什么是深度学习？有哪些深度学习MOOC课程？

什么是深度学习？深度学习是机器学习的一个子集，由于“学习”的能力被认为是智能的标志，因此机器学习属于人工智能的一部分。它的目标与机器学习相同，但要用神经网络来解决问题。

神经网络与我们大脑中的神经元相似，它们可以接收、处理和传递信息。神经网络的目标是通过人工智能复制这种生物机制，让我们头脑中强大的软计算机能够看到、说话、听到和做出反应。

预计到2028年，全球深度学习市场将达到930亿美元。现在各大公司正在争相招聘人才，希望将人工智能和深度学习解决方案整合到自己的产品中。

我们通过搜索大量与深度学习相关的MOOC课程，根据注册人数、评分、评论和口碑进行排名，筛选出下面2023年6个最值得上的深度学习课程，供你参考。

1. Neural Networks and Deep Learning

斯坦福大学：吴恩达教授

如果你想进入尖端人工智能领域，请不要错过这个神经网络和深度学习课程。这门课程之所以名列前茅，由于教这个课的是吴恩达教授，他是机器学习领域的杰出人物，是谷歌大脑的联合创始人和负责人，也是百度的前首席科学家。

本课程你将了解推动深度学习的技术趋势，能够构建，训练和应用完全连接深度神经网络，实现高效（向量化）神经网络，理解神经网络的关键参数架构，最令人兴奋的是，你将建立一个深度神经网络。

本课程适合对经典机器学习有一些了解的学生，以及希望掌握机器学习和深度学习技能的职业软件工程师或技术专业人士。课程为期4周，每周6-7小时。

2. Intro to Deep Learning with PyTorch

Facebook 公司：Luis Serrano

深度学习正在推动人工智能革命，PyTorch比以往任何时候都更容易构建深度学习的应用程序。本课程让你使用PyTorch建立自己的深度神经网络，通过编码和项目练习，你将获得建立和训练深度神经网络的实际经验，使用风格转移和文本实现最先进的A智能应用程序。

本课程为期8周，视频制作的很有趣，讲座也很引人入胜。你将在提供的各种木星笔记本中应用所学的东西。这些练习很容易操作与演练解决方案。Luis Serrano曾在谷歌和苹果工作，现在是量子人工智能的研究科学家。

3. Introduction to Deep Learning & Neural Networks with Keras

IBM公司：Alex Aklson

IBM公司的Keras深度学习和神经网络在线课程，将教你不同的深度学习模型，并使用Keras库构建你的第一个深度学习模型。你将理解无监督的深度学习模型（自动编码器和限制玻尔兹曼机器）和监督深度学习模型（卷积神经网络和循环网络）。

本课程为期5周，每周学习2-3小时，每周会有一个测试。本课程是IBM AI工程专业证书6门课程的一部分，旨在为你提供作为人工智能或ML工程师的职业生涯取得成功所需的工具。

4. Probabilistic Deep Learning with TensorFlow 2

伦敦帝国理工学院：Kevin Webster教授

伦敦帝国理工的TensorFlow 2概率深度学习在线课程，专注于深度学习的概率方法。你将学习如何使用TensorFlow开发概率模型，特别是使用TensorFlow 概率库。学习本课程之前，你需要有一定概率和统计基础（例如：标准概率分布和概率密度函数等）。 

本课程为期5周，共计53个小时，有很多视频和资料可供你阅读。你将通过实际的编码将你所学到的概念应用到实践中，还有一系列自动分级的编程作业以巩固你学习的技能。

5. Machine Learning with Python: from Linear Models to Deep Learning

麻省理工学院：Regina Barzilay教授和Tommi Jaakkola教授

MIT的在线课程使用Python进行机器学习：从线性模型到深度学习，是一个有挑战性的课程。它以实践的方法从线性模型到深度学习和强化学习，来介绍机器学习。你将在几个不同的实际Python项目中应用程序设计实现和实验这些算法。

本课程为期15周，每周要花10-14个小时学习。你将会有大量的讲座和资源来学习。本课程是统计和数据科学微硕士项目的一部分，你需要完成三个项目，以及年中和期末考试。

6. Deep Learning Applications for Computer Vision

科罗拉多大学博尔德分校：Ioana Fleming教授

这是一个计算机视觉深度学习应用课程，你将学习计算机视觉作为一个研究领域，将具备深度学习技术和完成任何计算机视觉任务所需的机器学习工具。 学习本课程前，你需要了解基本的微积分（微分和积分）、线性代数和精通Python编程。

本课程为期5周，每周需要5-8个小时，有各种视频讲座以及补充资源。计算机视觉深度学习应用课程是数据科学硕士学位课程的一部分，你需要完成分级评估，以及最后的测试。