圍繞人工智能(AI)、自動(dòng)化和認(rèn)知系統(tǒng)的原則和實(shí)踐中，無論您的業(yè)務(wù)領(lǐng)域、專業(yè)知識或?qū)I(yè)如何，都有可能變得越來越有價(jià)值。

幸運(yùn)的是，今天的你不需要花費(fèi)幾年時(shí)間在大學(xué)學(xué)習(xí)，才能熟悉這個(gè)看起來非常復(fù)雜的技術(shù)。近年來，越來越多的在線課程涌現(xiàn)出來，涵蓋從基礎(chǔ)到高級實(shí)施的所有內(nèi)容。

有些是針對想要直接編碼他們自己的人工神經(jīng)網(wǎng)絡(luò)的人，并且可以理解為這類人群具有一定的技術(shù)能力。對于那些想要了解如何將這項(xiàng)技術(shù)應(yīng)用于任何人的人，無論其是否具備先前的技術(shù)專業(yè)知識，都可以用于解決實(shí)際問題。

[[227686]]

在這篇文章中，將簡要介紹一些今天可用的***的免費(fèi)軟件。

1. 通過Google AI學(xué)習(xí)

https://ai.google/education/#?modal_active=none

這個(gè)新推出的資源是Google計(jì)劃擴(kuò)大公眾對AI的理解的一部分內(nèi)容。材料正在慢慢添加，目前它已經(jīng)包含了一個(gè)機(jī)器學(xué)習(xí)與TensorFlow(谷歌的機(jī)器學(xué)習(xí)庫)速成課程。

本課程涵蓋了機(jī)器學(xué)習(xí)的基本介紹，包括TensorFlow入門、神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)和訓(xùn)練。

它的設(shè)計(jì)目標(biāo)是讓那些沒有機(jī)器學(xué)習(xí)知識的人可以在一開始就進(jìn)入正題，那些有經(jīng)驗(yàn)的人可以選擇感興趣的模塊，而機(jī)器學(xué)習(xí)專家則可以用它作為TensorFlow的入門介紹。

2. Google - 機(jī)器學(xué)習(xí)

https://www.class-central.com/course/udacity-deep-learning-5681

這是來自Google通過Udacity提供的更深度的課程。因此，它并不完全針對新手，至少是假設(shè)你具有以前的機(jī)器學(xué)習(xí)經(jīng)驗(yàn)到熟悉監(jiān)督式學(xué)習(xí)的范圍。

它側(cè)重于深度學(xué)習(xí)，并設(shè)計(jì)了可從大型復(fù)雜數(shù)據(jù)集中學(xué)習(xí)的自學(xué)系統(tǒng)。

本課程面向那些希望將機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)技術(shù)用作數(shù)據(jù)分析師、數(shù)據(jù)科學(xué)家或機(jī)器學(xué)習(xí)工程師以及想要利用大量開源庫和材料的企業(yè)家的人。

3. 斯坦福大學(xué) - 機(jī)器學(xué)習(xí)

https://www.coursera.org/learn/machine-learning

本課程通過Coursera提供，由Google深度學(xué)習(xí)研究部門的創(chuàng)始人、Google Brain和百度AI負(fù)責(zé)人吳恩達(dá)教授創(chuàng)設(shè)。

整個(gè)課程有可以免費(fèi)學(xué)習(xí)的部分，也可以選擇支付認(rèn)證費(fèi)用，如果您打算使用您對AI的理解來提高您的職業(yè)前景，那么這項(xiàng)選擇是很有用的。

該課程涵蓋了從語音識別和增強(qiáng)網(wǎng)頁搜索的實(shí)際機(jī)器學(xué)習(xí)實(shí)施范圍，同時(shí)涉及統(tǒng)計(jì)學(xué)主題的深入討論，例如線性回歸、神經(jīng)網(wǎng)絡(luò)的反向傳播方法以及Matlab教程——一個(gè)最廣泛使用的編程語言的概率AI工具。

4. 哥倫比亞大學(xué) - 機(jī)器學(xué)習(xí)

https://ai.google/education/#?modal_active=none

本課程也可以免費(fèi)在線使用，如果需要，還可以選擇支付認(rèn)證費(fèi)用。

它承諾教授模型、方法和應(yīng)用程序來解決實(shí)際問題，也能使用概率和非概率方法以及監(jiān)督和無監(jiān)督學(xué)習(xí)。

為了充分利用課程，您應(yīng)該每周花費(fèi)大約8到10個(gè)小時(shí)的時(shí)間在材料和練習(xí)上，超過12周的時(shí)間。這是免費(fèi)的常春藤聯(lián)盟級教育，所以它不會是輕而易舉就可以完成的。

它是通過非營利edX在線課程提供商提供的，它構(gòu)成了人工智能納米學(xué)的一部分。

5. Nvidia - 計(jì)算機(jī)視覺深度學(xué)習(xí)基礎(chǔ)

https://www.class-central.com/course/fundamentals-of-deep-learning-for-computer-vision-10730

計(jì)算機(jī)視覺是建立計(jì)算機(jī)的AI子學(xué)科，它可以像我們的大腦那樣通過處理視覺信息來“看到”。

除了技術(shù)基礎(chǔ)外，它還涵蓋了如何識別能夠受益于能夠進(jìn)行物體識別和圖像分類的機(jī)器的情況或問題。

作為圖形處理單元(GPU)的制造商，Nvidia毫不意外地涵蓋了這些高性能圖形引擎的重要組成部分，以前主要是為了展示***圖像，現(xiàn)在它已經(jīng)在計(jì)算機(jī)視覺應(yīng)用的廣泛應(yīng)用中發(fā)揮作用。

***的評估包括建立和部署一個(gè)神經(jīng)網(wǎng)絡(luò)應(yīng)用程序，雖然整個(gè)課程可以按自己的步調(diào)進(jìn)行研究，但建議您至少花費(fèi)大約八個(gè)小時(shí)的時(shí)間。

6. 麻省理工學(xué)院 - 自駕車的深度學(xué)習(xí)

https://selfdrivingcars.mit.edu/

與上面的課程一樣，麻省理工學(xué)院采取的方法是將人工智能的一個(gè)主要的現(xiàn)實(shí)方面作為出發(fā)點(diǎn)來探索所涉及的具體技術(shù)。

普遍預(yù)期會成為我們?nèi)粘Ｉ畹囊徊糠郑揽咳斯ぶ悄軄砀兄械臄?shù)據(jù)，這些數(shù)據(jù)會撞擊車輛的傳感器陣列，并安全地行駛在道路上。這涉及教學(xué)機(jī)器來解釋來自這些傳感器的數(shù)據(jù)，就像我們自己的大腦解讀來自我們的眼睛、耳朵和觸覺的信號。

它涵蓋了MIT DeepTraffic模擬器的使用，該模擬器要求學(xué)生教導(dǎo)模擬汽車盡可能快地沿著繁忙的道路行駛，而不與其他道路使用者發(fā)生碰撞。