机器学习修炼手册:从倔强青铜到最强王者

人工智能 机器学习
居家隔离期间只顾着玩游戏刷剧真的不会坐立不安吗?与其心神不安打Boss,不如来面对机器学习这个大BOSS。笔者整理的这套课程从入门到高级,快来提升你的段位吧!

本文转载自公众号“读芯术”(ID:AI_Discovery)

居家隔离期间只顾着玩游戏刷剧真的不会坐立不安吗?与其心神不安打Boss,不如来面对机器学习这个大BOSS。笔者整理的这套课程从入门到高级,快来提升你的段位吧!

提示:Coursera的大部分课程和专业都有审核的选项。用户不会获得证明,但可以访问本课程的大部分资源,这就已经足够了。在报名时,只需选择审核课程的选项即可。

Coursera将提供免费试用,就在“开始免费试用”按钮后面,可以发现一行小字,上面写着“审核课程”。这个技巧很难发现,但也很实用,笔者已经仔细检查了推荐的所有课程,它们应该都是免费的。

[[325462]]

A. 倔强青铜

1. 机器学习

使用平台:Coursera

参与机构:斯坦福

所需时间:54小时

事先要求:没有任何要求,但对微积分特别是线性代数有一些理解会更好,可以最大限度帮助理解这门课程。

点评:吴恩达大佬的课程还需要推荐吗?!他是斯坦福大学的教授,也是Coursera的创始人之一,开发了机器学习领域的首批在线课程之一,这批课程目前仍可在YouTube上查阅。

课程摘要:

本课程广泛介绍了机器学习、数据挖掘和统计模式识别。主题包括:

  • 监督学习(参数/非参数算法、支持向量机、核、神经网络);
  • 无监督学习(聚类、降维、推荐系统、深度学习);
  • 机器学习的最佳实践(偏差/方差理论;机器学习与人工智能的创新过程)。

主题包括:

  • 线性回归
  • 逻辑回归
  • 神经网络
  • 正则化
  • 降维
  • 支持向量机
  • 无监督学习
  • 异常检测
  • 推荐系统

2. Python中的机器学习

使用平台:Coursera

参与机构:IBM

所需时间:22小时

事先要求:了解基本数学原理。

点评:虽然课程自称“中级水平”,但笔者认为它对新手来说是个很好的起点。如果觉得斯坦福的课程有点长,这门课程也是一个不错的选择。

课程摘要:

本课程使用易于理解且常见的编程语言Python,深入探讨机器学习的基础知识。本课程包含两个主要组成部分:

  • 机器学习的目的以及它在现实世界中的应用;
  • 之后将理解机器学习主题的一般概述,如监督与无监督学习、模型评估与机器学习算法。

主题包括:

  • 回归
  • 聚类
  • 分类
  • 推荐系统

B. 荣耀黄金

3. 神经网络与深度学习

使用平台:Coursera

参与机构:deeplearning.ai

所需时间:30小时

事先要求:需要有Python编码经验,具备高中数学水平,掌握一些机器学习或深度学习知识会更好。

点评:在笔者看来,一旦掌握了机器学习的基本概念,并且熟悉了Python,下一步可能就是TensorFlow了,现在很多计算量很大的算法都是用它来运行的。吴恩达也是Deeplearning.ai的创建者,因此也是这门课程的提供者。

课程摘要:

在本课程中,你将学习深度学习的基础。当你完成这门课时,你将收获:

  • 了解推动深度学习的主要技术趋势
  • 了解如何实现高效(矢量化)神经网络
  • 了解神经网络架构中的关键参数
  • 能够构建、训练和应用全连接的深度神经网络

这门课程还将介绍深度学习的实际工作原理,而不是仅仅提供粗略的或表面的描述。

主题包括:

  • 深度学习介绍
  • 神经网络基础
  • 浅显的神经网络知识
  • 深度神经网络

4. 卷积神经网络

使用平台:Coursera

参与机构:deeplearning.ai

所需时间:20小时

事先要求:需要一些TensorFlow知识、Python编码基础和高中水平的数学知识。

点评:自上门课程之后的又一理想课程。

课程摘要:

本课程将教你如何构建卷积神经网络,并将其应用于图像数据。凭借深度学习,计算机视觉比两年前强大得多,这使得许多令人兴奋的应用得以实现,从安全的自动驾驶,到精确的人脸识别,再到放射图像的自动读取。

主题包括:

  • 卷积神经网络基础
  • 目标检测
  • 深度卷机模型:案例研究
  • 特殊应用:人脸识别与神经风格迁移

C. 最强王者

5. 高级机器学习专业

使用平台:Coursera

参与机构:国立研究大学高等经济学院(俄罗斯)

所需时间:10个月,每周6小时

事先要求:已经在本行业有扎实的机器学习与数学基础。

点评:这是一套完整的专业课程,所以那些想要节省时间,或者从技术上讲觉得不需要,以及已经在工作中接触过或在以前的课程中学习过这些内容的人,就可以跳过啦。

课程摘要:

深入研究现代人工智能技术。本课程将教授用计算机看、画、读、说、玩游戏以及解决行业问题。本专业对深度学习、强化学习、自然语言理解、计算机视觉和贝叶斯法进行了介绍。顶尖的Kaggle机器学习从业者以及CERN科学家将分享他们解决现实问题的经验,帮助你填补理论与实践之间的空白。

主题包括:

  • 深度学习介绍 (32小时)
  • 如何赢得数据科学竞赛:向顶级Kagglers学习 (47小时)
  • 机器学习的贝叶斯法 (30小时)
  • 目标检测
  • 实用强化学习 (30小时)
  • 计算机视觉中的深度学习 (17小时)
  • 自然语言处理 (32小时)

用机器学习解决大型强子对撞机的挑战 (24小时) 看这安排得明明白白的进阶之路,心动不如行动,“最强王者”在向你召唤!

 

责任编辑:赵宁宁 来源: 读芯术
相关推荐

2018-03-22 04:48:06

2019-12-10 14:50:54

创业技术CTO

2017-07-27 09:54:06

MySQL数据库

2017-08-31 16:26:06

数据库MySQL命令

2017-05-09 08:48:44

机器学习

2022-11-25 10:01:02

团队敏捷团队

2022-12-23 14:29:18

团队Leader

2017-09-05 15:29:51

机器学习人工智能AI

2022-10-27 12:15:20

DLP技术数据自主保护

2022-09-06 14:33:23

数字孪生数字化

2019-05-07 17:31:57

华为

2020-12-07 14:48:15

Python开发工具

2017-12-07 08:14:49

2017-04-25 16:45:11

2016-11-28 14:53:08

数据分析IBM大数据

2017-03-10 12:16:46

机器学习

2021-04-29 19:07:33

Redis演进微服务

2017-07-11 10:19:24

浅层模型机器学习优化算法

2017-08-30 12:17:02

Python王者荣耀套路

2020-05-21 14:50:37

算法深度学习人工智能
点赞
收藏

51CTO技术栈公众号