10 门必修的机器学习名校公开课，旨在完善你的 AI 学习路线！

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。

640?wx_fmt=jpeg

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

640?wx_fmt=jpeg

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/

640?wx_fmt=jpeg

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/

640?wx_fmt=jpeg