点击上方“计算机视觉life”，选择“星标”
快速获得最新干货
今天给大家推荐 10 个机器学习课程清单，含课程视频。这份教程是由一名来自硅谷的计算机科学家 Chip Huyen。Chip Huyen 是毕业于斯坦福大学计算机科学理学学士和硕士学位，在那里她创建并教授了 《TensorFlow 深度学习课程》。
Chip Huyen 主页：
https://huyenchip.com/
言归正传，这份机器学习课程清单由爱可可老师整理和搬运，并强烈推荐！下面逐一介绍。
1、《Probability and Statistics》（斯坦福概率和统计）
本课程旨在提供一个方便、包容和支持的概率和统计学习方法。方便所有人快速掌握核心知识。
课程地址：
https://online.stanford.edu/courses/gse-yprobstat-probability-and-statistics
2. 《Linear Algebra》（MIT 线性代数）
课程地址：
https://ocw.mit.edu/courses/mathematics/18-06-linear-algebra-spring-2010/
3. 《CS231N: Convolutional Neural Networks for Visual Recognition》（斯坦福卷积网络视觉识别）
课程主页：
http://cs231n.stanford.edu/
油管视频：
https://www.youtube.com/playlist?list=PL3FW7Lu3i5JvHM8ljYj-zLfQRF3EO8sYv
B 站视频：
https://www.bilibili.com/video/av13260183/
4. 《Practical Deep Learning for Coders》（fastai 程序员深度学习实战）
课程主页：
https://course.fast.ai/
油管视频：
https://www.youtube.com/playlist?list=PLfYUBJiXbdtSIJb-Qd3pw0cqCbkGeS0xn
参考资料：
https://www.fast.ai/2019/01/24/course-v3/
B 站视频：
https://www.bilibili.com/video/av41718196/
5. 《CS224N: Natural Language Processing with Deep Learning》（斯坦福深度学习自然语言处理）
课程主页：
http://web.stanford.edu/class/cs224n/index.html#schedule
油管视频：
https://www.youtube.com/playlist?list=PLU40WL8Ol94IJzQtileLTqGZuXtGlLMP_
B 站视频：
https://www.bilibili.com/video/av46216519/
6. 《Machine Learning》（Coursera 斯坦福机器学习课程）
这就是吴恩达开设的爆火机器学习入门课！这门课基本涵盖了机器学习的主要知识点，例如：线性回归、逻辑回归、支持向量机、神经网络、K-Means、异常检测等等。而且课程中没有复杂的公式推导和理论分析。Ng 的目的是让机器学习初学者能够快速对整个机器学习知识点有比较整体的认识，便于快速入门。
课程主页：
https://www.coursera.org/learn/machine-learning
7. 《Probabilistic Graphical Models Specialization》（Coursera 斯坦福概率图模型专项课程）
课程地址：
https://www.coursera.org/specializations/probabilistic-graphical-models
8. 《Introduction to Reinforcement Learning》（DeepMind 强化学习导论）
油管视频：
https://www.youtube.com/playlist?list=PLqYmG7hTraZDM-OYHWgPebj2MfCFzFObQ
9. 《Full Stack Deep Learning Bootcamp》（全栈深度学习训练营）
课程主页：
https://fullstackdeeplearning.com/
B 站视频：
https://www.bilibili.com/video/av49643298
GitHub：
https://github.com/full-stack-deep-learning/fsdl-text-recognizer-project
10-1. 《How to Win a Data Science Competition: Learn from Top Kagglers》（Coursera 跟顶级 Kagglers 学习如何赢取数据科学竞赛）
课程主页：
https://www.coursera.org/learn/competitive-data-science
10-2《BerkeleyX: CS188.1x Artificial Intelligence》（伯克利 AI）
课程主页：
https://inst.eecs.berkeley.edu/~cs188/fa18/
edX 课程地址：
https://courses.edx.org/courses/BerkeleyX/CS188.1x-4/1T2015/course/
B 站视频：
https://www.bilibili.com/video/av39489278/
爱可可老师这样评价：添完搬运链接，有那么一瞬间被自己感动了。作为读者，看到这 10 个机器学习清单列表，感觉又有的看了！
感兴趣的读者可以按照清单顺序学习，也可以根据自己的实际情况挑选相应的课程学习。希望对大家有所帮助！
交流群
欢迎加入公众号读者群一起和同行交流，目前有SLAM、算法竞赛、图像检测分割、人脸人体、医学影像、自动驾驶、综合等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~
高效对接AI领域项目合作、咨询服务、实习、求职、招聘等需求，背靠25W公众号粉丝，期待和你建立连接，找人找技术不再难！
推荐阅读
公开课视频回放 | 基于RGBD和IMU的实时室内SLAM及三维重建
前段时间参加了个线下交流会（附SLAM入门视频）
DeepMind、英国帝国理工学院开放ML暑期课程视频（附资源）
重磅资源 | 完备的 AI 学习路线，最详细的资源汇总！
吐血整理 | 最全机器学习工具手册
如何学会看arxiv.org才能不错过自己研究领域的最新论文？
最新AI干货，我在看 
