現(xiàn)如今，在火爆的人工智能領(lǐng)域，面臨的最窘迫的問(wèn)題是越來(lái)越龐大的產(chǎn)業(yè)規(guī)模和國(guó)家每年約500萬(wàn)的相關(guān)人才需求的矛盾。廣闊的發(fā)展前景、巨大的人才缺口和令人心動(dòng)的行業(yè)薪資，讓越來(lái)越多的年輕人選擇了進(jìn)入這一行業(yè)。然而，目前國(guó)內(nèi)開(kāi)設(shè)人工智能專(zhuān)業(yè)的高校不多，學(xué)科建設(shè)不完善，相當(dāng)多的開(kāi)發(fā)者是跨界入門(mén)，需要自學(xué)大量知識(shí)并在實(shí)踐中摸索。面對(duì)網(wǎng)絡(luò)訊息碎片化，培訓(xùn)班種類(lèi)繁多、收費(fèi)昂貴的局面，該如何高效學(xué)習(xí)成為了人工智能入門(mén)的首要難題。

以下，筆者盤(pán)點(diǎn)了學(xué)生中最受歡迎的人工智能網(wǎng)絡(luò)課程，包括吳恩達(dá)的公司Coursera出品的在線(xiàn)課、斯坦福大學(xué)在線(xiàn)課、伯克利大學(xué)在線(xiàn)課等，希望能夠?yàn)榇蠹业膶W(xué)習(xí)提供幫助。

一、機(jī)器學(xué)習(xí)

Machine Learning

主講人：吳恩達(dá) Andrew Ng

發(fā)布平臺(tái)：Coursera

課程鏈接：

https://www./learn/machine-learning#faqs

課程評(píng)價(jià)：在Coursera上，有近5萬(wàn)人給吳恩達(dá)教授這堂課打出4.9的平均分（滿(mǎn)分5分），根據(jù)Freecodecamp統(tǒng)計(jì)，這門(mén)課是所有在線(xiàn)Machine Learning課程中最受好評(píng)的課程。這是一個(gè)機(jī)器學(xué)習(xí)打基礎(chǔ)的入門(mén)理論課，不僅有基本概念的解釋?zhuān)€十分重視聯(lián)系實(shí)際和經(jīng)驗(yàn)總結(jié)：1.課程中吳恩達(dá)老師列舉了許多算法實(shí)際應(yīng)用的例子；2.他提到當(dāng)年他們?nèi)腴T(mén)AI時(shí)面臨的許多問(wèn)題，以及處理這些難題的經(jīng)驗(yàn)?？紤]其廣泛受眾，這門(mén)課程中沒(méi)有涉及過(guò)多的數(shù)學(xué)知識(shí)，對(duì)統(tǒng)計(jì)、IT基礎(chǔ)知識(shí)薄弱的學(xué)生也非常友好。

Learning from Data

主講人：Yaser Abu-Mostafa

發(fā)布平臺(tái)：edX，網(wǎng)易公開(kāi)課

課程鏈接：

https://www./course/caltechx/caltechx-cs1156x-learning-data-2516；

http://open.163.com/special/opencourse/learningfromdata.html

課程評(píng)價(jià)：這是加州理工Yaser Abu-Mostafa教授關(guān)于機(jī)器學(xué)習(xí)的入門(mén)課，但內(nèi)容并不簡(jiǎn)單。該課程強(qiáng)調(diào)數(shù)據(jù)，是因?yàn)闄C(jī)器學(xué)習(xí)與各領(lǐng)域的大數(shù)據(jù)處理應(yīng)用（比如金融、醫(yī)療）聯(lián)系十分緊密。這門(mén)課內(nèi)容涵蓋基礎(chǔ)理論、算法和應(yīng)用，平衡了理論與實(shí)踐，既覆蓋數(shù)學(xué)統(tǒng)計(jì)，也包含啟發(fā)式的概念理解。不少人評(píng)論該課程結(jié)構(gòu)就像講故事，它有助于學(xué)習(xí)者形成對(duì)機(jī)器學(xué)習(xí)概念和模型深度、直覺(jué)性的理解。學(xué)習(xí)者公認(rèn)它內(nèi)容非常充實(shí)，但對(duì)作業(yè)模塊的爭(zhēng)議很大：有人認(rèn)為難度偏高并且缺乏反饋，有人認(rèn)為它是網(wǎng)上能找到的、最好的機(jī)器學(xué)習(xí)練習(xí)。

