乾貨 | 20多門AI網路課程資源（附鏈接+PDF）
轉自：數據派THU
PDF版下載方式
請點擊文末閱讀原文
即可
現如今，在火爆的人工智慧領域，面臨的最窘迫的問題是越來越龐大的產業規模和國家每年約500萬的相關人才需求的矛盾。廣闊的發展前景、巨大的人才缺口和令人心動的行業薪資，讓越來越多的年輕人選擇了進入這一行業。然而，目前國內開設人工智慧專業的高校不多，學科建設不完善，相當多的開發者是跨界入門，需要自學大量知識並在實踐中摸索。面對網路訊息碎片化，培訓班種類繁多、收費昂貴的局面，該如何高效學習成為了人工智慧入門的首要難題。
以下，筆者盤點了學生中最受歡迎的人工智慧網路課程，包括吳恩達的公司Coursera出品的在線課、斯坦福大學在線課、伯克利大學在線課等，希望能夠為大家的學習提供幫助。
一、機器學習
Machine Learning
主講人：吳恩達 Andrew Ng
發布平台：Coursera
課程鏈接：
https://www.coursera.org/learn/machine-learning#faqs
課程評價：
在Coursera上，有近5萬人給吳恩達教授這堂課打出4.9的平均分（滿分5分），根據Freecodecamp統計，這門課是所有在線Machine Learning課程中最受好評的課程。這是一個機器學習打基礎的入門理論課，不僅有基本概念的解釋，它還十分重視聯繫實際和經驗總結：1.課程中吳恩達老師列舉了許多演算法實際應用的例子；2.他提到當年他們入門AI時面臨的許多問題，以及處理這些難題的經驗。考慮其廣泛受眾，這門課程中沒有涉及過多的數學知識，對統計、IT基礎知識薄弱的學生也非常友好。
Learning from Data
主講人：Yaser Abu-Mostafa
發布平台：edX，網易公開課
課程鏈接：
https://www.edx.org/course/caltechx/caltechx-cs1156x-learning-data-2516；
http://open.163.com/special/opencourse/learningfromdata.html
課程評價：
這是加州理工Yaser Abu-Mostafa教授關於機器學習的入門課，但內容並不簡單。該課程強調數據，是因為機器學習與各領域的大數據處理應用（比如金融、醫療）聯繫十分緊密。這門課內容涵蓋基礎理論、演算法和應用，平衡了理論與實踐，既覆蓋數學統計，也包含啟發式的概念理解。不少人評論該課程結構就像講故事，它有助於學習者形成對機器學習概念和模型深度、直覺性的理解。學習者公認它內容非常充實，但對作業模塊的爭議很大：有人認為難度偏高並且缺乏反饋，有人認為它是網上能找到的、最好的機器學習練習。
Neural Networks for Machine Learning
主講人：Geoffrey Hinton
發布平台：Coursera
課程鏈接：
https://www.coursera.org/learn/neural-networks#ratings
課程評價：
Geoffrey Hinton的這門課程可以作為吳恩達的機器學習課的進階課程，難度相對來說有所提升，要求學生有微積分、Python基礎，涉及許多專有名詞，對初學者難度較大，需自己查找相關資料。網友認為「學習這麼課對我來說真是大開眼界，而且就我所知，這門課相當接近深度學習領域最前沿的技術。這門課的習題比吳恩達的課更詳細，更具挑戰性，因此我最終學到了更多。」
Machine Learning
主講人：Tom Mitchell
發布平台：CMU 官網
課程鏈接：
http://www.cs.cmu.edu/~tom/10701_sp11/
課程評價：
這門課是學界人士的最愛，是入門課程之中較全面、高階的一門，覆蓋的話題非常廣，按先後次序包括：代數和概率論，機器學習的基礎工具，概率圖模型，AI，神經網路，主動學習，增強學習。這門課程能幫助學習者理清機器學習的發展脈絡。它適合計划進行系統性學習、投入大量時間的人。對於初學者，建議至少聽完吳恩達的機器學習課程之後，再修這一門。
機器學習基石
主講人：林軒田
發布平台：Coursera
課程鏈接：
上：https://www.coursera.org/learn/ntumlone-mathematicalfoundations
下：https://www.coursera.org/learn/ntumlone-algorithmicfoundations
課程評價：
這是為漢語學子量身定做的入門課，相當於台灣大學機器學習課程前半學期的課，教授的是機器學習最核心的知識。林老師是教科書《Learning From Data》的作者之一，是華人機器學習領域年輕有為的青年學者。這門課程十分用心細緻，內容比吳恩達老師的入門課程稍稍充實一些。林老師表示，針對頂級機器學習公開課全是英語授課的現狀，不少學生反映英語教學有不易吸收之處。因此，借推出這門課程，希望幫助漢語為母語的學生減少入門難度。
