文章來源：Hackerearth 作者：DhanyaMenon
這11周的課程由Coursera公司創(chuàng)始人之一的Andrew Ng講解。Andrew Ng是斯坦福大學的副教授，也是百度的首席科學家。本次課程主要講解機器學習的應用，它討論了最好的機器學習技術(shù)和基于統(tǒng)計學的模式識別，并教你如何實現(xiàn)相關(guān)機器學習算法。
廣泛地說，它包括監(jiān)督和無監(jiān)督學習，線性和邏輯回歸，正則化方法，以及樸素貝葉斯理論。他在課程中使用Octave和MATLAB軟件輔助分析。該課程使用了豐富的案例研究和最新實際應用。默認聽課的學生已經(jīng)具備一定的概率，線性代數(shù)和計算機科學方面的基礎(chǔ)知識。本課程獲得用好評如潮。
課程鏈接：https://www.coursera.org/learn/machine-learning
二、Udacity平臺—機器學習介紹
這是優(yōu)達學城Udacity關(guān)于Nanodegree課程的一部分，本課程大約10周，教授使用機器學習技術(shù)來提取有用的內(nèi)涵信息，進而處理相關(guān)數(shù)據(jù)集所需掌握的所有知識。Sebastian Thrun和Katie Malone教授希望初學者預先了解基本的統(tǒng)計概念和Python編程語言。
本課程教你從聚類決策樹的所有相關(guān)知識，從ML算法如Adaboost算法到支持向量機算法（SVMs）。我們也建議你可以先修一些介紹諸如數(shù)據(jù)處理、數(shù)據(jù)分析、信息可視化的數(shù)據(jù)通信、多尺度數(shù)據(jù)等數(shù)據(jù)科學入門課程。
課程鏈接：https://cn.udacity.com/course/intro-to-machine-learning--ud120
三、EdX平臺—數(shù)據(jù)學習課程《機器學習導論》
Yaser S. Abu-Mostafa是來自加州理工學院的電氣工程與計算機科學的教授，他將會為你講授機器學習的基本理論原理、算法和應用。
這門課程將持續(xù)10周，每周需要10-20小時的學習時間。另外，他們還有一門5周的課程——面向數(shù)據(jù)科學與分析的機器學習（ Machine Learning for Data Science andAnalytics）（鏈接：https://www.edx.org/course/machine-learning-data-science-analytics-columbiax-ds102x-0），在這門課程中初學者能夠?qū)W到更多算法方面的知識。
課程鏈接：https://www.edx.org/course/learning-data-introductory-machine-caltechx-cs1156x#!
四、YouTube—統(tǒng)計機器學習
高級機器學習這門視頻講座（發(fā)布在YouTube上）的主講人是Larry Wasserman，他是卡耐基.梅隆大學統(tǒng)計系和機器學習系的教授。
學習這門課程的前提是已經(jīng)學習過他專門為博士生設(shè)計的中間統(tǒng)計和機器學習（10-715）兩門課程。如果你沒有參加過這兩門課程的學習，那么你需要確保你在數(shù)學、計算機科學和統(tǒng)計學方面有足夠的知識儲備。
課程鏈接：https://www.youtube.com/watch?list=PLTB9VQq8WiaCBK2XrtYn5t9uuPdsNm7YE&v=zcMnu-3wkWo
五、Coursera—《機器學習神經(jīng)網(wǎng)絡》
Coursera提供的這門16周的高級課程由多倫多大學著名的退休教授、曾就職于谷歌山景總部的格里高利欣頓執(zhí)教。作為深度學習領(lǐng)域的開拓者，YouTube上欣頓的視頻課程講授神經(jīng)網(wǎng)絡在圖像分割、人體運動、建模語言、語音與目標識別等方面的應用，要求學生熟悉微積分并有Python編程經(jīng)驗。
課程鏈接：https://www.youtube.com/watch?list=PLoRl3Ht4JOcdU872GhiYWf6jwrk_SNhz9&v=cbeTc-Urqak
六、Udacity—谷歌的深度學習課程
Udacity提供的這門免費課程“將機器學習帶入了新的階段”。谷歌這門為期三個月的課程并不是為初學者設(shè)計的，它介紹的是深度學習、深度神經(jīng)網(wǎng)絡、卷積網(wǎng)絡的動機，以及面向文本和序列的深度模型。
