資源|機器學習/深度學習線上開放課程集錦

2021-03-02 機器學習算法工程師

[CMU: 11-785 Introduction to Deep Learning](http://deeplearning.cs.cmu.edu/) [Spring 2018] [DL]

[Stanford: CS230 Deep Learning](https://web.stanford.edu/class/cs230/) [Winter 2018][DL] [[Ng中文筆記-黃海廣](http://www.ai-start.com/)]

[University of Chicago: CMSC 35246 Deep Learning ](http://ttic.uchicago.edu/~shubhendu/Pages/CMSC35246.html) [Spring 2017][DL]

[Stanford: CS231n Convolutional Neural Networks for Visual Recognition](http://cs231n.stanford.edu/) [Spring 2017][CV] [[中文翻譯](http://www.mooc.ai/course/268#modal)]

[Stanford: CS224n Natural Language Processing with Deep Learning](http://web.stanford.edu/class/cs224n/) [Winter 2018][NLP]

[Stanford: CS 20 Tensorflow for Deep Learning Research](http://web.stanford.edu/class/cs20si/) [Winter 2018][TensorFlow]

[Stanford: Theories of Deep Learning (STATS 385)](https://stats385.github.io/) [Fall 2017][DL]

[CMU: 10707 Deep Learning](http://www.cs.cmu.edu/~rsalakhu/10707/) [Fall 2017][DL]

[National Taiwan University: Applied Deep Learning /Machine Learning and Having It Deep and Structured](https://www.csie.ntu.edu.tw/~yvchen/f106-adl/) [2017 Fall][DL] [[Hung-yi Lee](http://speech.ee.ntu.edu.tw/~tlkagk/index.html)]

[Theano: Deep Learning Tutorials](http://deeplearning.net/tutorial/) [Theano]

[Mxnet: Deep Learning-The Straight Dope](http://gluon.mxnet.io/) [2017][Mxnet] [[中文](http://zh.gluon.ai/)]

[MIT: 6.S191 Introduction to Deep Learning](http://introtodeeplearning.com/) [2018][DL]

[UVA: DEEP LEARNING COURSE](http://uvadlc.github.io/) [DL]

[Fast.ai: Practical Deep Learning For Coders](http://course.fast.ai/) [2018][DL]

[CMU: CS 11-747 Neural networks fro NLP](http://phontron.com/class/nn4nlp2018/#) [Spring 2018][NLP]

[Stanford: CS224S / LINGUIST285 - Spoken Language Processing](http://web.stanford.edu/class/cs224s/) [Spring 2017][Speech Recognition]

[Berkeley: CS 294-131: Special Topics in Deep Learning](https://berkeley-deep-learning.github.io/cs294-131-f17/) [Fall 2017][Advanced DL]

[CMU: 16-385 Computer Vision](http://www.cs.cmu.edu/~16385/) [Spring 2018][CV]

[Columbia University: E6894 Deep Learning for Computer Vision, Speech, and Language](http://llcao.net/cu-deeplearning17/schedule.html) [Spring 2017][DL]

[Colorado: CSCI 5922 Neural Networks and Deep Learning](https://www.cs.colorado.edu/~mozer/Teaching/syllabi/DeepLearningFall2017/) [Fall 2017][DL]

[UIUC: CS 598 LAZ Cutting-Edge Trends in Deep Learning and Recognition](http://slazebni.cs.illinois.edu/spring17/) [2017][DL]

[UPC: Deep Learning for Speech and Language](https://telecombcn-dl.github.io/2017-dlsl/) [2017 Winter][Speech Recognition]

[toronto: CSC 321 Intro to Neural Networks and Machine Learning](http://www.cs.toronto.edu/~rgrosse/courses/csc321_2018/) [CSC 321 Winter 2018][DL]

1.[toronto: CSC420: Intro to Image Understanding](http://www.teach.cs.toronto.edu/~csc420h/fall/) [Fall 2017][CV]