Machine Learning for Undergraduates
主講人：Nando de Freitas
發布平台：Youtube
課程鏈接：
https://www.youtube.com/playlist?list=PLE6Wd9FR--Ecf_5nCbnSQMHqORpiChfJf
課程評價：
Nando de Freitas是機器學習領域非常傑出的學者。他的這門課同樣很適合作為吳恩達老師機器學習的進階課程，補充了一些「機器學習」的概念，並且重點強調數學知識。Nando de Freitas對諸如概率論、log likelihood 等基礎數學原理做了很好的講解，並以此為基礎介紹更高級的數學、統計概念。
二、深度學習
Pratical Deep Learning for Coders，Part 1
主講人：Jeremy Howard
發布平台：fast.ai
課程鏈接：
http://course.fast.ai/
課程評價：
它是一門實戰性極強的課程。身為Kaggle競賽冠軍的Jeremy Howard親自教授如何打造業界最好的深度神經網路。Jeremy Howard在課程中分享了那些真正在工程實踐中使用過，並且證明行之有效的方法，而不僅僅是那些理論上的定義和公式。
Deepinglearning.ai Specialization
主講人：吳恩達 Andrew Ng
發布平台：deeplearning.ai
課程鏈接：
https://www.deeplearning.ai/
課程推薦：
這是吳恩達老師離開百度後推出的第一個深度學習項目（deeplearning.ai)的一個課程，課程口號是：Master Deep Learning,and Break into AI.該課程是一個自下而上教你神經網路原理的課程體系，淺顯易懂，處於初級-中級難度。這個課程有助於加強對深度學習的了解，對神經網路已經有了一定基礎的人來說，這個課程還能加強參數搜索技巧。很多人認為這是目前互聯網上最適合入門深度學習的系列課程，能夠幫助學者構建對該領域的基本理解。
Deep learning at Oxford 2015
主講人：Nando de Freitas
發布平台：oxford官網
課程主頁：
http://www.cs.ox.ac.uk/people/nando.defreitas/
課程評價：
Nando de Freitas於2013年轉入牛津任教，這是他2014-2015學年在牛津大學的全套深度學習課程。它介紹了神經網路、反向傳播、玻爾茲曼機、自動編碼器、卷積神經網路和遞歸神經網路的基本背景，說明了深度學習如何影響我們對智力的理解，並有助於智能機器的實際設計。
CS231n：Convolutional Neural Networks for Visual Recognition
主講人：李飛飛
發布平台：GitHub
課程地址：
http://cs231n.github.io/
課程評價：
這門面向計算機視覺的深度學習課程由Fei-Fei Li教授掌舵，內容面向斯坦福大學學生，貨真價實，評價頗高。雖然課程名稱是卷積神經網路和圖像識別，但前期進行了大量關於Python開發環境搭建、神經網路原理等基礎知識的介紹，適合初學者認真研讀。
Deep Learning
主講人：Yann Lecun
發布平台：法蘭西學院官網
課程地址：
https://www.college-de-france.fr/site/en-yann-lecun/course-2016-04-15-11h00.htm
課程評價：
Yann Lecun在2016年初於法蘭西學院開課，這是其中關於深度學習的8堂課。當時是用法語授課，後來加入了英文字幕。作為人工智慧領域大牛和 Facebook AI 實驗室（FAIR）的負責人，Yann Lecun 身處業內機器學習研究的最前沿。他曾經公開表示，現有的一些機器學習公開課內容已經有些過時。通過Yann Lecun的課程能了解到近幾年深度學習研究的最新進展。該系列可作為探索深度學習的進階課程。
Deep Learning for Natural Language Processing: 2016-2017
主講人：Phil Blunsom
發布平台：GitHub
課程鏈接：
https://www.bilibili.com/video/av9817911/
課程評價：
這是牛津大學 & DeepMind 聯合的面向NLP的深度學習應用課程。課程介紹了相關機器學習模型的數學定義，並推導出相關的優化演算法。該課程涵蓋神經網路在NLP中的一系列應用，包括分析文本中的潛在維度、將語音轉錄到文本、在語言之間進行轉換以及回答問題。這些主題被組織成三個高層次的主題，從理解使用神經網路的順序語言建模，到理解它們作為轉導任務的條件語言模型的使用，以及最終將這些技術與其他高級應用程序結合使用的方法。在整個過程中，還將討論這些模型在CPU和GPU硬體上的實際實現。
2016 斯坦福灣區深度學習學校
