福利 | 最好的深度学习资源_深度学习比较好的免费-优快云博客

本文来源自Topbots

LinkSpark编译

这些学习资源包括在线课程，现场课程，以及图书和视频。所有这些都是免费的，由知名教授，研究员和行业专家讲解，如Geoffrey Hinton，Yoshua Bengio和Sebastian Thrun。

机器学习

1）机器学习 by 吴恩达，斯坦福大学（在线课程）

吴恩达在成为百度首席科学家之前，在斯坦福大学教授机器学习，并是全球第一个MOOC平台Coursera的创始人之一。

这一课程广泛介绍了机器学习、数据挖掘和统计模式识别。相关主题包括：(i) 监督式学习（参数和非参数算法、支持向量机、核函数和神经网络）。(ii) 无监督学习（集群、降维、推荐系统和深度学习）。(iii) 机器学习实例（偏见/方差理论；机器学习和AI领域的创新）。你还会学习如何在不同领域应用学习算法，例如智能机器人（感知和控制）、文本理解（网络搜索和垃圾邮件过滤）、计算机视觉、医学信息学、音频、数据库挖掘等领域。

此外，还可以下载课程笔记，问题和Matlab代码示例。

最重要的是，课程含有中英文字幕！

2）机器学习介绍 by Sebastian Thrun（在线课程）

Sebastian Thrun是AI和无人驾驶技术领域的领军人物。2005年，他与斯坦福大学的团队一起赢得了DARPA挑战赛冠军。他还指导创立了斯坦福大学人工智能实验室，是Google的无人车之父，并创立了另一个MOOC平台Udacity，提供机器学习和人工智能相关课程。

Thrun的“机器学习简介”课程是Facebook和MondoDB发起的数据分析师“纳米学位”认证的基础课程。

此外，Udacity还提供了Thrun的“人工智能介绍”课程，讲解A.I.基本原理，以及机器人，计算机视觉和自然语言处理等应用。该课程可获得由Kaggle发起的机器学习工程师“纳米学位”。

深度学习

虽然神经网络在20世纪60年代就已提出，但是直到近几年，随着大数据和计算能力的提升，深度学习才变得流行。当你已经学习了机器学习的基础知识后，你就可以开始学习深度学习了。

1）机器学习与神经网络 by Geoffrey Hinton（在线课程）

多伦多大学的教授，Google研究员Geoffrey Hinton，被广泛认为是“深度学习的之父”。2012年，Hinton的UT实验室在Merck药物发现挑战赛中取得了惊人的胜利，将“深度学习”推向主流。

此外，Hinton实验室也培养了很多优秀的人才。其实验室的博士后研究员Yann LeCun，是卷积神经网络的创新先锋，现在Facebook做AI研究。lya Sutskever是 OpenAI的联合创始人和研发总监。Brendan Frey受个人因素的启发，创立Deep Genomics（一家初创公司，做基因组医学和治疗方面的深入学习应用）。

Hinton的“机器学习与神经网络”课程虽不会把你变成上述那些人工智能领域的先锋，但绝对是一个不错的开始。

由于同样是在Coursera平台上，所有有中文字幕哦！

2）Fast.ai &数据机构认证课程 by Jeremy Howard（在线课程、现场课程）

Jeremy Howard在创立Enlitic公司之前，是Kaggle的总裁兼首席科学家，Enlitic公司致力于将深度学习应用于医学临床诊断和临床决策，Fast.ai是深度学习工程师的教育资源。

Howard还与旧金山大学数据研究所的研究员Rachel Thomas一起教授现场深度学习课程。深度学习Part 1覆盖了深度学习的基础知识，Part 2包括一些高级应用程序。现场证书课程不是免费的，但所有内容都可以在Fast.ai找到。

3）深度学习 by Yoshua Bengio和Ian Goodfellow（书）

蒙特利尔大学教授Yoshua Bengio是深度学习产业发展的另一推动者。他的论文在Google学术搜索上被引用了4万多次。他的学生Ian Goodfellow现在是OpenAI的研究员，生成式对抗网络的提出者。

他们的书“深度学习”由MIT出版社出版，可在线免费阅读，从线性代数，概率论和数值计算开始，由浅入深讲解深度学习概念。

4）神经网络和深度学习 by Michael Nielsen（书）

Michael Nielsen的“神经网络和深度学习”是被工程师们推荐了一遍又一遍的图书。Nielsen作为YCombinator研究员，喜欢以直观难忘的方式解释原理。

Nielsen的书会教你如何用神经网络解决一个具体问题，比如教电脑识别手写的数字。你会从一个简单的神经网络开始，随着新概念的引入，再逐步改进代码。

如果你的数学不是很好，或者不是一个有经验的程序员，Nielsen的书将特别适合你。课程中的代码用Python 2.7编写，即使你不熟悉Python，也会较容易理解。

5）深入学习TensorFlow（在线课程）

当你掌握了深度学习和神经网络的基本概念后，就可以学习一些工具，把理论变成实践了。Google的TensorFlow将会是最受欢迎的工具之一。

Udacity的Google深度学习在线课程由Google首席科学家Vincent Vanhoucke讲解，Google Brain团队维护。该课程适用于中级到高级水平人士，即你已经掌握了机器学习和深度学习的基本概念，通过本课程，你会接触到训练逻辑分类器，简单的深层网络，以及用TensorFlow实现卷积神经网络等。

此外，TensorFlow的网站还提供初级和高级教程，以及社区服务。

6）NIPS会议视频（视频）

近年来，NIPS（神经信息处理系统）会议越来越受欢迎，吸引了许多优秀的深度学习研究者。这里，你可以听顶尖研究员讲解他们的突破性进展和发现。

如果你错过了过去几届的会议，或者根本无法亲自参加，请查看2015年和2016年的NIPS视频档案。

7）论文

人工智能和深度学习领域每天都有新论文发表。Google Scholar，ArXiv和Research Gate是最好论文资源库。

如果你不知道从哪里入手，这里有一个阅读清单，包括了目前主流的研究方向。