开发者入门必读：最值得看的十大机器学习公开课

在当前的机器学习热潮中，人才的匮乏非常明显。 截至目前，国内开设人工智能专业的高校并不多。 相当一部分开发者是跨行业起步的，需要学习大量的知识并自行探索。 因此，优质的学习资源至关重要。 因此，雷锋网搜集了全球最热门的机器学习课程，整理了这份“机器学习十大入门公开课”榜单，呈现给大家。 这份推荐清单是下了很大的功夫，考虑了难度、重点、时效性等诸多因素，希望能帮助大家找到最适合自己的学习资源。

这些课程都是免费开放的，但有的需要翻墙，有的没有中文字幕。

1.吴恩达《机器学习》公开课

无论在国内还是国外，这都是最热门的机器学习入门课程。 无数新手通过这门课程第一次接触到机器学习。 Ng Enda老师用极其清晰直白的语言初步介绍了机器学习的几种主要算法。

本课程最大的特点是注重概念理解而不是数学。 数学推导过程基本跳过，重点是让初学者理解其背后的思想。 此外，还非常注重联系实际、总结经验： 1. 课程中，Ng Enda 老师列举了很多算法实际应用的例子。 2.他提到了他们在开始人工智能时遇到的很多问题以及处理这些问题的经验。

课程中的代码教程使用Octave/MATLAB机器学习英语，因此无需了解Python或C语言，适合没有编程基础的新手。

综上所述，这门课程对于数学、统计学、IT基础薄弱的孩子来说非常友好。 事实上，很多机器学习入门课程都假设学生已经完成了这门课程，因此他们专注于补充——解释吴恩达先生在这门课程中没有涉及或没有深入涉及的主题。 因此，对于机器学习有“白纸”的童鞋来说，雷锋网强烈建议从这门课程入手，然后选择其他入门课程进阶，构建自己脑海中更全面的知识体系。 另外，Coursera上这门课程的论坛非常活跃，无论你提出什么问题，都会有人回答，这是一个额外的好处。

彩蛋：网易公开课中包含吴恩达先生在斯坦福授课的录制视频。 内容比较深入，但是时间比较久远了，所以可以作为进阶姊妹篇。 地址：

2.加州理工学院“从数据中学习”

这也是机器学习的入门课程，但并不简单。 本课程强调数据，因为机器学习与各个领域（例如金融和医疗）的大数据处理应用密切相关。 本课程涵盖基础理论、算法和应用，平衡理论和实践，涵盖数理统计和启发式概念理解。

课程结构如下：

很多人评价课程结构就像讲故事一样，有助于学习者对机器学习概念和模型有深入、直观的理解。 学习者一致认为它内容丰富，但作业模块备受争议：有些人认为它太难并且缺乏反馈，而另一些人则认为这是网上找到的最好的机器学习练习。

彩蛋：Yaser Abu-Mostafa出版了同名书籍《Learning From Data》，可作为本课程的教材和补充。

3. 汤姆·米切尔机器学习课程

本课程深受学术界人士的喜爱，是较全面、较高级的入门课程之一。 课程持续时间为 15 周，远远长于大多数机器学习 MOOC。 它涵盖了广泛的主题，按顺序包括：代数和概率论、机器学习的基本工具、概率图模型、人工智能、神经网络、主动学习和强化学习。 课程内容和练习非常简洁明了，概念讲解清晰到位。

汤姆·米切尔（Tom Mitchell）是人工智能领域德高望重的资深大师。 他的《机器学习》（中文版是《计算机科学系列：机器学习》）是最经典的机器学习教材之一。 但由于其历史悠久，其中涉及到的一些概念对于今天的开发者来说关联性并不是很大，更适合需要了解人工智能来龙去脉的大学师生。 本课程类似，可以帮助学习者理清机器学习的开发脉络。 适合打算系统学习并投入大量时间的人。

对于初学者来说，建议至少听完吴恩达的机器学习课程后再学习这一课程。

4. 机器学习的基石，台湾大学林玄田教授

这是一门为中国学生量身定制的入门课程。 相当于台大机器学习课程的上半学期。 它教你机器学习的核心知识。 林老师是《Learning From Data》教材的作者之一，是机器学习领域一位年轻有为的中国学者。 这门课程非常细心和详细，内容比Ng Enda老师的入门课程稍微充实一些。

