這門課程花費了很多的課時去講解監督學習算法，例如線性回歸、邏輯回歸、SVM等，同時也花了很多時間去討論無監督學習算法，例如聚類、降維和異常檢測等等。
本課程中還涉及到了一些機器學習在學術界和工業界的應用，像推薦系統、計算機視覺的滑動窗口對象分類等。這門課能夠很好地幫助剛接觸人工智能的同學們入門，如果認真地去完成課后作業，也會使同學們在相關工具的使用上變得熟練。
鏈接：https://www.bilibili.com/video/av9912938
這是一門非技術類的課程，更主要的是談論AI如何布局到公司以及隨著AI的發展會給我們的社會帶來什么樣的影響。但是對于現在在工業界的人士來講，是很有幫助的。
從這門課的大綱來看，我們可以學到常見人工智能的相關概念、人工智能可以做什么，不可以做什么、AI怎么布局到公司中、怎么和AI團隊建立合作以及AI引發的相關倫理道德問題。
鏈接：https://www.coursera.org/learn/ai-for-everyone?action=enroll&errorCode=existingCourseraAccount
這個速成課通過20小時的密集型實踐課程來介紹機器學習的基礎知識，并且附帶TensorFlow練習。谷歌官方稱其為機器學習愛好者的自學指南，并且相關的課程資料都是用中文來編寫的，對于剛入門的大學生和愛好者在知識理解上會有很大的幫助。
鏈接：https://developers.google.com/machine-learning/crash-course
臺灣大學的林軒田老師開的這兩門有關機器學習的課程是全球首例純國語授課的機器學習課程，其中機器學習基石主要涉及一些機器學習的基礎知識，包含了少量的理論知識。另外一門機器學習技法則主要側重機器學習的應用技能，對于有興趣愛好的同學來講十分適合。
鏈接：http://www.csie.ntu.edu.tw/~htlin/mooc/
這門課程是深度學習的進階版，非常適合深度學習的相關從業者，課程內容豐富易懂。但是在學習這門課之前建議大家先去看一下李宏毅老師的《一天搞懂深度學習》的ppt，在ppt中對深度學習的原理，目前的應用和未來的發展進行了相關介紹。在學習完成以后我們就可以學習深度強化學習了。深度強化學習這門課主要介紹了一些高級算法，像策略梯度算法、近端策略優化、Q-learning算法等等，適合想要深入研究深度學習的同學們。
一天搞懂深度學習ppt：http://ishare.iask.sina.com.cn/f/15YsFr66p-a.html
深度強化學習：http://www.bilibili.com/video/av24724071
這門課是全球NLP(自然語言處理)領域最受歡迎的課程之一，不僅能夠讓我們了解豐富的自然語言處理應用案例，而且能讓我們在實踐中去學會搭建最先進的自然語言處理模型。
該課程全面介紹了應用于NLP的深度學習尖端研究。在模型方面，介紹詞向量表示、基于窗口的神經網絡、時間遞歸神經網絡、長期短期記憶模型、結構遞歸神經網絡、卷積神經網絡以及一些涉及存儲器組件的最新模型。通過課后作業，我們能夠掌握神經網絡解決實際NLP問題的必備技巧。
鏈接：http://cs224d.stanford.edu/syllabus.html
計算機視覺在社會中已經逐漸普及，并廣泛運用于搜索檢索、圖像理解、手機應用、地圖導航、醫療制藥、無人機和無人駕駛汽車等領域。而這些應用的核心技術就是圖像分類、圖像定位和圖像探測等視覺識別任務。神經網絡方法上的進展極大地提升了這些代表當前發展水平的視覺識別系統的性能。
這門課程深入講解了深度學習框架的細節問題，聚焦面向視覺識別任務（尤其是圖像分類任務）的端到端學習模型。在10周的課程中，學生們將會學習如何實現、訓練和調試他們自己的神經網絡，并建立起對計算機視覺領域的前沿研究方向的細節理解。最終的作業將包括訓練一個有幾百萬參數的卷積神經網絡，并將其應用到最大的圖像分類數據庫（ImageNet）上。
鏈接：http://vision.stanford.edu/teaching/cs231n/index.html
這門課主要包含以下內容：從監督學習到決策，Q學習和策略梯度，高級模型學習和預測、distillation、獎勵學習，置信域策略梯度、actor-critic 方法、探索等。通過這門課程的學習，能夠讓我們了解最新最前沿的深度學習技術，對于以后不論從事科研或者是項目開發都很有幫助。
課程主頁：http://rll.berkeley.edu/deeprlcourse/
鏈接：https://www.youtube.com/playlist?list=PLkFD6_40KJIznC9CDbVTjAF2oyt8_VAe3
這門課程的針對性較強，主要針對對自動駕駛有興趣的同學，這門課對于無人駕駛能夠應用到的技術進行了詳細的介紹，在介紹深度學習部分，概述了計算機視覺領域研究的難點，深度學習得以大規模發展的幾個原因，目前的幾個制約其發展的因素，深度學習的主要應用等。
這部分可以促進入門者對于深度學習的理解。同時還提出了一些目前自動駕駛方面存在的挑戰，也介紹了常用的框架和工具。有意從事自動駕駛方面工作的同學可以仔細學習一下。
鏈接：https://selfdrivingcars.mit.edu/
在最開始的時候我們提到了Andrew Ng的機器學習課程，這個TensorFlow課程將會教我們怎么用TensorFlow去實現之前學過的機器學習和深度學習的算法。
通過這門課程我們可以開始構建屬于自己的AI項目，有很強的實踐性，這樣我們就可以用學過的知識去解決實際問題。另外課程的所有課后作業基于Google的Colaboratory平臺，有點類似于我們平時用的Jupyter，在線的使用方式讓我們省去了很多配置環境的麻煩。
鏈接：https://www.coursera.org/learn/introduction-tensorflow/
