人工智能

13个顶级的机器学习和人工智能课程

2018-12-05  本文已影响17人  5号船长

人工智能和机器学习技术在2017年风靡全球。看看微软在牛津的项目,IBM的沃森,谷歌的Deep Mind和百度的超级计算机Minwa,你就会明白现在的趋势。

2015年,Gartner引入了机器学习(ML)的概念,当时,他预测ML将在2 ~ 5年内达到高峰。现在,Facebook和亚马逊这些大公司正在越来越多地利用机器学习,从大量的数据中提取有价值的信息。

研究预测,到2025年,人工智能市场将增长到约370亿美元,而在2015年,它仅有约6.45亿美元!

“机器学习是一个核心,是转变的方式,让我们重新思考我们正在做的一切。”——Sundar Pichai,谷歌首席执行官

机器学习或人工智能广泛商业化的成功是无处不在的,从亚马逊推荐你可能喜欢看的电影到能够区分行人和树的谷歌自驾车。数据驱动的AI / ML已经帮助商业领袖做出决定,衡量业务,研究人类行为和进行预测分析。如果你的组织想要涉足这个非凡的领域,你需要考虑清楚。

随着并行计算的成本降低,大数据的改进和算法的突破,应用型人工智能是当今世界发展的方向。处理大量数据需求以及物联网连接设备数量的增加都大大增加了机器学习的重要性。

AI / ML具有很大潜力,对于工程师或数据挖掘、模式识别的爱好者来说,这是一个不错的职业选择。此外,机器学习是数据科学不可分割的一部分,被哈佛商业评论评为21世纪最性感的工作 。

埃文斯数据公司的一项研究发现,接受调查的500名开发人员中,有36%在其大数据或其他分析项目中使用ML元素。首席执行官Janel Garvin表示:“机器学习与许多目前正在迅速采用的AI技术,已经使大数据和高级分析方面的开发人员处于领先地位。”

她补充说:“我们看到越来越多的开发人员对各种形式的认知计算产生兴趣,包括模式识别、自然语言识别和神经网络,我们充分期待明天的计划将基于今天这些新兴的技术。”

01

吴恩达:机器学习

Coursera联合创始人吴恩达的为期11周的课程。作为一个偏应用的机器学习课程,它讲述了最好的机器学习和统计模式识别技术,并教你如何实现学习的算法。

广泛地讲,它包括有监督和无监督学习,线性和逻辑回归,正则化和朴素贝叶斯。他使用Octave和MatLab。该课程还有丰富的案例研究和一些实际应用。要求学生了解概率、线性代数和计算机科学的基础知识。该课程广受用户好评。

课程链接:www.coursera.org/learn/machine-learning

02

Udacity:机器学习介绍

作为Udacity数据分析师纳米学位的一部分,这个大约为期10周的课程教授了使用机器学习处理数据集所需的所有知识,以提取有用的见解。教师Sebastian Thrun和Katie Malone要求初学者了解Python和基本的统计概念。

本课程教授从聚类到决策树,从Adaboost到SVM等ML算法。此外,许多用户还建议参加数据科学基础课程,包括数据操作、数据分析、信息可视化、数据通信以及大规模数据处理等内容。

课程链接:www.udacity.com/course/intro-to-machine-learning--ud120https://www.

03

加州理工:从数据中学习

加州理工大学电子工程与计算机科学教授Yaser S. Abu-Mostafa将向你介绍机器学习的基本理论原理、算法和应用。

课程需要每周花费10到20小时,持续10周。他们还有5周的课程,基于数据科学和分析的机器学习,新手可以学习更多的算法。

课程链接:www.edx.org/course/learning-data-introductory-machine-caltechx-cs1156x%23%21

04

卡内基梅隆:统计机器学习

这是YouTube上一个高级机器学习视频系列讲座,教师Larry Wasserman是卡内基梅隆大学统计系和机器学习系教授。

本课程是他为博士生准备的中级统计和机器学习讲座。如果你想理解这些课程,需要确保自己有一定的数学、计算机科学和统计基础。

课程链接:www.youtube.com/watch%3Flist%3DPLTB9VQq8WiaCBK2XrtYn5t9uuPdsNm7YE%26v%3DzcMnu-3wkWo

05

Hinton:机器学习神经网络

多伦多大学名誉教授Gregory Hinton也在谷歌山景城工作,他教这个由Coursera提供的为期16周的高级课程。

作为深度学习领域的先驱,Hinton在YouTube上的演讲视频讲述了神经网络在图像分割、人体运动、建模语言、语音和物体识别等方面的应用。本课程希望学生熟练掌握微积分,并具有Python编程经验。