課程導師Vincent Vanhoucke 和 Arpan Chakraborty希望參與者能夠具有Python和GitHub編程經(jīng)驗，并且了解機器學習、統(tǒng)計學、線性代數(shù)和微積分的基本概念。區(qū)別其他平臺課程，TensorFlow（谷歌內(nèi)部深度學習圖書館）課程的好處是學生可以自定義學習進度。
課程鏈接：https://cn.udacity.com/course/deep-learning--ud730
七、Kaggle平臺—關(guān)于機器學習的R語言教程
DataCamp平臺提供這一交互式學習體驗，有助于你脫穎而出。此外還提供一個《R入門》的免費課程。
課程鏈接：https://www.kaggle.com/news
八、EdX在線平臺—機器學習原理課程
作為在數(shù)據(jù)科學領(lǐng)域微軟認證考試的一部分，這門為期六周的課程只是中級水平，它將教會你如何通過Python、R和Azure機器學習來構(gòu)建并使用機器學習模型。
Steve Elston 博士和 Cynthia Rudin兩位導師將介紹分類和回歸算法在機器學習、監(jiān)督模型、非線性模型、聚類和推薦系統(tǒng)中的應用。另外，如需認證證書，需額外付款。
課程鏈接：https://www.edx.org/course/principles-machine-learning-microsoft-dat203-2x-2
九、Coursera—《機器學習專業(yè)證書課程》
華盛頓大學利用實際案例研究已開設(shè)5門講授機器學習基礎(chǔ)的課程。這6周的課要求每周5至8小時的學習，涵蓋機器學習基礎(chǔ)、分類、聚類、退化、推薦系統(tǒng)以及降維、采用深度學習的工程。
來自亞馬遜的Emily Fox 和 Carlos Guestrin將會作為這門課程的導師，他們希望參與者能夠具備基本的數(shù)學和編程技能，同時具有Python編程的工作經(jīng)驗。這門課程是免費的，但取得證書需要額外付費。
課程鏈接：https://www.coursera.org/specializations/machine-learning
人工智能課程：
一、EdX在線平臺的人工智能課程
來自EdX在線課堂平臺的這門課程主要介紹的是人工智能的應用，例如機器人、自然語言處理、機器學習算法（人工智能分支）、數(shù)據(jù)結(jié)構(gòu)、博弈算法和約束滿足問題。這門課程是來自哥倫比亞大學的高級教程，將會持續(xù)12周。
課程鏈接：https://www.edx.org/course/artificial-intelligence-ai-columbiax-csmm-101x
二、Udacity—《人工智能入門》
此課程講授人工智能的“典型應用”，是Udacity的機器學習工程師Nano學位課程的一部分，
Sebastian Thrun和Peter Norvig兩位導師將會帶領(lǐng)你學習貝葉斯網(wǎng)絡、統(tǒng)計學和機器學習等人工智能的基礎(chǔ)課程，以及自然語言處理、機器人和圖像處理等人工智能應用。參與課程的學生需要掌握線性代數(shù)和概率論知識。
課程鏈接：https://cn.udacity.com/course/intro-to-artificial-intelligence--cs271
三、《人工智能：原理與技術(shù)》
這個斯坦福大學的課程講授如何使用數(shù)學工具處理諸如機器翻譯、語音和人臉識別以及自動駕駛等復雜問題。您可以先看授課大綱——機器學習概念、樹搜索、動態(tài)規(guī)劃、啟發(fā)式搜索、博弈、馬爾科夫決策過程、約束滿足問題、貝葉斯網(wǎng)絡、邏輯以及任務規(guī)劃。
課程鏈接：http://web.stanford.edu/class/cs221/
四、Udacity—喬治亞理工學院的《機器人人工智能》
由Udacity在線平臺提供的這門課程主要介紹的是斯坦福大學和谷歌聯(lián)合開發(fā)的自動駕駛技術(shù)。它是深度學習無學位基礎(chǔ)課程的一部分。Sebastian Thrun導師將會介紹定位算法、卡爾曼濾波和粒子濾波，PID控制，和即時定位與地圖構(gòu)建（SLAM）技術(shù)。這門課程需要參與者熟練掌握線性代數(shù)和概率論等數(shù)學知識，會用Python，并且有編程經(jīng)驗。
課程鏈接：https://cn.udacity.com/course/artificial-intelligence-for-robotics--cs373