林老师表示，针对目前顶尖机器学习公开课程全部采用英语授课的情况，不少学生反映英语教学难以吸收。 因此，我们希望通过推出这门课程，帮助华语学生降低入门难度。

对于如何让学生接受枯燥的算法，林老师说道：

“在我们的课程设计中，你会看到我们在‘解决问题’的过程中呈现算法的推导和数学表达式。换句话说，我们对算法的介绍是围绕‘为什么’展开的。当学生有了‘为什么’后，他们的头脑中，他们会有目标去理解这些算法和数学公式的内容。”

《Learning From Data》也可以作为本课程的教材。 研究亚瑟·阿布-穆斯塔法的课程有一些奥秘，可以与这门课程佐证。

该课程已从 Coursera 中删除，未知何时重新开放。 幸运的是，网易公开课和Youtube都有完整的视频集，地址是：和。 更多课程资料可以在台大官网（网页为英语）~htlin/mooc/找到。

彩蛋：台大2015年机器学习课程大纲及学习资料（PPT）：~htlin/course/ml15fall/，可作为补充。 对了，林老师在台大下半学期开设了这门课程，作为Coursera的另一门课程《机器学习技能》作为高级课程。 Coursera 也已被删除。 网易公开课的地址是。

5. 谷歌人工智能简介

这门课程久负盛名，是人工智能入门最好的公开课程之一（雷锋网注：有人认为“一个”可以去掉）。

严格来说，它不是机器学习课程。 不过一周的主题是机器学习，同时还介绍了AI的其他几个主要领域：概率推理、信息检索、机器人、自然语言处理等。由于几乎所有学习机器学习的孩子都对AI这一大课题感兴趣。人工智能 - 本课程是探索机器学习周边和交叉领域的绝佳机会。

两位演讲者彼得·诺维格（Peter Norvig）和塞巴斯蒂安·特龙（Sebastian Thrun），一位是谷歌研究总监，另一位是斯坦福大学著名机器学习教授。 他们都是与 Andrew Ng 和 Yann Lecun 同等级别的顶尖人工智能专家。

需要强调的是，本课程倾向于介绍人工智能的实际应用。 课程练习受到好评。

6. UBC 本科生机器学习课程

Nando de Freitas 是机器学习领域非常杰出的学者。 他的课程非常适合作为吴恩达先生的“机器学习”的进阶课程，因为： 1.“机器学习”省略的一些概念可以在这门课程中找到。 2.“机器学习”课并不强调数学，而数学才是这门课的重点。 Nando de Freitas 对概率论和对数似然等基本数学原理给出了很好的解释，并以此为基础介绍了更高级的数学和统计概念。

对于机器学习新手来说，完全跳过数学细节可能很危险，本课程将帮助您奠定基础。

不过，它是2012年录制的，所以已经是很久以前的事了。 因此，雷锋网特意推出了一个彩蛋。

复活节彩蛋：南多·德·弗雷塔斯 (Nando de Freitas) 于 2013 年移居牛津大学任教。 这是他2014-2015学年在牛津的全套深度学习课程，包括视频、PPT和练习：（视频保存在Youtube上，需要绕过）。

7.Yann Lecun深度学习公开课

Yann Lecun 于 2016 年初在法兰西学院开设了 8 门深度学习课程。 当时用法语授课，后来添加了英文字幕。

作为人工智能领域的领军人物、Facebook AI 实验室（FAIR）负责人，Yann Lecun 走在行业机器学习研究的前沿。 他曾公开表示，现有的一些机器学习公开课程的内容有些过时。 通过Yann Lecun的课程，你可以了解近年来深度学习研究的最新进展。 本系列作为探索深度学习的高级课程。

8.Geoffrey Hinton 深度学习课程

深度学习的必修课，导师是该领域的大师Geoffrey Hinton。

本课程专注于神经网络和深度学习，是深入了解该领域最好的课程之一（雷锋网注：很多人认为“一”可以去掉）。

官方课程介绍：

“（您将在本课程中学习）人工神经网络以及它们如何应用于机器学习，例如语音、对象识别、图像分割、建模语言、人体运动等。我们还强调基本算法以及它们的实用技巧申请成功。”