课程链接:www.youtube.com/watch%3Flist%3DPLoRl3Ht4JOcdU872GhiYWf6jwrk_SNhz9%26v%3DcbeTc-Urqak

06

Google:深度学习

Udacity提供了这个让机器学习更上一层楼的免费课程。Google的3个月课程不适合初学者。它讨论了深度学习的动机,深度神经网络,卷积网络以及文本和序列的深层模型。

课程负责人Vincent Vanhoucke和Arpan Chakraborty希望学习者具有Python编程经验和一些GitHub经验,并了解机器学习、统计学、线性代数和微积分的基本概念。其中TensorFlow(谷歌自己的深度学习库)课程还有一个额外的优势,那就是可以自己掌握进度。

课程链接:www.udacity.com/course/deep-learning--ud730

07

DataCamp:基于 R的机器学习教程

DataCamp提供这种交互式的学习体验,将帮助你在Kaggle竞赛中获得高分。他们还有免费的介绍R的课程。

课程链接:www.kaggle.com/c/titanic/details/new-getting-started-with-r

08

微软:机器学习原理

微软数据科学专业计划证书的一部分,这是一个为期6周的中级课程。它教你如何使用Python、R和Azure云平台来构建和使用机器学习模型。

教师Steve Elston和Cynthia Rudin博士在课程中介绍了机器学习中的分类、回归、监督模型、非线性建模、聚类和推荐系统。如果想要获得认证证书,就需要付款了。

课程链接:www.edx.org/course/principles-machine-learning-microsoft-dat203-2x-2

09

亚马逊:机器学习专业化

华盛顿大学已经创建了五门课程,通过实际案例研究,介绍机器学习的基础知识。这个为期6周的课程,每周需要5到8小时的学习时间,包括ML基础、分类、聚类、回归、推荐系统、降维以及介绍一些使用深度学习的项目。

亚马逊的Emily Fox和Carlos Guestrin是指导老师,他们要求学习者掌握基本的数学和编程技巧,并掌握Python的相关知识。课程学习是免费的,获得有效的证书需要付费。

课程链接:www.coursera.org/specializations/machine-learning

10

EdX的人工智能

华盛顿大学已经创建了五门课程,通过实际案例研究,介绍机器学习的基础知识。这个为期6周的课程,每周需要5到8小时的学习时间,包括ML基础、分类、聚类、回归、推荐系统、降维以及介绍一些使用深度学习的项目。

课程链接:www.edx.org/course/artificial-intelligence-ai-columbiax-csmm-101x

11

Udacity:人工智能介绍

该课程介绍AI的“代表性应用程序”。它是“机器学习工程师纳米学位计划”的一部分。教师Sebastian Thrun和Peter Norvig带你了解AI的基础知识,包括贝叶斯网络,统计数据和机器学习以及AI应用,如NLP、机器人技术和图像处理的应用。课程要求学生知道线性代数和概率论。

课程链接:www.udacity.com/course/intro-to-artificial-intelligence--cs271

12

斯坦福:人工智能

这个斯坦福大学的课程讲述了AI如何使用数学工具来处理机器翻译、语音、人脸识别以及自动驾驶等方面的复杂问题。课程大纲包括:机器学习概念,树搜索、动态规划、启发式,AI玩游戏,马尔可夫决策过程,约束满足问题,贝叶斯网络,逻辑和任务。

课程链接:web.stanford.edu/class/cs221/

13

佐治亚理工学院:机器人与人工智能

这个课程由Udacity提供,讲述了如何模仿斯坦福和谷歌的做法来编程一个机器人汽车。它是深度学习纳米学位基础课程的一部分。Sebastian Thrun将教授定位,卡尔曼和粒子滤波器,PID控制和SLAM等内容。课程要求学生对线性代数和概率等数学概念,Python知识以及编程经验有一定的掌握。

课程链接:www.udacity.com/course/artificial-intelligence-for-robotics--cs373

本文列出的一些课程旨在帮助你快速进入机器学习和人工智能这个令人兴奋和快速发展的领域。这些专注于特定学习领域的世界级课程,是你在机器学习、数据科学等领域获得璀璨职业生涯的极好基石。

所以一旦你确定了自己的学习目标,并具备一定的技术能力,那么,请制定一份学习计划,给自己设定一个时间限制,然后,请自律,并按时完成计划;尝试与他人有效地合作,最重要的是找到方法,并始终保持动力。

以下是文章封面,勿在意:


好看吧
上一篇下一篇

猜你喜欢

热点阅读