7 個世界上最高質量的機器學習公開課
對於很多想入門機器學習但不能加入對應教育體系的人而言，公開課是一個從入門到精通的捷徑。如今在線課程五花八門，水平也參差不齊，本文不是為你介紹公開課，而是從數以千計的課程當中，精選那些最值得你學習的。
吳恩達「機器學習」公開課
吳恩達的機器學習公開課是機器學習入門的首選課程，語言直白，課程強度適中，對機器學習的常用演算法做了初步介紹。 這門課程的重點是對概念的講解，理解演算法，並理解選用特定演算法的原因和意義。授課中列舉了大量實例，非常易於理解。這個課程中也有對人工智慧數學基礎的介紹，雖然沒有進行嚴密的證明，但已經足夠初學者使用，編程方面也比較易懂，因此這門課程對不擅長線性代數，概率論和編程的同學也比較友好。
當然，這門課程因為涵蓋範圍比較廣，涉及深度不夠，作為了解人工智慧的入門課程是上佳之選，但不適合深度探索。
這門課程有中英雙語字幕，在 Coursera 和網易雲課堂上都有免費課程。
網址：https://www.coursera.org/learn/machine-learning
「線性代數的本質」 - 系列合集
「線性代數的本質」是一門通過可視化表達幫助你理解線性代數的課程。當我們想要深入研究人工智慧時，應當先花一定時間研究線性代數和概率論，否則當你研究深入到一定程度，終歸也是要回過頭來學數學。
這門課程的好處就在於加深你對線性代數的理解。在我們學習人工智慧時，對線性代數的大部分知識點往往停留在對其計算和物理意義的理解。缺乏從幾何意義到物理意義理解上的轉化，就不能把機器學習學得透徹，這門課程的作用就在於此。
這個合集的不足之處是涉及到的線性代數知識點還是不能涵蓋機器學習的範圍。
網址：https://www.bilibili.com/video/av6731067（B 站上有非常好的中文翻譯）
MIT 線性代數課程
當你理解了線性代數的圖像表達，再學習這套課程，線性代數的基礎知識就能掌握的比較牢固。這套課程的好處在於覆蓋全面和論證嚴密，同時能串聯線性代數的幾何意義和物理意義。Gilbert Strang 教授的授課十分精彩。這套課程有固定的網站，每周的作業，解答和期中期末習題都可以查閱，配套資源非常豐富，幫助你補充必要的練習。
網址：https://ocw.mit.edu/courses/mathematics/18-06-linear-algebra-spring-2010/video-lectures/
概率論：基本概念和離散型隨機變數 - 普渡大學
這門課程是專門為謀求數據科學相關職位的人所設計的。其涵蓋了數學概率論的基本要素。你將會學習到概率論、隨機變數、分布、貝葉斯定理，概率質量函數，CDFs、聯合分布律和期望值等基本概念。
當你學會了基礎知識後，這門課程還會帶你研究更加深入的概念，如伯努力和二項式分布、幾何分布、負二項式分布、泊松分布、和離散均勻分布等等。對於學習機器學習，是一個很好的概率論入門課程。
課程在 Edx 上，目前只有英文音頻和字幕。
網址：https://www.edx.org/course/probability-basic-concepts-discrete-random-variables
Mining Massive Datasets - 斯坦福大學
這門課程是悉尼大學機器學習課程推薦的配套書籍所對應的課程，由斯坦福大學對外免費開放，非常適合在對機器學習有基本理解的基礎上進行下一步學習。這套課程也涉獵廣泛，包括雲計算常用的 MapReduce（對機器學習工程師來說雲計算是基本技能），谷歌搜索的 PageRank 演算法，推薦演算法，降維，機器學習演算法等。既能拓寬在人工智慧領域的眼界，同時加深學習深度。
雖然老師的語速較快（口音也有點問題），不過字幕給的很良心，甚至可以下載。
網址：https://lagunita.stanford.edu/courses/course-v1:ComputerScience+MMDS+SelfPaced/about
Geoffrey Hinton 深度學習課程
這是深度學習必修課程，講師 Geoffrey Hinton 是該領域的一代宗師。這門課程聚焦於神經網路和深度學習，是深入了解該領域最好的課程之一。你會學習人工神經網路以及它們在機器學習方面的應用，比如語音識別、物體識別，圖像分割，自然語言處理、人體運動等等。
它要求微積分基礎，Python 基礎，涉及大量專有名詞，適合進階學習的學生。
網址：https://www.coursera.org/learn/neural-networks
（國內網站上可以搜索到含中文字幕的資源）
Applied Machine Learning in Python - 密歇根大學
這是一門實踐課程，介紹機器學習的技術和方法，如何使用 Scikit，有監督學習和無監督學習等。對於數據分析師的求職有很大幫助。通過這門課程，你可以區分不同的機器學習問題，了解什麼樣的模型更適合指定問題，並學會如何用 Python 進行實踐。
網址：https://www.coursera.org/learn/python-machine-learning
更多資源
優質的機器學習課程當然遠不止這 7 門，尋找優質的資源只是學習的第一步。規劃自己的學習步驟並進行大量練習才是獲取職場優勢的關鍵。這些頂尖大學的優質公開課相信會對你的求職有所幫助。
