整理 | 琥珀

出品 | AI科技大本營（ID: rgznai100）

文本將介紹來自全球10所著名學府的機器學習和數(shù)據(jù)科學領域的免費公開課程，范圍涉及從入門機器學習到自然語言處理等,。

1,、機器學習

華盛頓大學

鏈接：https://courses.cs./courses/cse546/17au/

本課程旨在為機器學習的基本方法和算法提供全面的基礎,。課程的主題來自經(jīng)典統(tǒng)計、機器學習,、數(shù)據(jù)挖掘,、貝葉斯統(tǒng)計和優(yōu)化。

修課條件：應該熟悉編程,，并具有線性代數(shù),、概率、統(tǒng)計和算法的預先存在的工作知識,。

2,、 機器學習

威斯康星大學麥迪遜分校

鏈接：http://pages.stat./~sraschka/teaching/stat479-fs2018/

本課程涵蓋機器學習的關鍵概念，包括分類,、回歸分析,、聚類和降維。學生將學習機器學習算法的基本數(shù)學概念,，但本課程同樣關注使用Python編程生態(tài)系統(tǒng)中的開源庫的機器學習算法的實際應用,。

3、算法（新聞學）

哥倫比亞大學

鏈接：https://github.com/jstray/lede-algorithms/blob/master/README.md

這是一門關于新聞學算法數(shù)據(jù)分析的課程,，也是對社會中使用的算法的新聞分析,。涉及文本處理、高維數(shù)據(jù)的可視化,、回歸,、機器學習、算法偏差和問責制,、蒙特卡羅模擬和選舉預測,。

所有編碼都是用Python完成的，使用Pandas,、matplotlib,、scikit-learn。

4,、深度學習實戰(zhàn)

Yandex數(shù)據(jù)學院

鏈接：https://github.com/yandexdataschool/Practical_DL/tree/master

5,、30小時大數(shù)據(jù)

克拉科夫技術大學

鏈接：http://ondata.blog/big-data-in-30-hours/

該實踐課程的目標是在15個講座（每個2小時）內，向技術人員（企業(yè),、學界或學生）介紹實用的數(shù)據(jù)工程和數(shù)據(jù)科學,。所有科目都是通過實例介紹的，學生可以立即使用命令行或GUI工具,。

修課條件：需要一定的技術儲備,，在通用編程和操作系統(tǒng)方面能夠流利，并且基本接觸過Linux shell,、數(shù)據(jù)庫和SQL,。課程9-15 需要學習者具備Python的業(yè)務積累,。

6、深度強化學習訓練營

加州大學伯克利分校

鏈接：https://sites.google.com/view/deep-rl-bootcamp/lectures

強化學習考慮了學習行為的問題,，并準備為下一代人工智能系統(tǒng)提供動力,，這需要超越輸入輸出模式識別（因為已經(jīng)足夠用于語音、視覺,、機器翻譯）,，但必須產生智能行為。示例應用領域包括機器人,、營銷,、對話、HVAC,、優(yōu)化醫(yī)療和供應鏈,。

為期兩天的訓練營將通過講座和動手實驗課程講授深度強化學習的基礎支持，幫助應用者使用這些技術構建新的應用程序,，甚至推動算法的前沿發(fā)展,。

7、人工智能導論

華盛頓大學

鏈接：https://courses.cs./courses/cse573/17wi/

8,、大腦,、頭腦和機器夏季課程

麻省理工學院

鏈接：https://ocw./resources/res-9-003-brains-minds-and-machines-summer-course-summer-2015/

本課程探討了智力問題，它的本質,，它是如何由大腦產生的,，以及它如何在機器中復制等問題。使用一種集成了研究大腦的認知科學的方法,，神經(jīng)科學（研究大腦）,，計算機科學和人工智能（研究開發(fā)智能機器所需的計算）。

9,、算法的設計與分析

麻省理工學院

鏈接：https://ocw./courses/electrical-engineering-and-computer-science/6-046j-design-and-analysis-of-algorithms-spring-2015/

這是一門中級算法課程,，重點是設計和分析高效算法的教學技巧，強調應用方法,。主題包括分而治之,、隨機化,、動態(tài)編程,、貪婪算法、增量改進,、復雜性和密碼學,。

10、自然語言處理

華盛頓大學

鏈接：https://courses.cs./courses/cse517/17wi/