别乱下资料了！这个学习指南让你最快最系统的学会机器学习

​



【新智元导读】网上有关机器学习的课程虽然很多，但比较零散。前英伟达高级深度学习工程师对这些课程进行了系统性的整理，按照学习的前后顺序列出10门课程。从理论知识，最终到实战，走上人生巅峰。
机器学习越来越火，入坑的人也越来越多。网上充斥着大量的机器学习课程，可以说这是一个入行机器学习的最好时代。
但当可选项太多的时候，又往往会让人陷入另一种痛苦的处境：不仅不知道该从何处下手，最重要的是不知道该如何进行系统性、循序式的学习。东一榔头西一棒槌的胡乱学习，很多时候不得其法，难以获得快速的成长。
Chip Huyen，这位前英伟达高级深度学习工程师，作为一个过来人，利用自己的经验整理了10门课程，并且按照学习的先后顺序进行排序，最好按照顺序进行学习。这10门课程为：
1. 斯坦福在线的概率和统计



简介：这个自学课程涵盖概率和统计学的基本概念，涵盖机器学习的探索性数据分析，产生数据，概率和推理四大方面。
地址：
https://online.stanford.edu/courses/gse-yprobstat-probability-and-statistics
2. 麻省理工学院的线性代数



简介：目前最好的线性代数课程，由传奇教授Gilbert Strang教授。
地址：
https://ocw.mit.edu/courses/mathematics/18-06-linear-algebra-spring-2010/
3. CS231N：斯坦福大学用于视觉识别的卷积神经网络





简介：理论与实践相平衡。这些笔记写得很好，可视化解释了困难的概念，例如反向，损失，正则化，dropouts，batchnorm等
地址：
https://www.youtube.com/playlist?list=PLzUTmXVwsnXod6WNdg57Yc3zFx_f-RYsq
4. fastai对编码器的实用深度学习





简介：这个实践课程侧重于提升和运行。它有一个论坛，有关ML的最新最佳实践的有益讨论。
地址：https://course.fast.ai/
5. CS224N：斯坦福大学深度学习的自然语言处理
简介：任何对NLP感兴趣的人必须参加的课程。该课程组织良好，教学和最新研究。
地址：
https://www.youtube.com/playlist?list=PLU40WL8Ol94IJzQtileLTqGZuXtGlLMP_
6. Coursera的机器学习



简介：吴恩达出品。
地址：
https://www.coursera.org/learn/machine-learning
7. Coursera的概率图形模型专业化
简介：与大多数人工智能课程自下而上的概念不同，这门课程是自上而下的。
地址：
https://www.coursera.org/specializations/probabilistic-graphical-models
8. DeepMind强化学习简介
简介：本课程以直观的解释和有趣的例子为RL提供了一个很好的介绍，由世界一流的专家教授授课。
地址：
https://www.youtube.com/watch?v=2pWv7GOvuf0&list=PLqYmG7hTraZDM-OYHWgPebj2MfCFzFObQ&ab_channel=DeepMind
9. 全栈深度学习训练营
简介：大多数课程只教你如何训练和调整你的模型。这门课教你如何设计，训练和部署A到Z型号的模型。
地址：
https://fullstackdeeplearning.com/march2019
10. Coursera课程：向顶级Kaggler学习如何赢得数据科学竞赛



简介：这是一门偏向实践的课程。前面的学好了，接下来该去完善简历并拿到高薪了！
地址：
https://www.coursera.org/learn/competitive-data-science

转发了

转发了

转发了

我也来顶一下..