Neural Networks for Machine Learning

主講人：Geoffrey Hinton

發(fā)布平臺(tái)：Coursera

課程鏈接：

https://www./learn/neural-networks#ratings

課程評(píng)價(jià)：Geoffrey Hinton的這門(mén)課程可以作為吳恩達(dá)的機(jī)器學(xué)習(xí)課的進(jìn)階課程，難度相對(duì)來(lái)說(shuō)有所提升，要求學(xué)生有微積分、Python基礎(chǔ)，涉及許多專(zhuān)有名詞，對(duì)初學(xué)者難度較大，需自己查找相關(guān)資料。網(wǎng)友認(rèn)為“學(xué)習(xí)這么課對(duì)我來(lái)說(shuō)真是大開(kāi)眼界，而且就我所知，這門(mén)課相當(dāng)接近深度學(xué)習(xí)領(lǐng)域最前沿的技術(shù)。這門(mén)課的習(xí)題比吳恩達(dá)的課更詳細(xì)，更具挑戰(zhàn)性，因此我最終學(xué)到了更多?！?/p>

Machine Learning

主講人：Tom Mitchell

發(fā)布平臺(tái)：CMU 官網(wǎng)

課程鏈接：

http://www.cs./~tom/10701_sp11/

課程評(píng)價(jià)：這門(mén)課是學(xué)界人士的最?lèi)?ài)，是入門(mén)課程之中較全面、高階的一門(mén)，覆蓋的話(huà)題非常廣，按先后次序包括：代數(shù)和概率論，機(jī)器學(xué)習(xí)的基礎(chǔ)工具，概率圖模型，AI，神經(jīng)網(wǎng)絡(luò)，主動(dòng)學(xué)習(xí)，增強(qiáng)學(xué)習(xí)。這門(mén)課程能幫助學(xué)習(xí)者理清機(jī)器學(xué)習(xí)的發(fā)展脈絡(luò)。它適合計(jì)劃進(jìn)行系統(tǒng)性學(xué)習(xí)、投入大量時(shí)間的人。對(duì)于初學(xué)者，建議至少聽(tīng)完吳恩達(dá)的機(jī)器學(xué)習(xí)課程之后，再修這一門(mén)。

機(jī)器學(xué)習(xí)基石

主講人：林軒田

發(fā)布平臺(tái)：Coursera

課程鏈接：

上：https://www./learn/ntumlone-mathematicalfoundations

下：https://www./learn/ntumlone-algorithmicfoundations

課程評(píng)價(jià)：這是為漢語(yǔ)學(xué)子量身定做的入門(mén)課，相當(dāng)于臺(tái)灣大學(xué)機(jī)器學(xué)習(xí)課程前半學(xué)期的課，教授的是機(jī)器學(xué)習(xí)最核心的知識(shí)。林老師是教科書(shū)《Learning From Data》的作者之一，是華人機(jī)器學(xué)習(xí)領(lǐng)域年輕有為的青年學(xué)者。這門(mén)課程十分用心細(xì)致，內(nèi)容比吳恩達(dá)老師的入門(mén)課程稍稍充實(shí)一些。林老師表示，針對(duì)頂級(jí)機(jī)器學(xué)習(xí)公開(kāi)課全是英語(yǔ)授課的現(xiàn)狀，不少學(xué)生反映英語(yǔ)教學(xué)有不易吸收之處。因此，借推出這門(mén)課程，希望幫助漢語(yǔ)為母語(yǔ)的學(xué)生減少入門(mén)難度。