相關焦點

  • 資源推薦|機器學習與深度學習視頻和書籍資源拿去!
    網絡上有大量視頻課程和教程，其中許多都是免費的。
  • 【乾貨薈萃】機器學習&深度學習知識資料大全集(二)(論文/教程/代碼/書籍/數據/課程等)
    【導讀】轉載來自ty4z2008（GItHub）整理的機器學習&深度學習知識資料大全薈萃，包含各種論文、代碼、視頻、書籍、文章、數據等等。是學習機器學習和深度學習的必備品！  介紹:Spark上的Keras深度學習框架Elephas.
  • 「停課不停學」 曠視《深度學習實踐》線上課程免費開放!
    截至2月2日，教育部組織22個在線課程平臺免費開放在線教程2.4萬餘門。人工智慧企業曠視也在積極響應國家政策，向全社會免費開放《深度學習實踐》全套課程！《深度學習實踐》課程是由曠視研究院聯合北京大學數學科學學院機器學習實驗室共同開設的系列深度學習精品課程之一，已連續開設3年。
  • 資源|李宏毅中文《機器學習/深度學習》2019上線(附ppt及視頻分享)
    ，第一時間送達近日，李宏毅上線了 2019 最新版的機器學習課程，授課語言為中文，且全部開放了課程視頻。吳恩達、李飛飛等大牛的機器學習、深度學習公開課都乾貨滿滿，惠及很多學者。但是很遺憾的是他們的課程都是英文的，對於中文較差些的學生很不友好，而另外一位臺灣大學（NTU）的博士李宏毅則也是幽默風趣，在課程中加入二次元的元素，最重要的是中文授課，可以說非常適合我們入門或者重溫機器學習/深度學習的知識，我們也將這門課程推薦給大家~一、作者介紹：李宏毅（Hung-yi Lee）目前任臺灣大學電機工程學系和電機資訊學院的助理教授
  • 竺院 | 美國麻省理工學院2020暑期「機器學習+」在線學習課程(線上)
    ThoughtBridge 自主研發的線上學習平臺，採用全新模式展開。    2020年8月2日-2020年8月22日 項目課程共40小時，涵蓋20小時的機器學習方法(Machine Learning, ML)與20小時的機器學習延伸應用(Track)。學生每天將完成2小時的線上學習（包括視頻、作業、測驗等）。
  • 停課不停學|曠視×北大《深度學習實踐》課程全面開放!
    曠視研究院聯合北京大學數學科學學院機器學習實驗室開設的《深度學習實踐》全套課程（視頻+PPT，共計28課時）今日正式全面上線，讓你足不出戶也能享有高水平的教學資源。「與其疫情宅家玩遊戲，不如家裡蹲大學把課上。」
  • 資源 | 吳恩達斯坦福CS230深度學習課程全套資料放出(附下載)
    吳恩達老師對斯坦福CS230深度學習課程資源進行開放了，大家都知道吳恩達老師最出名的是他在coursera的機器學習課程，可以說讓很多剛開始接觸機器學習（ML）的小白入門該領域。上次整理了關於吳恩達新書，教你構建機器學習項目：《Machine Learning Yearning》，大家想獲取的可以直接在公眾號後臺回複數字「22」查看獲取方式！最近吳恩達在斯坦福又開了一門學分課，這門課涉及到深度學習的基礎知識、神經網絡構建，以及如何完成一個成功的機器學習項目。
  • 這是一份超全機器學習&深度學習資源清單(105個AI站點),請收藏!
    本文由專知整理howie6879在Github上維護了一個機器學習網站導航以及資源的目錄，包含了新聞資訊、課程、比賽、項目、文檔等導航連結
  • 吳恩達授課,斯坦福CS230深度學習課程資源開放
    這一門課程結合 Coursera 課外教學與課內教學展示了深度學習的基本概念與完整結構，機器之心簡要介紹了該課程及基本內容。課程簡介：深度學習是 AI 領域中最受歡迎的技能之一。這門課程將幫助你學好深度學習。
  • 這是一份超全機器學習&深度學習網站資源清單(105個AI站點),請收藏!
    【導讀】howie6879在Github上維護了一個機器學習網站導航以及資源的目錄，包含了新聞資訊、課程、比賽、項目、文檔等導航連結，主流的都涵蓋到
