全程中文！谷歌发布机器学习速成课，完全免费

Google今天上线了一个“机器学习速成课程”，英文简称MLCC。用他们自己的话来形容，这个课程节奏紧凑、内容实用。

听完这个课程总共需要大约15小时，包含大量教学视频，还有对算法实际运用的互动直观展示，让用户可以更容易地学习和实践机器学习概念。课程共25节，还有40多项练习。

目前，有18000多名Googler报名参加了MLCC课程，把从课程中学到的东西用到了Google的各种产品上。

虽说这个课程免费向所有人开放，但实际上，想听懂还是有一些门槛的。Google在课程页面上就明确地列出了课程的前提条件：

掌握入门级代数知识。 您应该了解变量和系数、线性方程式、函数图和直方图（熟悉对数和导数等更高级的数学概念会有帮助，但不是必需条件）。

熟练掌握编程基础知识，并且具有一些使用 Python 进行编码的经验。 机器学习速成课程中的编程练习是通过 TensorFlow 并使用 Python 进行编码的。您无需拥有使用 TensorFlow 的任何经验，但应该能够熟练阅读和编写包含基础编程结构（例如，函数定义/调用、列表和字典、循环和条件表达式）的 Python 代码。

那么，数学已经基本全还给老师了怎么办！Python从入门到放弃了好几次怎么办！

Google在前提条件下边，还列出了学习这门课的准备工作，你需要恶补的知识、事先了解的工具，全都列了出来。

这其中，包括课程涉及的数学概念，每个概念都附有Google工程师教育团队精选的教程或文档，有来自可汗学院的课程、维基百科的词条、TensorFlow和Python的官方文档等等。

不过，这些链接到的内容都是英语的，如果需要中文版，还是要自己动手寻找。

开头已经提过了，这个课程基本可以做到全程中文。不仅是全部的文字内容有中文版本，而且所有的讲课视频，也都是中文语音，听起来毫无障碍。

没错，即便是老外讲课，你听到的也都是中文语音。

这个译制片般的感觉，得益于Google的AI技术。所有的中文语音，其实都是根据原音（英文）识别并翻译之后，由机器合成的中文发音念出来的。Google其实也明确说了：“此视频讲座的配音是使用机器学习技术生成的。”

所以听上去，还是能感受到一点点的机器的“口音”。下面，以第一课《机器学习简介》为例。一起听一下。

再来下《深入了解机器学习》这一节的视频，感受一下。

可以看到，视频中间出现的文字乃至公式，也都用中文显示了。

当然尽信也是不可取的。上面提到了，这些中文内容，很多都是机器翻译的结果，所以其中仍然会有出错的地方。你在听课的过程中，注意分辨。

课程中遇到需要互动学习的部分，还会暂时中止。

值得注意的是，机器在翻译她的讲课时，把其中提到的TensorFlow，翻译成了“传感器流”。可能有一部分原因是，英文语音转文字时给转成了：tensor flow。

如果大家看到真正严重的问题，可以留言讨论，或者向Google提出。我们只是提个醒，鸡蛋里挑个骨头。

另外很有意思的是，课程的最后部分讲到了机器学习在现实世界中的应用示例。

其中第一节讲的是《癌症预测》。这部分视频没有大吹特吹机器学习在诊断癌症方面有多厉害，反而是讲述了一个非常有趣的案例，推荐听一下：

Learn with Google AI

这个课程，是Learn with Google AI项目的一部分。项目网站上有大量Google机器学习专家提供的教学资源，除了上面介绍的MLCC课程，还有21项非常实用的资料和讲座视频。

隆重推荐一个超级实用（有中文版）的资源：机器学习术语表。也就是机器学习专业词典啊同学们！在页面左下角切换语言，你就获得了一份汉英双语词典。

机器学习术语表：https://developers.google.com/machine-learning/glossary/

Learn with Google AI网站上当然还有更丰富的内容，凡是Google推出过的AI学习资源，基本上都汇总在这里了。

比如Josh Gordon的入门课程视频、TensorFlow Workshops系列笔记教程、通过动手带你入门的TensorFlow Deep Playground，GCP的机器学习指南、TensorFlow文档、甚至Google在Coursera和Udacity上开设的课程，以及收购来的Kaggle竞赛，都列了出来。

随着Google搞更多的事情，这个网站上也会列出更多的课程和资源。

资源太多不知道从哪学起？建议还是从系统的MLCC课程开始吧，或者just follow your heart~

当然，Google还给了一个过滤器，让用户可以根据你是谁、想找什么类型的内容、关注机器学习工作的哪个环节来筛选内容。

说了这么多，学习这种事你还是必须亲力亲为的。

来，网址给你：https://ai.google/education/请自行科学上网查看

One More Thing

这本书是1992年出版的Paradigms of Artificial Intelligence Programming: Case Studies in Common Lisp，开源的代码也是Lisp写的。

代码在GitHub上发布至今已有几周，在今天的GitHub热门榜单上依然排名第7，可以说是热度不减了。

但与天朝码农的购房热情相比，还是要输一大截：