标签归档:通俗人工智能课程

Deep Learning Specialization on Coursera

Andrew Ng 老师新推的通俗人工智能课程以及其他相关资料

Andrew Ng 老师是我的偶像,他在普及机器学习和深度学习的道路上纵情向前,这不他又在 Coursera 上新推了一门通俗人工智能课程:AI For Everyone(全民AI)

http://coursegraph.com/coursera-ai-for-everyone

这门课程面向大众进行AI科普,将于2019年年初开课,目前已经可以注册课程。AI不仅适用于工程师,这门非技术性人工智能课程将帮助学习者了解机器学习和深度学习等相关技术,以及将AI应用于自己组织中的问题和机会。 通过这门课程,学习者将会了解当前人工智能可以或者不能做的事情。最后,学习者将了解AI如何影响社会以及我们将如何应对这种技术变革。

AI is not only for engineers. This non-technical course will help you understand technologies like machine learning and deep learning and spot opportunities to apply AI to problems in your own organization. You will see examples of what today’s AI can – and cannot – do. Finally, you will understand how AI is impacting society and how to navigate through this technological change.

If you are a non-technical business leader, “AI for Everyone” will help you understand how to build a sustainable AI strategy. If you are a machine learning engineer or data scientist, this is the course to ask your manager, VP or CEO to take if you want them to understand what you can (and cannot!) do.

下面,我们细数一下Andrew Ng老师在机器学习&深度学习&人工智能科普道路上的孜孜不倦:

0. 斯坦福大学公开课 :机器学习课程

http://open.163.com/special/opencourse/machinelearning.html

这是 OpenCourse 刚刚兴起时流传的机器学习课程,来自斯坦福大学课堂录制,Andrew Ng老师亲授,难度相对大一些,印象最深的还是那个奔跑在林间无人驾驶视频:

人工智能的发展到已经进入了一个瓶颈期。近年来各个研究方向都没有太大的突破。真正意义上人工智能的实现目前还没有任何曙光。但是,机器学习无疑是最有希望实现这个目标的方向之一。斯坦福大学的“Stanford Engineering Everywhere ”免费提供学校里最受欢迎的工科课程,给全世界的学生和教育工作者。得益于这个项目,我们有机会和全世界站在同一个数量级的知识起跑线上。

1. Andrew Ng 老师的 机器学习课程(Machine Learning)

http://coursegraph.com/coursera-machine-learning

Coursera创办之初的扛鼎之作,Andrew Ng老师为Mooc时代亲自打造的机器学习课程,难度简化了不少,机器学习入门首选课程。这门课程从一开始诞生就备受瞩目,据说全世界有数百万人通过这门课程入门机器学习。课程的级别是入门级别的,对学习者的背景要求不高,Andrew Ng 老师讲解的又很通俗易懂,所以强烈推荐从这门课程开始走入机器学习。课程简介:

机器学习是一门研究在非特定编程条件下让计算机采取行动的学科。最近二十年,机器学习为我们带来了自动驾驶汽车、实用的语音识别、高效的网络搜索,让我们对人类基因的解读能力大大提高。当今机器学习技术已经非常普遍,您很可能在毫无察觉情况下每天使用几十次。许多研究者还认为机器学习是人工智能(AI)取得进展的最有效途径。在本课程中,您将学习最高效的机器学习技术,了解如何使用这些技术,并自己动手实践这些技术。更重要的是,您将不仅将学习理论知识,还将学习如何实践,如何快速使用强大的技术来解决新问题。最后,您将了解在硅谷企业如何在机器学习和AI领域进行创新。 本课程将广泛介绍机器学习、数据挖掘和统计模式识别。相关主题包括:(i) 监督式学习(参数和非参数算法、支持向量机、核函数和神经网络)。(ii) 无监督学习(集群、降维、推荐系统和深度学习)。(iii) 机器学习实例(偏见/方差理论;机器学习和AI领域的创新)。课程将引用很多案例和应用,您还需要学习如何在不同领域应用学习算法,例如智能机器人(感知和控制)、文本理解(网络搜索和垃圾邮件过滤)、计算机视觉、医学信息学、音频、数据库挖掘等领域。

这里有老版课程评论,非常值得参考推荐:Machine Learning

http://coursegraph.com/coursera_ml

3. Andrew Ng (吴恩达) 深度学习专项课程 by Coursera and deeplearning.ai

http://coursegraph.com/coursera-specializations-deep-learning

这是 Andrew Ng 老师离开百度后推出的第一个深度学习项目(deeplearning.ai)的一个课程: Deep Learning Specialization ,课程口号是:Master Deep Learning, and Break into AI. 作为 Coursera 联合创始人 和 机器学习网红课程Machine Learning” 的授课者,Andrew Ng 老师引领了数百万同学进入了机器学习领域,而这门深度学习课程的口号也透露了他的野心:继续带领百万人进入深度学习的圣地。

作为 Andrew Ng 老师的粉丝,依然推荐这门课程作为深度学习入门课程首选,并且建议花费上 Coursera 的课程,一方面可以做题,另外还有证书,最重要的是它的编程作业,是理解课程内容的关键点,仅仅看视频绝对是达不到这个效果的。参考:《Andrew Ng 深度学习课程小记》和《Andrew Ng (吴恩达) 深度学习课程小结》。

4. Machine Learning Yearning

Andrew Ng 老师在今年推的一个机器学习经验的小册子,前段时间完成所有章节的写作,我看了英文版,全书几乎没有公式,主要是机器学习实践经验的分享,很不错的总结,对于机器学习从业人员来说,可以时不时的拿来参考一下。这本书似乎有一个准中文翻译网站,不太确定是否是官方的,将这本书翻译为《机器学习训练秘籍》,感兴趣的同学也可以在这里读中文版。

最后分享一下之前收集的Andrew Ng老师的相关课程资料和书籍,来源于互联网,包括早年机器学习课程的视频,深度学习课程的作业整理,Machine Learning Yearning的英文版和中文版等,感兴趣的同学可以关注我们的微信公众号: AINLP, 回复”ng”获取:

注:原创文章,转载请注明出处“课程图谱博客”:http://blog.coursegraph.com

本文链接地址:Andrew Ng 老师新推的通俗人工智能课程以及其他相关资料 http://blog.coursegraph.com/?p=949