本文将给大家介绍机器学习和数据科学领域 10 个全球知名的免费公开课!这些课程遵循的学习路线从机器学习入门到深入学习,再到自然语言处理等。
这 10 大课程来自于 Columbia University, Krakow Technical University, MIT, UC Berkeley, University of Washington, University of Wisconsin–Madison, 和 Yandex Data School。
下面我们分别来介绍这 10 门课程!
1.《机器学习》
华盛顿大学(University of Washington)
课程地址:
https://courses.cs.washington.edu/courses/cse546/17au/
本课程旨在为机器学习的基本方法和算法提供一个全面的基础。本课程的主题来自经典统计、机器学习、数据挖掘、贝叶斯统计和优化。
先决条件:进入课堂的学生应该熟悉编程,并且应该具有线性代数、概率、统计和算法的预先存在的工作知识。
2.《机器学习》
威斯康星大学麦迪逊分校(University of Wisconsin-Madison)
课程地址:
http://pages.stat.wisc.edu/~sraschka/teaching/stat479-fs2018/
本课程将涵盖机器学习的关键概念,包括分类、回归分析、聚类和降维。学生们将学习机器学习算法的基本数学概念,但本课程将同样关注使用来自 Python 编程生态系统的开放源代码库的机器学习算法实际使用。
3.《算法》
哥伦比亚大学(Columbia University)
课程地址:
https://github.com/jstray/lede-algorithms/blob/master/README.md
这是一门关于新闻学中的算法数据分析的课程,也是对社会中使用的算法的新闻分析。主要主题是文本处理、高维数据可视化、回归、机器学习、算法偏差和责任感、蒙特卡罗模拟和选举预测。
所有的编码都是在 Python 中完成的,使用 pandas、matplotlib 和 scikit-learn。
4.《深度学习实战》
Yandex 数据学院
课程地址:
https://github.com/yandexdataschool/Practical_DL/tree/master
5.《30 小时大数据》
克拉科夫技术大学(Krakow Technical University)
课程地址:
http://ondata.blog/big-data-in-30-hours/
这门技术实践课的目标是在 15个 讲座期间(每个 2 小时)向技术人员(企业、学术或学生)介绍实用数据工程和数据科学。所有的科目都是通过例子介绍的,学生可以立即使用命令行或 GUI 工具进行学习。
先决条件:参与者必须是技术性的、对一般编程和操作系统相当流利的,并且基本了解 Linux shell、数据库和 SQL。课程 9-15 将需要掌握 Python 的工作知识。
6. 深度强化学习训练营
伯克利加州大学(University of California, Berkeley)
课程地址:
https://sites.google.com/view/deep-rl-bootcamp/lectures
强化学习考虑了学习行动的问题,并准备为下一代人工智能系统提供动力,该系统需要超越输入输出模式识别(已经足够用于语音、视觉、机器翻译),但必须生成智能行为。示例应用领域包括机器人、营销、对话、暖通空调、优化医疗和供应链。
为期两天的训练营将通过讲座和实践性的实验室课程,向您传授深层 RL 的基础知识,这样您就可以继续使用这些技术构建新的迷人的应用程序,甚至可能推动算法领域的发展。
7.《人工智能导论》
华盛顿大学(University of Washington)
课程地址:
https://courses.cs.washington.edu/courses/cse573/17wi/
8. 《Brains, Minds and Machines Summer Course》
麻省理工学院(MIT)
课程地址:
https://ocw.mit.edu/resources/res-9-003-brains-minds-and-machines-summer-course-summer-2015/
本课程探讨了智力的问题,它的本质,它是如何由大脑产生的,以及如何使用一种整合认知科学(研究大脑)的方法在机器中复制,神经科学(研究大脑)以及计算机科学和人工智能(研究开发所需的计算)。材料来自海洋生物实验室每年提供的大脑、大脑和机器夏季课程。
9.《算法设计与分析》
麻省理工学院(MIT)
课程地址:
https://ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-046j-design-and-analysis-of-algorithms-spring-2015/
这是一门中级算法课程,重点是设计和分析高效算法的教学技术,强调应用方法。主题包括分治、随机化、动态编程、贪婪算法、增量改进、复杂性和密码学。
10.《自然语言处理》
华盛顿大学(University of Washington)
课程地址:
https://courses.cs.washington.edu/courses/cse517/17wi/