習專業

使用平臺：Coursera

參與機構：國立研究大學高等經濟學院(俄羅斯)

所需時間：10個月，每周6小時

事先要求：已經在本行業有扎實的機器學習與數學基礎。

點評：這是一套完整的專業課程，所以那些想要節省時間，或者從技術上講覺得不需要，以及已經在工作中接觸過或在以前的課程中學習過這些內容的人，就可以跳過啦。

課程摘要：

深入研究現代人工智能技術。本課程將教授用計算機看、畫、讀、說、玩游戲以及解決行業問題。本專業對深度學習、強化學習、自然語言理解、計算機視覺和貝葉斯法進行了介紹。頂尖的Kaggle機器學習從業者以及CERN科學家將分享他們解決現實問題的經驗，幫助你填補理論與實踐之間的空白。

主題包括：

• 深度學習介紹 (32小時)
• 如何贏得數據科學競賽：向頂級Kagglers學習 (47小時)
• 機器學習的貝葉斯法 (30小時)
• 目標檢測
• 實用強化學習 (30小時)
• 計算機視覺中的深度學習 (17小時)
• 自然語言處理 (32小時)

用機器學習解決大型強子對撞機的挑戰 (24小時) 看這安排得明明白白的進階之路，心動不如行動，“最強王者”在向你召喚!