打boss，不如面对机器学习的大boss。作者整理的这套课程从入门到高级，快来提升你的排名吧！提示：Coursera上的大多数课程和专业都有审核选项。用户不会获得认证，但他们可以访问本课程的大部分资源，这就足够了。注册时，只需选择选项即可查看课程。Coursera将提供免费试用，就在“开始免费试用”按钮的后面，您可以找到一行小字，上面写着“复习课程”。这个技巧很难被发现，但它也非常有用。我仔细检查了所有推荐的课程，它们应该都是免费的。A.StubbornBronze1.机器学习平台：Coursera参与机构：Stanford所需时间：54小时前期要求：无要求，但对微积分，尤其是线性代数有一定的了解会更好，可以最大程度的帮助理解这个培训班。点评：吴恩达的课程还需要推荐吗？！他是斯坦福大学的教授，也是Coursera的创始人之一。他开发了机器学习领域最早的在线课程之一，至今仍可在YouTube上观看。查看。课程摘要：本课程广泛介绍了机器学习、数据挖掘和统计模式识别。主题包括：监督学习（参数/非参数算法、支持向量机、内核、神经网络）；无监督学习（聚类、降维、推荐系统、深度学习）；机器学习的最佳实践（偏差/方差理论；机器学习和人工智能的创新过程）。主题包括：线性回归逻辑回归神经网络正则化降维支持向量机无监督学习异常检测推荐系统2.Python中的机器学习使用平台：Coursera参与机构：IBM所需时间：22小时先修要求：基础数学知识原理。评价：虽然该课程自称为“中级”，但我认为它对新手来说是一个很好的起点。如果觉得斯坦福的课程有点长，这门课也是不错的选择。课程摘要：本课程使用易于理解且通用的编程语言Python深入研究机器学习的基础知识。该课程包括两个主要部分：机器学习的目的及其在现实世界中的应用；随后了解机器学习主题的一般概述，例如监督学习与非监督学习、模型评估和机器学习算法。主题包括：回归聚类分类推荐系统B.荣耀金牌3.神经网络与深度学习平台：Coursera参与机构：deeplearning.ai所需时间：30小时优先要求：Python编码经验，高中数学水平，机器学习的一些知识或者深度学习会更好。点评：在笔者看来，一旦你掌握了机器学习的基本概念并熟悉了Python，下一步可能就是TensorFlow，它现在被用来运行许多计算密集型算法。AndrewNg也是Deeplearning.ai的创建者，因此也是本课程的提供者。课程摘要：在本课程中，您将学习深度学习的基础知识。完成本课程后您将收获：了解推动深度学习的主要技术趋势了解如何实现高效（矢量化）神经网络了解神经网络架构中的关键参数能够构建、训练和应用完全连接的深度神经网络课程还将介绍深度学习的实际工作原理，而不仅仅是提供粗略或肤浅的描述。主题包括：深度学习神经网络简介神经网络基础知识深度神经网络4.卷积神经网络平台：Coursera参与机构：deeplearning.ai所需时间：20小时前置要求：需要一些TensorFlow、Python编码基础和高中知识水平数学。点评：继上一门课程之后的又一理想课程。课程摘要：本课程将教您如何构建卷积神经网络并将其应用于图像数据。得益于深度学习，计算机视觉比两年前强大得多，可以实现许多激动人心的应用，从安全的自动驾驶到准确的人脸识别，再到自动读取放射图像。主题包括：卷积神经网络基础知识对象检测深度卷积模型：案例研究特殊应用：人脸识别和神经风格迁移C.最强5.高级机器学习专业使用平台：Coursera参与机构：国立研究型大学高等经济学院（俄罗斯）所需时间：10个月，每周6小时优先要求：已经具备扎实的机器学习和行业数学基础。点评：这是一套完整的专业课程，所以想要节省时间，或者觉得自己技术上不需要的，以及已经在工作中接触过内容或者在之前的课程中学习过的，可以跳过结束了。课程概要：深入研究现代人工智能技术。本课程将教您使用计算机看、画、读、说、玩游戏和解决工业问题。该专业介绍了深度学习、强化学习、自然语言理解、计算机视觉和贝叶斯方法。顶尖的Kaggle机器学习从业者和CERN科学家将分享他们解决现实世界问题的经验，帮助您填补理论与实践之间的差距。主题包括：深度学习简介（32小时）如何赢得数据科学竞赛：向顶级Kagglers学习（47小时）机器学习的贝叶斯方法（30小时）对象检测的实用强化学习（30小时）计算机视觉中的深度学习（17课时）自然语言处理（32课时）用机器学习解决大型强子对撞机的挑战（24课时）看这条条理分明的进阶路径，心动不如行动，《最强王者》就是去给你打电话！
