AI免费公开课一网打尽！14个类别、230门课程，GitHub标星6k+

读得足够多，这样你就可以开始发展直觉和信任直觉，并去追求它！

通过大量阅读培养你的直觉，相信你的直觉，大胆实践！——杰弗里·辛顿

本文由人工智能新媒体量子位(公共识别码:QbitAI)授权。请联系来源进行重印。

过去两年最受欢迎的机器学习课程是吴恩达的Machine Learning。

这原本是吴恩达在斯坦福大学教授的一门课程。该课程的视频在网上受到学习者的广泛好评。后来，还推出了一门特殊的在线课程。

Coursera上的机器学习课程

现在越来越多的人选择在观看视频课程之前学习知识。一方面，教师的指导会使难懂的内容更容易理解，另一方面，通勤和等待的美好时光可以得到充分利用。

今天，当深入学习如此热门时，许多人通过课程视频学习各个领域的知识。

尽管许多世界知名的大学已经发布了他们的讲座或讲座的视频，以帮助对世界各地的深度学习感兴趣的学习者。

但是去哪里学习也成了每个人的难题。

今天将推出的Github warehouseDeep Learning Drizzle是一大堆与深入学习相关的课程/讲座视频，其中有许多由著名学者丹尼尔亲自教授的课程。

目前，该项目已经在Github收获了6000颗星，货叉号超过1.4K

仓库维护人员组织了14个类目共计232门个视频课程，数量还在不断增加。其中包括:

目前仓库内所有课程列表

下面我们简要介绍每门课程的内容，并推荐一些著名的好课程。

目前仓库内所有课程列表

目前仓库内所有课程列表

Deep Neural Networks

Machine Learning Fundamentals

杰弗里·辛顿，多伦多大学，2012/2014

目前仓库内所有课程列表

杰弗里·辛顿，多伦多大学教授

任何人看到辛顿这个名字都会不可避免地发抖。他是——深入研究的创始人之一，也是2019年图灵奖的获得者。

Optimization for Machine Learning

贾斯廷·约翰逊，斯坦福大学，2015-2017

目前仓库内所有课程列表

斯坦福大学教授和中国学者李菲菲

也是过去两年互联网上爆炸性的课程，由中国学者李菲菲团队制作。课程内容将根据每年最新的研究结果进行更新。这是一门非常好的计算机视觉入门课程。

General Machine Learning

目前仓库内所有课程列表

目前仓库内所有课程列表

目前仓库内所有课程列表

中国学者吴恩达教授的深度学习课程是一本综合性的深度学习圣经。现在有一个特殊的在线课程。

目前仓库内所有课程列表

数学知识对于彻底理解机器学习的原理至关重要。这一类包括基础数学课程，如线性代数、概率统计、微积分、信息论等。

目前仓库内所有课程列表

目前仓库内所有课程列表

吉尔伯特斯特朗，麻省理工学院

Reinforcement Learning

最优化方法是机器学习算法的灵魂。该类别以优化为主题，包括机器学习的凸优化课程和优化理论课程。

Bayesian Deep Learning

目前仓库内所有课程列表

史蒂芬·博伊德，斯坦福大学

目前仓库内所有课程列表

目前仓库内所有课程列表

《凸优化》编写的凸优化教科书中文版封面是中国许多大学的凸优化课程教科书。现在我有机会听到作者自学了！

目前仓库内所有课程列表

Geoff Gordon Ryan TiB shirani，CMU

目前仓库内所有课程列表

目前仓库内所有课程列表

Graph Neural Networks

ankurmiotra，麻省理工

Probabilistic Graphical Models

吴恩达教授的机器学习课程深入解释了各种常用的统计机器学习模型，堪称经典中的经典。

Natural Language Processing

这一类别主要介绍强化学习基础和先进技术。著名的阿尔法围棋和各种游戏人工智能都是精进学习的产物。

Automatic Speech Recognition

Modern Computer Vision

大卫·西尔弗(David Silver)，Deep Mind

Boot Camps or Summer SchoolsAlphaGo和李世石的人机大战

Deepmind公司多年来一直在精读领域努力工作。阿尔法围棋、阿尔法零、德州扑克人工智能、星际争霸人工智能等。都来自他们自己的手。来看看深度思维研究者大卫·西尔弗是如何解释强化学习的。

Medical Imaging

Sergey Levine，加州大学伯克利分校

Bird’s-eye view of Artificial Intelligence

Emma Brunskill，斯坦福大学

Deep Neural Networks 深度神经网络

主要教授基于贝叶斯网络的深度学习方法。

课程推荐

1、Neural Networks for Machine Learning

LOTS Legends，HSE MOSCO

2、CS231n: CNNs for Visual Recognition

近年来，对图形神经网络的研究越来越多，它能有效地处理理想的社会网络等图形数据，是一个热门的研究方向。

这一部分还包括基于3D几何的深度学习的内容，3D视觉近年来也得到广泛的研究。

研讨会和讲座是主要课程，因为这些课程已经很久没有开始了。

3.CS320: Deep Learning

概率图模型广泛应用于研究中，如著名的隐马尔可夫模型(HMM)、条件随机场(CRF)等。同时，概率图模型也是图神经网络的基础。

Machine Learning Fundamentals 机器学习基础

课程推荐：

埃里克·邢育，CMU

中国教授邢博的课程，邢博教授本人专攻机器学习和计算生物学。

Linear Algebra

本节主要介绍基于深度学习的计算语言学和自然语言处理。

Optimization for Machine Learning 机器学习优化方法

课程推荐

格雷厄姆·纽大，CMU

1、Convex Optimization

阿比盖尔塞，克里斯·曼宁，理查德·索彻，斯坦福大学

2、Optimization

主要教授如何使用深度学习技术进行语音识别。

3、Convex Optimization

所谓的现代计算机视觉实际上包括基于深度学习的传统方法和手段。

有关于数字图像处理和计算机视觉的传统方法的讲座，以及摄影、视频处理和机器人学的深入研究。

4、Algorithmic Aspects of Machine Learning / Advanced Algorithms

General Machine Learning 通用机器学习

安德鲁·吴，斯坦福大学

课程推荐

贾斯汀·所罗门，斯坦福大学

CS229: Machine Learning

这部分主要是知名大学夏令营和暑期学校的专题讲座。内容通常相对先进，值得一看。

Reinforcement Learning 强化学习

主要教授如何使用机器学习方法进行医学图像分析，主要是在暑期学校课程中。

课程推荐

这部分主要是丹尼尔的演讲和演讲。论述了人工智能的发展方向以及人工智能与认知、情感、道德、伦理、社会等方面的关系。它是在技术基础上对人工智能的更高层次的探索，可以帮助你对人工智能有更深的理解。

最后，附上项目门户: https://github.com/kmario23/deep-learning-drizzle