Machine Learning for Undergraduates

主講人：Nando de Freitas

發(fā)布平臺(tái)：Youtube

課程鏈接：

https://www./playlist?list=PLE6Wd9FR--Ecf_5nCbnSQMHqORpiChfJf

課程評(píng)價(jià)：Nando de Freitas是機(jī)器學(xué)習(xí)領(lǐng)域非常杰出的學(xué)者。他的這門(mén)課同樣很適合作為吳恩達(dá)老師機(jī)器學(xué)習(xí)的進(jìn)階課程，補(bǔ)充了一些“機(jī)器學(xué)習(xí)”的概念，并且重點(diǎn)強(qiáng)調(diào)數(shù)學(xué)知識(shí)。Nando de Freitas對(duì)諸如概率論、log likelihood 等基礎(chǔ)數(shù)學(xué)原理做了很好的講解，并以此為基礎(chǔ)介紹更高級(jí)的數(shù)學(xué)、統(tǒng)計(jì)概念。

二、深度學(xué)習(xí)

Pratical Deep Learning for Coders，Part 1

主講人：Jeremy Howard

發(fā)布平臺(tái)：

課程鏈接：

http://course./

課程評(píng)價(jià)：它是一門(mén)實(shí)戰(zhàn)性極強(qiáng)的課程。身為Kaggle競(jìng)賽冠軍的Jeremy Howard親自教授如何打造業(yè)界最好的深度神經(jīng)網(wǎng)絡(luò)。Jeremy Howard在課程中分享了那些真正在工程實(shí)踐中使用過(guò)，并且證明行之有效的方法，而不僅僅是那些理論上的定義和公式。

Deepinglearning.ai Specialization

主講人：吳恩達(dá) Andrew Ng

發(fā)布平臺(tái)：

課程鏈接：

https://www./

課程推薦：這是吳恩達(dá)老師離開(kāi)百度后推出的第一個(gè)深度學(xué)習(xí)項(xiàng)目（)的一個(gè)課程，課程口號(hào)是：Master Deep Learning,and Break into AI.該課程是一個(gè)自下而上教你神經(jīng)網(wǎng)絡(luò)原理的課程體系，淺顯易懂，處于初級(jí)-中級(jí)難度。這個(gè)課程有助于加強(qiáng)對(duì)深度學(xué)習(xí)的了解，對(duì)神經(jīng)網(wǎng)絡(luò)已經(jīng)有了一定基礎(chǔ)的人來(lái)說(shuō)，這個(gè)課程還能加強(qiáng)參數(shù)搜索技巧。很多人認(rèn)為這是目前互聯(lián)網(wǎng)上最適合入門(mén)深度學(xué)習(xí)的系列課程，能夠幫助學(xué)者構(gòu)建對(duì)該領(lǐng)域的基本理解。

Deep learning at Oxford 2015

主講人：Nando de Freitas

發(fā)布平臺(tái)：oxford官網(wǎng)

課程主頁(yè)：

http://www.cs./people/nando.defreitas/

課程評(píng)價(jià)：Nando de Freitas于2013年轉(zhuǎn)入牛津任教，這是他2014-2015學(xué)年在牛津大學(xué)的全套深度學(xué)習(xí)課程。它介紹了神經(jīng)網(wǎng)絡(luò)、反向傳播、玻爾茲曼機(jī)、自動(dòng)編碼器、卷積神經(jīng)網(wǎng)絡(luò)和遞歸神經(jīng)網(wǎng)絡(luò)的基本背景，說(shuō)明了深度學(xué)習(xí)如何影響我們對(duì)智力的理解，并有助于智能機(jī)器的實(shí)際設(shè)計(jì)。

CS231n：Convolutional Neural Networks for Visual Recognition

主講人：李飛飛

發(fā)布平臺(tái)：GitHub

課程地址：

http://cs231n./

課程評(píng)價(jià)：這門(mén)面向計(jì)算機(jī)視覺(jué)的深度學(xué)習(xí)課程由Fei-Fei Li教授掌舵，內(nèi)容面向斯坦福大學(xué)學(xué)生，貨真價(jià)實(shí)，評(píng)價(jià)頗高。雖然課程名稱(chēng)是卷積神經(jīng)網(wǎng)絡(luò)和圖像識(shí)別，但前期進(jìn)行了大量關(guān)于Python開(kāi)發(fā)環(huán)境搭建、神經(jīng)網(wǎng)絡(luò)原理等基礎(chǔ)知識(shí)的介紹，適合初學(xué)者認(rèn)真研讀。