  • 機器學習&深度學習經典資料匯總(續)
    機器學習周刊目前主要提供中文版，還是面向廣大國內愛好者，內容涉及機器學習、數據挖掘、並行系統、圖像識別、人工智慧、機器人等等。謝謝作者《線性代數》介紹：《線性代數》是《機器學習》的重要數學先導課程。其實《線代》這門課講得淺顯易懂特別不容易，如果一上來就講逆序數及羅列行列式性質，很容易讓學生失去學習的興趣。
  • 資源│機器學習、深度學習、算法工程師等 AI 相關崗位面試需要知識
    本資源整理了機器學習、深度學習、算法工程師等 AI 相關崗位面試需要知識點，常見代碼實戰（分為 C/C++和 python 版本）、常見問題，簡歷模板
  • MILA 2018夏季深度學習與強化學習課程資源大放送
    MILA 2018 深度學習與強化學習夏季課程目前已經開放了教學資源，機器之心簡要介紹了該課程所開放的資源與課程主題，讀者可參考這些主題選擇合適的課程
  • 學界 | MIT深度學習課程全部視頻及課件開放
    近期又開放了一門更偏概述的深度學習課程——6.S191: Introduction to Deep Learning（深度學習入門），官方介紹該課程為一門對深度學習算法和應用的入門課程（An introductory course on deep learning algorithms and their applications）。
  • 【線上】MATLAB數據分析、圖形圖像處理、機器學習與深度學習在線培訓班
    培訓班實實在在地提高了學員Matlab數據分析、圖形圖像處理、Simulink仿真、算法開發、機器學習與深度學習科研水平和解決實際科研問題能力，通過實際操作和訓練，讓學員們掌握了Matlab軟體使用的方法，獲得一致好評。
  • 【乾貨薈萃】機器學習&深度學習知識資料大全集(一)(論文/教程/代碼/書籍/數據/課程等)
    通過學習，你也將實現多個功能學習/深度學習算法，能看到它們為你工作，並學習如何應用/適應這些想法到新問題上。本教程假定機器學習的基本知識（特別是熟悉的監督學習，邏輯回歸，梯度下降的想法），如果你不熟悉這些想法，我們建議你去這裡機器學習課程，並先完成第II，III，IV章（到邏輯回歸）。
  • 資源連結|深度學習教程資源整理(伯克利、斯坦福、MIT、阿里、吳恩達)
    當然是大名鼎鼎的斯坦福公開課 CS224N 了，它和計算機視覺方面的課程 CS231n 堪稱絕配。但是自 2017 年以來，NLP 有了很多重大的變化，包括 Transformer 和預訓練語言模型等。目前開放的視頻仍然是 17 年年初的課程，很多激動人心的前沿模型都沒有介紹。不過在最近展開的 CS224N 2019 的課程中，其表明這一次的課程視頻將放到 YouTube 上！
  • AI | 怎樣快速入門機器學習和深度學習?
    編者按：入門機器學習和深度學習並不是一件容易的事情。需要學習大量的知識，初學者常常會迷茫不知所措。現在我們給你帶來一篇純乾貨，幫助你入門機器學習和深度學習。初學機器學習可能有一個誤區，就是一上來就陷入到對各種高大上算法的追逐當中。動不動就我能不能用深度學習去解決這個問題啊？我是不是要用boosting算法做一些模型融合啊？
  • 近200篇機器學習&深度學習資料分享
    通過學習，你也將實現多個功能學習/深度學習算法，能看到它們為你工作，並學習如何應用/適應這 些想法到新問題上。本教程假定機器學習的基本知識（特別是熟悉的監督學習，邏輯回歸，梯度下降的想法），如果你不熟悉這些想法，我們建議你去這裡機器學習課程，並先完成第 II，III，IV 章（到邏輯回歸）。
  • 5大在線學習機器學習課程推薦
    機器學習是人工智慧（AI）的一個子集，是計算科學領域，專注於解釋，分析數據中的模式和結構，以便在沒有任何人為幹預的情況下進行學習和決策。簡單來說，機器學習允許用戶向計算機提供算法，數據支持，讓計算機對其進行分析，並僅根據輸入數據做出決策。