在工程領(lǐng)域，機(jī)器學(xué)習(xí)的應(yīng)用并不如想象中多，而深度學(xué)習(xí)每天都在改變生活。入門深度學(xué)習(xí)的好課不僅讓你了解技術(shù)領(lǐng)域的前沿，還能幫助你提升求職競爭力。以下 8 門課程(大部分評分來自 Class Central)推薦給你。

[[243636]]

1. Creative Applications of Deep Learning with TensorFlow

Kadenze

★★★★☆ (基于 43 個評價)

這門課程會為你介紹 deep learning，讓你能夠構(gòu)建***進(jìn)的人工智能算法。其中包含最基本的深度學(xué)習(xí)知識(基礎(chǔ)課)，包括什么是深度學(xué)習(xí)?算法如何工作?如何編寫程序構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)，變分自動編碼器，生成對抗網(wǎng)絡(luò)，遞歸神經(jīng)網(wǎng)絡(luò)。本課程不僅帶你構(gòu)建算法，還會深入研究充滿創(chuàng)意的應(yīng)用。

2. Neural Networks for Machine Learning

University of Toronto

★★★☆ (基于 25 個評價)

語音和對象識別，圖像分割，建模語言和人體運動等領(lǐng)域都會用到機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)。本課程會帶你了解這些應(yīng)用所需的基本算法，以及實現(xiàn)他們所需的良好技巧。這門課需要一定的微積分知識及 Python 編程基礎(chǔ)。

3. MIT 6.S191: Introduction to Deep Learning

Massachusetts Institute of Technology (MIT)

★★★★☆ (基于 2 個評價)

本課程會為你介紹深度學(xué)習(xí)的基本方法(入門課程)，以及機(jī)器翻譯，圖像識別，游戲，圖像生成等應(yīng)用。這門課程中還會有一些和 TensorFlow 合作展開的實驗內(nèi)容。

4. MIT 6.S094: Deep Learning for Self-Driving Cars

Massachusetts Institute of Technology (MIT)

★★★★☆ (基于 1 個評價)

這是一門面向新手的課程，為機(jī)器學(xué)習(xí)初學(xué)者設(shè)計，同時也能為研究人員提供實踐領(lǐng)域的借鑒。本課程通過構(gòu)建自動駕駛汽車來介紹深度學(xué)習(xí)。

5. CS224d: Deep Learning for Natural Language Processing

University of Oxford

無評分

這是一門關(guān)于自然語言處理的進(jìn)階課程。需要你具備一定的概率論，線性代數(shù)和連續(xù)數(shù)學(xué)的基礎(chǔ)，了解基本的機(jī)器學(xué)習(xí)模型，編程熟練，但不需要具備語言學(xué)的知識。你將會學(xué)到一系列神經(jīng)網(wǎng)絡(luò)模型，能夠優(yōu)化模型算法，了解如何用這些算法構(gòu)建***進(jìn)的 NLP 系統(tǒng)，了解應(yīng)用過程中可能出現(xiàn)的硬件問題，最終實現(xiàn)和評估 NLP 常見的神經(jīng)網(wǎng)絡(luò)模型。

6. CS224n: Natural Language Processing with Deep Learning

Stanford University

無評分

深度學(xué)習(xí)在自然語言處理中能實現(xiàn)很好的應(yīng)用。本課程中學(xué)生將學(xué)習(xí)如何實現(xiàn)，訓(xùn)練，調(diào)試，可視化甚至發(fā)明他們自己的神經(jīng)網(wǎng)絡(luò)模型。課程全面介紹了應(yīng)用于 NLP 的深度學(xué)習(xí)的前沿研究。模型上涵蓋了基于窗口的神經(jīng)網(wǎng)絡(luò)，遞歸神經(jīng)網(wǎng)絡(luò)，長短期記憶模型，卷積神經(jīng)網(wǎng)絡(luò)等。編程作業(yè)會幫助你掌握必要的實踐技巧。

7. CS231n: Convolutional Neural Networks for Visual Recognition

Stanford University

無評分

這門課由李飛飛主講，課程為期 10 周，其間課程會深入探討深度學(xué)習(xí)的細(xì)節(jié)，重點學(xué)習(xí)圖像分類。學(xué)生將學(xué)習(xí)如何訓(xùn)練和調(diào)試自己的神經(jīng)網(wǎng)絡(luò)模型，了解計算機(jī)視覺的前沿領(lǐng)域。課程的資料都可以在 Stanford 的課程首頁找到，包含筆記，視頻等。

8. Deep Learning A-Z™: Hands-On Artificial Neural Networks

Kirill Eremenko and the SuperDataScience Team

★★★★☆ (基于 13,832 個評價)

學(xué)習(xí)使用 Python 構(gòu)建深度學(xué)習(xí)算法(偏向?qū)嵺`領(lǐng)域)。課程分為兩部分：監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)。每個部分會為你介紹 3 種不同的算法。專注于深度學(xué)習(xí)背后的直觀理解，而不只是冰冷的數(shù)學(xué)推導(dǎo)和程序。課程的實戰(zhàn)項目基于真實世界的數(shù)據(jù)集，目的是解決實際問題。