Deep Learning

主講人：Yann Lecun

發(fā)布平臺(tái)：法蘭西學(xué)院官網(wǎng)

課程地址：

https://www./site/en-yann-lecun/course-2016-04-15-11h00.htm

課程評(píng)價(jià)：Yann Lecun在2016年初于法蘭西學(xué)院開(kāi)課，這是其中關(guān)于深度學(xué)習(xí)的8堂課。當(dāng)時(shí)是用法語(yǔ)授課，后來(lái)加入了英文字幕。作為人工智能領(lǐng)域大牛和 Facebook AI 實(shí)驗(yàn)室（FAIR）的負(fù)責(zé)人，Yann Lecun 身處業(yè)內(nèi)機(jī)器學(xué)習(xí)研究的最前沿。他曾經(jīng)公開(kāi)表示，現(xiàn)有的一些機(jī)器學(xué)習(xí)公開(kāi)課內(nèi)容已經(jīng)有些過(guò)時(shí)。通過(guò)Yann Lecun的課程能了解到近幾年深度學(xué)習(xí)研究的最新進(jìn)展。該系列可作為探索深度學(xué)習(xí)的進(jìn)階課程。

Deep Learning for Natural Language Processing: 2016-2017

主講人：Phil Blunsom

發(fā)布平臺(tái)：GitHub

課程鏈接：

https://www.bilibili.com/video/av9817911/

課程評(píng)價(jià)：這是牛津大學(xué) & DeepMind 聯(lián)合的面向NLP的深度學(xué)習(xí)應(yīng)用課程。課程介紹了相關(guān)機(jī)器學(xué)習(xí)模型的數(shù)學(xué)定義，并推導(dǎo)出相關(guān)的優(yōu)化算法。該課程涵蓋神經(jīng)網(wǎng)絡(luò)在NLP中的一系列應(yīng)用，包括分析文本中的潛在維度、將語(yǔ)音轉(zhuǎn)錄到文本、在語(yǔ)言之間進(jìn)行轉(zhuǎn)換以及回答問(wèn)題。這些主題被組織成三個(gè)高層次的主題，從理解使用神經(jīng)網(wǎng)絡(luò)的順序語(yǔ)言建模，到理解它們作為轉(zhuǎn)導(dǎo)任務(wù)的條件語(yǔ)言模型的使用，以及最終將這些技術(shù)與其他高級(jí)應(yīng)用程序結(jié)合使用的方法。在整個(gè)過(guò)程中，還將討論這些模型在CPU和GPU硬件上的實(shí)際實(shí)現(xiàn)。

2016 斯坦福灣區(qū)深度學(xué)習(xí)學(xué)校 Day 1

課程鏈接：

https://www./watch?v=eyovmAtoUx0

課程評(píng)價(jià)：這個(gè)視頻是 2016 灣區(qū)深度學(xué)習(xí)學(xué)校第一天的內(nèi)容展示。視頻覆蓋到的內(nèi)容有： 1）Hugo Larochelle 講授前饋神經(jīng)網(wǎng)絡(luò)介紹（Introduction on Feedforward Neural Network）；2）Andrej Karpathy 講授用于計(jì)算機(jī)視覺(jué)的深度學(xué)習(xí)（Deep Learning for Computer Vision）；3）Richard Socher 講授用于自然語(yǔ)言處理（NLP）的深度學(xué)習(xí)（Deep Learning for NLP）；4）Sherry Moore 講授 TensorFlow 教程（TensorFlow Tutorial）；5）Ruslan Salakhutdinov 講授深度無(wú)監(jiān)督學(xué)習(xí)基礎(chǔ)（Foundations of Deep Unsupervised Learning）；6）吳恩達(dá)講授深度學(xué)習(xí)應(yīng)用基本要點(diǎn)（Nuts and Bolts of Applying Deep Learning）。這些深度學(xué)習(xí)方面的專(zhuān)家都會(huì)以一個(gè)易于理解的方式講解深度學(xué)習(xí)潛在的概念原理，讓你對(duì)深度學(xué)習(xí)有基礎(chǔ)理解。同時(shí)他們也會(huì)分享各自講授主題相關(guān)的應(yīng)用實(shí)例。

