在工程领域, 机器学习的应用并不如想象中多, 而深度学习每天都在改变生活. 入门深度学习的好课不仅让你了解技术领域的前沿, 还能帮助你提升求职竞争力. 以下 8 门课程 (大部分评分来自 Class Central) 推荐给你.
- 1. Creative Applications of Deep Learning with TensorFlow
- Kadenze
★★★★☆ (基于 43 个评价)
这门课程会为你介绍 deep learning, 让你能够构建最先进的人工智能算法. 其中包含最基本的深度学习知识(基础课), 包括什么是深度学习? 算法如何工作? 如何编写程序构建卷积神经网络, 变分自动编码器, 生成对抗网络, 递归神经网络. 本课程不仅带你构建算法, 还会深入研究充满创意的应用.
- 2. Neural Networks for Machine Learning
- University of Toronto
★★★☆ (基于 25 个评价)
语音和对象识别, 图像分割, 建模语言和人体运动等领域都会用到机器学习和神经网络. 本课程会带你了解这些应用所需的基本算法, 以及实现他们所需的良好技巧. 这门课需要一定的微积分知识及 Python 编程基础.
- 3. MIT 6.S191: Introduction to Deep Learning
- Massachusetts Institute of Technology (MIT)
★★★★☆ (基于 2 个评价)
本课程会为你介绍深度学习的基本方法(入门课程), 以及机器翻译, 图像识别, 游戏, 图像生成等应用. 这门课程中还会有一些和 TensorFlow 合作展开的实验内容.
- 4. MIT 6.S094: Deep Learning for Self-Driving Cars
- Massachusetts Institute of Technology (MIT)
★★★★☆ (基于 1 个评价)
这是一门面向新手的课程, 为机器学习初学者设计, 同时也能为研究人员提供实践领域的借鉴. 本课程通过构建自动驾驶汽车来介绍深度学习.
- 5. CS224d: Deep Learning for Natural Language Processing
- University of Oxford
无评分
这是一门关于自然语言处理的进阶课程. 需要你具备一定的概率论, 线性代数和连续数学的基础, 了解基本的机器学习模型, 编程熟练, 但不需要具备语言学的知识. 你将会学到一系列神经网络模型, 能够优化模型算法, 了解如何用这些算法构建最先进的 NLP 系统, 了解应用过程中可能出现的硬件问题, 最终实现和评估 NLP 常见的神经网络模型.
- 6. CS224n: Natural Language Processing with Deep Learning
- Stanford University
无评分
深度学习在自然语言处理中能实现很好的应用. 本课程中学生将学习如何实现, 训练, 调试, 可视化甚至发明他们自己的神经网络模型. 课程全面介绍了应用于 NLP 的深度学习的前沿研究. 模型上涵盖了基于窗口的神经网络, 递归神经网络, 长短期记忆模型, 卷积神经网络等. 编程作业会帮助你掌握必要的实践技巧.
- 7. CS231n: Convolutional Neural Networks for Visual Recognition
- Stanford University
无评分
这门课由李飞飞主讲, 课程为期 10 周, 其间课程会深入探讨深度学习的细节, 重点学习图像分类. 学生将学习如何训练和调试自己的神经网络模型, 了解计算机视觉的前沿领域. 课程的资料都可以在 Stanford 的课程首页找到, 包含笔记, 视频等.
8. Deep Learning A-Z™: Hands-On Artificial Neural Networks
Kirill Eremenko and the SuperDataScience Team
★★★★☆ (基于 13,832 个评价)
学习使用 Python 构建深度学习算法(偏向实践领域). 课程分为两部分: 监督学习和无监督学习. 每个部分会为你介绍 3 种不同的算法. 专注于深度学习背后的直观理解, 而不只是冰冷的数学推导和程序. 课程的实战项目基于真实世界的数据集, 目的是解决实际问题.
来源: http://ai.51cto.com/art/201809/583374.htm