文章来源：Hackerearth 作者：DhanyaMenon
这11周的课程由Coursera公司创始人之一的Andrew Ng讲解。Andrew Ng是斯坦福大学的副教授，也是百度的首席科学家。本次课程主要讲解机器学习的应用，它讨论了最好的机器学习技术和基于统计学的模式识别，并教你如何实现相关机器学习算法。
广泛地说，它包括监督和无监督学习，线性和逻辑回归，正则化方法，以及朴素贝叶斯理论。他在课程中使用Octave和MATLAB软件辅助分析。该课程使用了丰富的案例研究和最新实际应用。默认听课的学生已经具备一定的概率，线性代数和计算机科学方面的基础知识。本课程获得用好评如潮。
课程链接：https://www.coursera.org/learn/machine-learning
二、Udacity平台—机器学习介绍
这是优达学城Udacity关于Nanodegree课程的一部分，本课程大约10周，教授使用机器学习技术来提取有用的内涵信息，进而处理相关数据集所需掌握的所有知识。Sebastian Thrun和Katie Malone教授希望初学者预先了解基本的统计概念和Python编程语言。
本课程教你从聚类决策树的所有相关知识，从ML算法如Adaboost算法到支持向量机算法（SVMs）。我们也建议你可以先修一些介绍诸如数据处理、数据分析、信息可视化的数据通信、多尺度数据等数据科学入门课程。
课程链接：https://cn.udacity.com/course/intro-to-machine-learning--ud120
三、EdX平台—数据学习课程《机器学习导论》
Yaser S. Abu-Mostafa是来自加州理工学院的电气工程与计算机科学的教授，他将会为你讲授机器学习的基本理论原理、算法和应用。
这门课程将持续10周，每周需要10-20小时的学习时间。另外，他们还有一门5周的课程——面向数据科学与分析的机器学习（ Machine Learning for Data Science andAnalytics）（链接：https://www.edx.org/course/machine-learning-data-science-analytics-columbiax-ds102x-0），在这门课程中初学者能够学到更多算法方面的知识。
课程链接：https://www.edx.org/course/learning-data-introductory-machine-caltechx-cs1156x#!
四、YouTube—统计机器学习
高级机器学习这门视频讲座（发布在YouTube上）的主讲人是Larry Wasserman，他是卡耐基.梅隆大学统计系和机器学习系的教授。
学习这门课程的前提是已经学习过他专门为博士生设计的中间统计和机器学习（10-715）两门课程。如果你没有参加过这两门课程的学习，那么你需要确保你在数学、计算机科学和统计学方面有足够的知识储备。
课程链接：https://www.youtube.com/watch?list=PLTB9VQq8WiaCBK2XrtYn5t9uuPdsNm7YE&v=zcMnu-3wkWo
五、Coursera—《机器学习神经网络》
Coursera提供的这门16周的高级课程由多伦多大学著名的退休教授、曾就职于谷歌山景总部的格里高利欣顿执教。作为深度学习领域的开拓者，YouTube上欣顿的视频课程讲授神经网络在图像分割、人体运动、建模语言、语音与目标识别等方面的应用，要求学生熟悉微积分并有Python编程经验。
课程链接：https://www.youtube.com/watch?list=PLoRl3Ht4JOcdU872GhiYWf6jwrk_SNhz9&v=cbeTc-Urqak
六、Udacity—谷歌的深度学习课程
Udacity提供的这门免费课程“将机器学习带入了新的阶段”。谷歌这门为期三个月的课程并不是为初学者设计的，它介绍的是深度学习、深度神经网络、卷积网络的动机，以及面向文本和序列的深度模型。
课程导师Vincent Vanhoucke 和 Arpan Chakraborty希望参与者能够具有Python和GitHub编程经验，并且了解机器学习、统计学、线性代数和微积分的基本概念。区别其他平台课程，TensorFlow（谷歌内部深度学习图书馆）课程的好处是学生可以自定义学习进度。
课程链接：https://cn.udacity.com/course/deep-learning--ud730
七、Kaggle平台—关于机器学习的R语言教程
DataCamp平台提供这一交互式学习体验，有助于你脱颖而出。此外还提供一个《R入门》的免费课程。
课程链接：https://www.kaggle.com/news
八、EdX在线平台—机器学习原理课程
作为在数据科学领域微软认证考试的一部分，这门为期六周的课程只是中级水平，它将教会你如何通过Python、R和Azure机器学习来构建并使用机器学习模型。
Steve Elston 博士和 Cynthia Rudin两位导师将介绍分类和回归算法在机器学习、监督模型、非线性模型、聚类和推荐系统中的应用。另外，如需认证证书，需额外付款。
课程链接：https://www.edx.org/course/principles-machine-learning-microsoft-dat203-2x-2
九、Coursera—《机器学习专业证书课程》
华盛顿大学利用实际案例研究已开设5门讲授机器学习基础的课程。这6周的课要求每周5至8小时的学习，涵盖机器学习基础、分类、聚类、退化、推荐系统以及降维、采用深度学习的工程。
来自亚马逊的Emily Fox 和 Carlos Guestrin将会作为这门课程的导师，他们希望参与者能够具备基本的数学和编程技能，同时具有Python编程的工作经验。这门课程是免费的，但取得证书需要额外付费。
课程链接：https://www.coursera.org/specializations/machine-learning
人工智能课程：
一、EdX在线平台的人工智能课程
来自EdX在线课堂平台的这门课程主要介绍的是人工智能的应用，例如机器人、自然语言处理、机器学习算法（人工智能分支）、数据结构、博弈算法和约束满足问题。这门课程是来自哥伦比亚大学的高级教程，将会持续12周。
课程链接：https://www.edx.org/course/artificial-intelligence-ai-columbiax-csmm-101x
二、Udacity—《人工智能入门》
此课程讲授人工智能的“典型应用”，是Udacity的机器学习工程师Nano学位课程的一部分，
Sebastian Thrun和Peter Norvig两位导师将会带领你学习贝叶斯网络、统计学和机器学习等人工智能的基础课程，以及自然语言处理、机器人和图像处理等人工智能应用。参与课程的学生需要掌握线性代数和概率论知识。
课程链接：https://cn.udacity.com/course/intro-to-artificial-intelligence--cs271
三、《人工智能：原理与技术》
这个斯坦福大学的课程讲授如何使用数学工具处理诸如机器翻译、语音和人脸识别以及自动驾驶等复杂问题。您可以先看授课大纲——机器学习概念、树搜索、动态规划、启发式搜索、博弈、马尔科夫决策过程、约束满足问题、贝叶斯网络、逻辑以及任务规划。
课程链接：http://web.stanford.edu/class/cs221/
四、Udacity—乔治亚理工学院的《机器人人工智能》
由Udacity在线平台提供的这门课程主要介绍的是斯坦福大学和谷歌联合开发的自动驾驶技术。它是深度学习无学位基础课程的一部分。Sebastian Thrun导师将会介绍定位算法、卡尔曼滤波和粒子滤波，PID控制，和即时定位与地图构建（SLAM）技术。这门课程需要参与者熟练掌握线性代数和概率论等数学知识，会用Python，并且有编程经验。
课程链接：https://cn.udacity.com/course/artificial-intelligence-for-robotics--cs373
联系客服