2016 斯坦福灣區(qū)深度學(xué)習(xí)學(xué)校 Day 2 (Bay Area Deep Learning School Day 2 at CEMEX auditorium, Stanford)

課程鏈接：

https://www./watch?v=9dXiAecyJrY

課程評(píng)價(jià)：這是灣區(qū)深度學(xué)習(xí)學(xué)校的第二天講授內(nèi)容視頻。視頻覆蓋到的內(nèi)容有：1）John Schulman 講授深度強(qiáng)化學(xué)習(xí)基礎(chǔ)（Foundation of Deep Reinforcement Learning）；2）Pascal Lamblin 講授 Theano 介紹：一個(gè)供模型構(gòu)建和訓(xùn)練使用的極速 Python 庫(kù)（Introduction to Theano: A Fast Python library for Modelling & Training）；3）Adam Coates 和 Vinay Rao 講授語(yǔ)音識(shí)別和深度學(xué)習(xí)（Speech Recognition and Deep Learning）；4）Alex Wiltschko 講授 Torch 和 Autograd 下的機(jī)器學(xué)習(xí)（Machine Learning with Torch & Autograd）；5）Quoc Le 講授深度學(xué)習(xí)實(shí)現(xiàn) Seq2Seq（Sequence to Sequence by Deep Learning）；5）Yoshua Bengio 講授深度學(xué)習(xí)的基礎(chǔ)和挑戰(zhàn)（Foundation and Challenges of Deep Learning）。這些深度學(xué)習(xí)的應(yīng)用者都是經(jīng)常被檢索到的深度學(xué)習(xí)應(yīng)用專(zhuān)家，他們同時(shí)也為大型公司服務(wù)，如谷歌大腦、Twitter 等。

斯坦福大學(xué)深度學(xué)習(xí)應(yīng)用課程: Natural Language Processing with Deep Learning

課程鏈接：

https://www.bilibili.com/video/av9285496/

課程介紹：這門(mén)課程由NLP領(lǐng)域的大牛 Chris Manning 和 Richard Socher 執(zhí)掌，是學(xué)習(xí)深度學(xué)習(xí)自然語(yǔ)言處理的經(jīng)典課程。此課程全面介紹了應(yīng)用于NLP的深度學(xué)習(xí)的前沿研究。在模型方面，將討論詞向量表示、基于窗口的神經(jīng)網(wǎng)絡(luò)、遞歸神經(jīng)網(wǎng)絡(luò)、長(zhǎng)時(shí)間短期記憶模型、遞歸神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)以及一些涉及內(nèi)存組件的最近模型。

深度學(xué)習(xí)（中/英）by Google

主講人：Vincent Vanhoucke，Arpan Chakraborty

發(fā)布平臺(tái)：優(yōu)達(dá)學(xué)城

課程鏈接：

https://cn./course/deep-learning--ud730

課程評(píng)價(jià)：這門(mén)課程由優(yōu)達(dá)學(xué)城與Google的首席科學(xué)家兼Google智囊團(tuán)技術(shù)經(jīng)理 Vincent Vanhoucke聯(lián)合開(kāi)發(fā)，可以免費(fèi)學(xué)到如何訓(xùn)練和優(yōu)化基本神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)和長(zhǎng)短期記憶網(wǎng)絡(luò)，學(xué)習(xí)者可以通過(guò)項(xiàng)目和任務(wù)接觸完整的機(jī)器學(xué)習(xí)系統(tǒng) TensorFlow。