Day 1
課程鏈接：
https://www.youtube.com/watch?v=eyovmAtoUx0
課程評價：
這個視頻是 2016 灣區深度學習學校第一天的內容展示。視頻覆蓋到的內容有： 1）Hugo Larochelle 講授前饋神經網路介紹（Introduction on Feedforward Neural Network）；2）Andrej Karpathy 講授用於計算機視覺的深度學習（Deep Learning for Computer Vision）；3）Richard Socher 講授用於自然語言處理（NLP）的深度學習（Deep Learning for NLP）；4）Sherry Moore 講授 TensorFlow 教程（TensorFlow Tutorial）；5）Ruslan Salakhutdinov 講授深度無監督學習基礎（Foundations of Deep Unsupervised Learning）；6）吳恩達講授深度學習應用基本要點（Nuts and Bolts of Applying Deep Learning）。這些深度學習方面的專家都會以一個易於理解的方式講解深度學習潛在的概念原理，讓你對深度學習有基礎理解。同時他們也會分享各自講授主題相關的應用實例。
2016 斯坦福灣區深度學習學校
Day 2
(Bay Area Deep Learning School Day 2 at CEMEX auditorium, Stanford)
課程鏈接：
https://www.youtube.com/watch?v=9dXiAecyJrY
課程評價：
這是灣區深度學習學校的第二天講授內容視頻。視頻覆蓋到的內容有：1）John Schulman 講授深度強化學習基礎（Foundation of Deep Reinforcement Learning）；2）Pascal Lamblin 講授 Theano 介紹：一個供模型構建和訓練使用的極速 Python 庫（Introduction to Theano: A Fast Python library for Modelling & Training）；3）Adam Coates 和 Vinay Rao 講授語音識別和深度學習（Speech Recognition and Deep Learning）；4）Alex Wiltschko 講授 Torch 和 Autograd 下的機器學習（Machine Learning with Torch & Autograd）；5）Quoc Le 講授深度學習實現 Seq2Seq（Sequence to Sequence by Deep Learning）；5）Yoshua Bengio 講授深度學習的基礎和挑戰（Foundation and Challenges of Deep Learning）。這些深度學習的應用者都是經常被檢索到的深度學習應用專家，他們同時也為大型公司服務，如谷歌大腦、Twitter 等。
斯坦福大學深度學習應用課程:
Natural Language Processing with Deep Learning
課程鏈接：
https://www.bilibili.com/video/av9285496/
課程介紹：
這門課程由NLP領域的大牛 Chris Manning 和 Richard Socher 執掌，是學習深度學習自然語言處理的經典課程。此課程全面介紹了應用於NLP的深度學習的前沿研究。在模型方面，將討論詞向量表示、基於窗口的神經網路、遞歸神經網路、長時間短期記憶模型、遞歸神經網路、卷積神經網路以及一些涉及內存組件的最近模型。
深度學習（中/英）by Google
主講人：Vincent Vanhoucke，Arpan Chakraborty
發布平台：優達學城
課程鏈接：
https://cn.udacity.com/course/deep-learning--ud730
課程評價：
這門課程由優達學城與Google的首席科學家兼Google智囊團技術經理 Vincent Vanhoucke聯合開發，可以免費學到如何訓練和優化基本神經網路、卷積神經網路和長短期記憶網路，學習者可以通過項目和任務接觸完整的機器學習系統 TensorFlow。
2016 年蒙特利爾深度學習暑期班
課程鏈接：
https://www.youtube.com/watch?list=PL5bqIc6XopCbb-FvnHmD1neVlQKwGzQyR&v=xK-bzjIQkmM
課程評價：
蒙特利爾深度學習暑期班出現了很多來自不同年齡段的專家與從業人員。該教程是要教人們對深度學習與神經網路有基礎的理解。裡面有Yoshua Bengio教授循環神經網路，Surya Ganguli教授理論神經科學與深度學習理論，Sumit Chopra教授reasoning summit和attention，Jeff Dean講解TensorFlow大規模機器學習，Ruslan Salakhutdinov講解學習深度生成式模型，Ryan Olson講解深度學習的GPU編程，還有其他很多的講演。