这门课程是2013-2013年录制的，不如Yann Lecun在法兰西学院的公开课及时。 建议将两者结合起来。 另外，它需要基础的微积分和Python，并且涉及到很多专有名词，对于初学者来说有一定的难度，需要自己查找相关资料。

9.哥伦比亚大学机器学习公开课

在这份专家名单中，这门课程的讲师、哥伦比亚大学的约翰·佩斯利副教授只是一位相对普通的年轻学者。 不过，该课程将于两天后，即 2017 年 1 月 16 日首次开始。这使其成为最新的机器学习入门课程。 要知道，人工智能和机器学习近一两年的发展可谓“日新月异”——就连一流的专家也被不断涌现的新方法、新理论所淹没。 换句话说，三四年前的课程中的很多内容现在可能已经过时了。

这也是Yann LeCun提醒大家注意学习资源时效性的原因。

遗憾的是，很多一流的机器学习公开课程都已经录制很久了。 我们知道一次公开课背后消耗了大量的人力。 因此，有些课程近两三年没有更新，这不能归咎于讲者和平台。 但这使得相对较新且及时的课程特别有价值。

在本课程中，学习者将学习机器学习算法、模型和方法机器学习英语，以及它们在现实生活中的应用。

由于这是该课程首次提供，因此尚未收到有关该课程的反馈。 不过，鉴于哥伦比亚大学的研究和教学实力，其课程质量应该值得期待。

10.麻省理工学院高级课程

这是一门难度较高的研究生级别的机器学习课程。 不幸的是，麻省理工学院不提供课程视频，而是以参考书目和课堂笔记的形式提供课程内容的一瞥。 小编认为，这些学习资源的价值还是不可估量的。 正因为如此，与常规公开课相比，不需要花费太多的时间，非常适合有一定基础的学习者验证所学内容。

概括

这是雷锋网为您整理的十大最有价值的机器学习入门公开课程。 这些课程由浅入深，重点关注机器学习的不同领域和方面。 孩子们可以根据自己的需求选择最适合自己的课程。 不过小编必须提醒大家的是机器学习英语，所有盘点都不可避免地夹杂着主观因素。 尽管雷锋网尽力根据课程质量和业内人士的评价来制定这份推荐名单，但它知道这不可能完全公平和客观。 例如，这个列表往往是机器学习的“入门”，而不是开发人员的高级； 它往往侧重于概念和算法学习而不是实践技能（例如Python教程）； 它倾向于列出世界上最好的课程。 推荐给大家，但是对英语基础不好的学习者照顾不够。 除此之外机器学习英语，还有许多有价值的公共课程，满足不同层次人群的需求。 因此，雷锋网专门列出了几门比较系统的机器学习课程和学习平台来弥补这份榜单的不足，以供参考。

友情提醒开发者入门必读：最值得看的十大机器学习公开课，以下内容包含收费课程。

系统课程： 平台推荐：

国外Coursera、edX、Udacity、Udemy； 国内的网易公开课、七月在线都集中了比较优质的学习资源。 当然，对于英语好的孩子，我推荐国外的学习网站，尤其是他们的问答论坛，非常有帮助。

对于英语水平不太好的孩子来说，Coursera 和 Udacity 都非常重视中国市场，他们的大部分机器学习资源都添加了中文字幕。 对于edX和Khan Academy上的一些课程，网易公开课有字幕翻译。

对于需要数学和统计学额外课程的孩子，除了上述平台外，强烈推荐可汗学院。 其数学课程非常有名。 甚至比尔·盖茨也向他的孩子们推荐了它们。 非常适合从头开始。 打好基础。

此外，雷锋网旗下《AI技术评论》定期举办“硬创新公开课”，邀请行业专家就机器学习领域的热点问题进行深入讨论，并解答AI技术评论读者的提问。 上期我们邀请了新加坡国立大学冯嘉石教授来分析GAN（生成对抗网络）。 更多资讯请关注AI技术评论微信公众号。

相关文章：

分享有用的信息 | 如何从头开始推进深度学习！

Python、R、Java、C++等：从行业反馈看机器学习语言趋势

初学者必读的机器学习开发语言

机器学习十大算法都有哪些？看完这篇你就明白了