2016 年蒙特利爾深度學(xué)習(xí)暑期班

課程鏈接：

https://www./watch?list=PL5bqIc6XopCbb-FvnHmD1neVlQKwGzQyR&v=xK-bzjIQkmM

課程評(píng)價(jià)：蒙特利爾深度學(xué)習(xí)暑期班出現(xiàn)了很多來(lái)自不同年齡段的專(zhuān)家與從業(yè)人員。該教程是要教人們對(duì)深度學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)有基礎(chǔ)的理解。里面有Yoshua Bengio教授循環(huán)神經(jīng)網(wǎng)絡(luò)，Surya Ganguli教授理論神經(jīng)科學(xué)與深度學(xué)習(xí)理論，Sumit Chopra教授reasoning summit和attention，Jeff Dean講解TensorFlow大規(guī)模機(jī)器學(xué)習(xí)，Ruslan Salakhutdinov講解學(xué)習(xí)深度生成式模型，Ryan Olson講解深度學(xué)習(xí)的GPU編程，還有其他很多的講演。

Machine Learning and having it Deep and Structured

主講人：李宏毅

課程鏈接：

https://www.bilibili.com/video/av9770302/

課程評(píng)價(jià)：這是難得的免費(fèi)中文課程，有網(wǎng)友評(píng)價(jià)這門(mén)課把GAN講得太好了，還有人認(rèn)為李宏毅擅長(zhǎng)讓學(xué)生人對(duì)算法有一個(gè)直觀的映像和理解。這門(mén)課對(duì)初學(xué)者不太友好，適合在上完他的machine learning課程之后再進(jìn)行學(xué)習(xí)。

三、人工智能

Intro to Artificial Intelligence

主講人：Peter Norvig，Sebastian Thrun

發(fā)布平臺(tái)：優(yōu)達(dá)學(xué)城 Udacity

課程地址：

https://cn./course/intro-to-artificial-intelligence--cs271

課程評(píng)價(jià)：該課程久享盛名，被公認(rèn)為是AI入門(mén)最好的公開(kāi)課之一。它介紹了幾個(gè)AI主要領(lǐng)域：概率推理、信息檢索、機(jī)器人學(xué)、自然語(yǔ)言處理等，傾向于介紹AI的實(shí)際應(yīng)用，并且課程練習(xí)廣受好評(píng)。該課程的兩位主講者，Peter Norvig和Sebastian Thrun，一個(gè)是谷歌研究總監(jiān)，一個(gè)是斯坦福著名機(jī)器學(xué)習(xí)教授，均是與吳恩達(dá)、Yann Lecun 同級(jí)別的頂級(jí)AI專(zhuān)家。

基于知識(shí)的人工智能：認(rèn)知系統(tǒng)

主講人：Ashok Goel David Joyner

發(fā)布平臺(tái)：優(yōu)達(dá)學(xué)城

課程鏈接：

https://cn./course/knowledge-based-ai-cognitive-systems--ud409

課程評(píng)價(jià)：這門(mén)課人工智能的核心課程，具有較高的挑戰(zhàn)性，涉及重大的獨(dú)立工作、閱讀、任務(wù)和項(xiàng)目，涵蓋結(jié)構(gòu)性的知識(shí)講解及基于知識(shí)的問(wèn)題解決、規(guī)劃、決策和學(xué)習(xí)方法。網(wǎng)友認(rèn)為，“最吸引人的部分是課程項(xiàng)目：構(gòu)建一個(gè)人工智能代理，解決Raven的進(jìn)化矩陣，這基本上是一個(gè)視覺(jué)IQ測(cè)試，非常有趣和富有挑戰(zhàn)性。對(duì)于那些比較‘容易’的問(wèn)題，解決起來(lái)還算簡(jiǎn)單，但對(duì)于那些有難度的問(wèn)題，解決起來(lái)那是難以置信的困難?！?/p>

四、計(jì)算機(jī)科學(xué)