Machine Learning and having it Deep and Structured
主講人：李宏毅
課程鏈接：
https://www.bilibili.com/video/av9770302/
課程評價：
這是難得的免費中文課程，有網友評價這門課把GAN講得太好了，還有人認為李宏毅擅長讓學生人對演算法有一個直觀的映像和理解。這門課對初學者不太友好，適合在上完他的machine learning課程之後再進行學習。
三、人工智慧
Intro to Artificial Intelligence
主講人：Peter Norvig，Sebastian Thrun
發布平台：優達學城 Udacity
課程地址：
https://cn.udacity.com/course/intro-to-artificial-intelligence--cs271
課程評價：
該課程久享盛名，被公認為是AI入門最好的公開課之一。它介紹了幾個AI主要領域：概率推理、信息檢索、機器人學、自然語言處理等，傾向於介紹AI的實際應用，並且課程練習廣受好評。該課程的兩位主講者，Peter Norvig和Sebastian Thrun，一個是谷歌研究總監，一個是斯坦福著名機器學習教授，均是與吳恩達、Yann Lecun 同級別的頂級AI專家。
基於知識的人工智慧：認知系統
主講人：Ashok Goel David Joyner
發布平台：優達學城
課程鏈接：
https://cn.udacity.com/course/knowledge-based-ai-cognitive-systems--ud409
課程評價：
這門課人工智慧的核心課程，具有較高的挑戰性，涉及重大的獨立工作、閱讀、任務和項目，涵蓋結構性的知識講解及基於知識的問題解決、規劃、決策和學習方法。網友認為，「最吸引人的部分是課程項目：構建一個人工智慧代理，解決Raven的進化矩陣，這基本上是一個視覺IQ測試，非常有趣和富有挑戰性。對於那些比較『容易』的問題，解決起來還算簡單，但對於那些有難度的問題，解決起來那是難以置信的困難。」
四、計算機科學
Scala函數式程序設計原理
主講人：Martin Odersky
發布平台：Coursera
課程鏈接：
https://www.coursera.org/learn/progfun1
課程評價：
這門課程注重實踐，課程中的大部分單元都會使用一些簡短的程序來闡述基本原理和概念，聽眾可以試著運行這些程序並嘗試改寫它們，任何對Scala感興趣的人都可以嘗試這門課。網友普遍認為這個課程稍微有點難度，也有人覺得課程結構設計不合理，需要學生查閱很多其他資料；而支持者則認為，「讓一門語言的創造者來親自教授這門語言的課程，給我提供了原本無法得到的見解」、「這門課程非常驚人，需要強烈推薦，它顯示了Scala的設計投入了多少精力和技巧。
資料庫
主講人：Jennifer Widom
發布平台：斯坦福大學官網
課程鏈接：
https://lagunita.stanford.edu/courses/DB/2014/SelfPaced/about
課程評價：
該課程是斯坦福大學在2011年秋季開設的三個大型公開在線課程之一;在2013年和2014年的MOOC中再次提供。有網友將這門課程評價該課是「組織得最好的在線課程」，「講座中所有的內容都是相關的，所有內容都會在習題中應用和測試，習題很多，每周的家庭作業會從簡單逐漸展開到中等難度，Web 環境設計良好，提供了極好的反饋並能夠指導你正確地回答問題。」
Probabilistic Graphical Models專項課程
主講人： Daphne Koller
發布平台：couresa
課程鏈接：
https://www.coursera.org/specializations/probabilistic-graphical-models
課程評價：
有網友認為，這個專項課程是他所學過最有趣的在線課程，不過該課程對學習者要求較高，需要花不少精力將講座的內容應用到作業中。還有人評論，「這個專項課程的第一門課程有一個非常好、非常引人入勝的開頭，但是在那之後講座和習題之間很快出現了巨大的鴻溝（也許這就是為什麼作者吹噓這是一門充滿挑戰性的課程，而不是針對每個人的）。PGM 是解決很多機器學習問題的有力工具，但確實難度較大。據一位網友說，「在斯坦福，學生們只要能通過 PGM 考試都高興壞了「。
近期熱文
乾貨 | NLP中的self-attention【自-注意力】機制
5月，機器學習開源新項目Top-10
手把手教你從零搭建深度學習項目（可下載PDF版）
乾貨｜當深度學習遇見自動文本摘要，seq2seq+attention
廣告、商業合作
請添加微信：guodongwe1991
（備註：商務合作）
PDF版下載方式
請點擊文末閱讀原文
