机器学习
-
Andrew Ng Machine Learning课程 [5星推荐]
- 可作为机器学习入门。理论推导深入浅出,容易理解。
- 课程内容成体系,最好完成作业来帮助掌握。
-
Udacity Machine Learning advanced课程 [4星推荐]
- 有专门的导师“监督”完成课程,互动性较好,课后项目有专人批阅。
- 提示此课程是付费课程(>4k),较为适合在职人员利用业余时间充电。
-
邹博 机器学习课程 [4星推荐]
- 讲师是中科院博士,深入浅出,资料丰富。
- 提示此课程是付费课程(<0.5k),
-
林轩田 机器学习基石课程 [3星推荐]
- 讲解了机器学习理论和数学推导,需要数学基础扎实。
- 它的姊妹篇机器学习技法(需翻墙)也是推导为主。
-
Google 机器学习速成课程 [4星推荐]
- Google出品,暂未学习
深度学习
-
Jeremy Howard Practical Deep Learning For Coders课程 [4星推荐]
- 课程着重上手实践为主,将调Learn by doing。讲师对于如何学习有着深刻的认识。
- Jeremy Howard和Rachel Thomas谈论到一些教学方法(需翻墙)
- 网上好评较多,暂未学习,需翻墙
-
Li FeiFei Convolutional Neural Networks for Visual Recognition课程 [5星推荐]
- 炙手可热的斯坦福课程,系统地讲解了深度学习在视觉识别中的理论和实践。
- 主要由李飞飞博士生讲解,对于模型背后的原理有着深刻的讲解。
-
Andrew Ng Deep Learning课程 [5星推荐]
- 好评较多,暂未学习
-
Udacity Deep Learning with Google课程 [3星推荐]
- 理论讲解不多,偏重于上手训练。
- 讲师来自Google,课后有实践项目。
-
曹健 人工智能实践:Tensorflow笔记课程 [4星推荐]
- 暂未学习
- 讲师来自北大,课后有实践项目。
- 以下三取,难度以此陡增。
获取 /翻墙(搬瓦工“一键SS”和支付宝付款)
读取 /英语是极其重要的信息载体。
汲取 /学习方法。