Scala函數(shù)式程序設(shè)計(jì)原理

主講人：Martin Odersky

發(fā)布平臺(tái)：Coursera

課程鏈接：

https://www./learn/progfun1

課程評(píng)價(jià)：這門(mén)課程注重實(shí)踐，課程中的大部分單元都會(huì)使用一些簡(jiǎn)短的程序來(lái)闡述基本原理和概念，聽(tīng)眾可以試著運(yùn)行這些程序并嘗試改寫(xiě)它們，任何對(duì)Scala感興趣的人都可以嘗試這門(mén)課。網(wǎng)友普遍認(rèn)為這個(gè)課程稍微有點(diǎn)難度，也有人覺(jué)得課程結(jié)構(gòu)設(shè)計(jì)不合理，需要學(xué)生查閱很多其他資料；而支持者則認(rèn)為，“讓一門(mén)語(yǔ)言的創(chuàng)造者來(lái)親自教授這門(mén)語(yǔ)言的課程，給我提供了原本無(wú)法得到的見(jiàn)解”、“這門(mén)課程非常驚人，需要強(qiáng)烈推薦，它顯示了Scala的設(shè)計(jì)投入了多少精力和技巧。

數(shù)據(jù)庫(kù)

主講人：Jennifer Widom

發(fā)布平臺(tái)：斯坦福大學(xué)官網(wǎng)

課程鏈接：

https://lagunita./courses/DB/2014/SelfPaced/about

課程評(píng)價(jià)：該課程是斯坦福大學(xué)在2011年秋季開(kāi)設(shè)的三個(gè)大型公開(kāi)在線(xiàn)課程之一;在2013年和2014年的MOOC中再次提供。有網(wǎng)友將這門(mén)課程評(píng)價(jià)該課是“組織得最好的在線(xiàn)課程”，“講座中所有的內(nèi)容都是相關(guān)的，所有內(nèi)容都會(huì)在習(xí)題中應(yīng)用和測(cè)試，習(xí)題很多，每周的家庭作業(yè)會(huì)從簡(jiǎn)單逐漸展開(kāi)到中等難度，Web 環(huán)境設(shè)計(jì)良好，提供了極好的反饋并能夠指導(dǎo)你正確地回答問(wèn)題?！?/p>

Probabilistic Graphical Models專(zhuān)項(xiàng)課程

主講人： Daphne Koller

發(fā)布平臺(tái)：couresa

課程鏈接：

https://www./specializations/probabilistic-graphical-models

課程評(píng)價(jià)：有網(wǎng)友認(rèn)為，這個(gè)專(zhuān)項(xiàng)課程是他所學(xué)過(guò)最有趣的在線(xiàn)課程，不過(guò)該課程對(duì)學(xué)習(xí)者要求較高，需要花不少精力將講座的內(nèi)容應(yīng)用到作業(yè)中。還有人評(píng)論，“這個(gè)專(zhuān)項(xiàng)課程的第一門(mén)課程有一個(gè)非常好、非常引人入勝的開(kāi)頭，但是在那之后講座和習(xí)題之間很快出現(xiàn)了巨大的鴻溝（也許這就是為什么作者吹噓這是一門(mén)充滿(mǎn)挑戰(zhàn)性的課程，而不是針對(duì)每個(gè)人的）。PGM 是解決很多機(jī)器學(xué)習(xí)問(wèn)題的有力工具，但確實(shí)難度較大。據(jù)一位網(wǎng)友說(shuō)，“在斯坦福，學(xué)生們只要能通過(guò) PGM 考試都高興壞了“。

五、平臺(tái)推薦

國(guó)外：Coursera、edX、優(yōu)達(dá)學(xué)城（Udacity）、Udemy等

國(guó)內(nèi)：網(wǎng)易公開(kāi)課、七月在線(xiàn)、嗶哩嗶哩等

如果英文不錯(cuò)，國(guó)外問(wèn)答論壇比，比如Hacker News會(huì)很有幫助；如果英語(yǔ)基礎(chǔ)不夠好，Coursera 和優(yōu)達(dá)學(xué)城的大部分機(jī)器學(xué)習(xí)資源都添加了漢語(yǔ)字幕；網(wǎng)易公開(kāi)課也有很多課程的字幕翻譯；如果需要補(bǔ)充數(shù)學(xué)、統(tǒng)計(jì)基礎(chǔ)，強(qiáng)烈推薦可汗學(xué)院 Khan Academy。

以上課程有深有淺，各位可以根據(jù)自己需求來(lái)選擇最合適的課程。如果有自己認(rèn)為很棒的AI課程沒(méi)有上榜，歡迎大家補(bǔ)充說(shuō)明~