機器之心整理
參與：張倩、杜偉
入門機器學習是一個循序漸進的過程，優質的學習資源和科學的學習路線缺一不可。在本文中，來自英偉達人工智慧應用團隊的計算機科學家 Chip Huyen 不僅列出了十大優質的免費機器學習課程資源，還將其串成了一條高效的學習路線。
Chip Huyen 是一位來自越南的作家和計算機科學家，現居於美國矽谷，就職於英偉達人工智慧應用團隊。
Chip Huyen
她本科和碩士均就讀於史丹福大學計算機科學專業，曾開設和講授課程《TensorFlow for Deep Learning Research》。
該課程連結：http://web.stanford.edu/class/cs20si/
她還曾協助推出越南第二受歡迎的網絡瀏覽器 Coc Coc，每月活躍用戶數量達 2000 萬以上。
她目前正在進行的一些項目包括 SOTAWHAT（查詢和總結 SOTA 人工智慧研究成果）、OpenSeq2Seq（利用語音識別、Text2Speech 和 NLP 進行高效實驗的工具包）以及 Free Hugs Vietnam（為越南青少年提供軟技能的非盈利項目）等。
以下是她給出的《機器學習》資源清單和路線：
1. 斯坦福《概率與統計（Probability and Statistics）》
連結：https://online.stanford.edu/courses/gse-yprobstat-probability-and-statistics
簡介：這門課程涵蓋了概率和統計學的基本概念，涉及機器學習的四個基本方面：探索性數據分析、生產數據、概率和推理。
2.MIT《線性代數（Linear Algebra）》
連結：https://ocw.mit.edu/courses/mathematics/18-06-linear-algebra-spring-2010/
簡介：這門課程的授課教師為《線性代數導論》、《
線性代數與數據學習
》的作者 Gilbert Strang。該課程與《線性代數導論》中的理論和應用知識相輔相成，挑選了書中四個關鍵的應用：圖和網絡；微分方程組；最小二乘與投影；傅立葉級數和快速傅立葉變換。作者表示，這是自己見過的最好的線性代數課程。
Gilbert Strang
3. 斯坦福 CS231N《用於視覺識別的卷積神經網絡（Convolutional Neural Networks for Visual Recognition）》
連結：https://www.youtube.com/playlist?list=PLzUTmXVwsnXod6WNdg57Yc3zFx_f-RYsq
簡介：這門課程的特點是理論與實踐並重。課程 PPT 用了可視化的方式解釋反向傳播、損失、正則化、dropout、batchnorm 等比較難以理解的概念。
4.fastai《程式設計師深度學習實戰（Practical Deep Learning for Coders）》
連結：https://course.fast.ai/
簡介：這門實踐課程是面向新手的，不要求參與者擁有大學水平的數學知識，也不要求參與者有很多的數據，但需要一年的編程經驗，還需要配備一塊 GPU。此外，該課程還有一個論壇，專門用來討論 ML 的