來源：Forbes

編譯：科技行者

圍繞人工智能（AI）,、自動化和認(rèn)知系統(tǒng)原則和實踐的基本基礎(chǔ)可能會變得越來越有價值，無論你所在的是哪個業(yè)務(wù)領(lǐng)域,、專業(yè)知識或?qū)I(yè)技能,。

所幸的是，如今你不需要花費數(shù)年時間在大學(xué)學(xué)習(xí),，以熟悉掌握這項看起來非常復(fù)雜的技術(shù),。近年來，有越來越多的在線課程涌現(xiàn)出來,，涵蓋從基礎(chǔ)到高級實施的所有內(nèi)容,。

有些課程是針對想要直接編碼他們自己人工神經(jīng)網(wǎng)絡(luò)的人,，并且可以理解為具有一定的技術(shù)能力,。還有一些課程，是針對那些想要了解如何讓人工智能技術(shù)被任何人使用的人,，無論是否具備前沿的技術(shù)專業(yè)知識,，都可以用于解決實際問題。

在這篇文章中,，我們將簡要介紹一些目前現(xiàn)有最好的免費在線課程,。

Learn with Google AI 

這個新推出的資源，是Google計劃擴(kuò)大公眾對人工智能理解的一個舉措,。目前Learn with Google AI正在慢慢增加材料,，但已經(jīng)包含了一個毛寧為材料正在慢慢添加，但它已經(jīng)包含了一個名為Machine Learning with TensorFlow的速成課程。 

本課程涵蓋了機(jī)器學(xué)習(xí)的基本介紹,、TensorFlow入門,、神經(jīng)網(wǎng)絡(luò)的設(shè)計和培訓(xùn)。 

Learn with Google AI的設(shè)計目標(biāo),，是讓那些沒有機(jī)器學(xué)習(xí)知識的人可以從一開始就進(jìn)入正題,，那些有經(jīng)驗的人可以選擇他們感興趣的模塊，而機(jī)器學(xué)習(xí)專家可以把它作為TensorFlow的入門介紹,。 

Google – Machine Learning 

這是Google通過Udacity提供的一個更為深入的課程,。因此，該課程并不針對完全的新手,，并假設(shè)積累了一定的機(jī)器學(xué)習(xí)經(jīng)驗,，達(dá)到至少熟悉監(jiān)督式學(xué)習(xí)方法的程度。 

該課程側(cè)重于深度學(xué)習(xí),，以及可以從大型復(fù)雜數(shù)據(jù)集中進(jìn)行學(xué)習(xí)的自學(xué)系統(tǒng)設(shè)計,。 

該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)用于工作中的數(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,，以及那些想要利用大量開源庫和材料的企業(yè)個人。 

Stanford University – Machine Learning 

本課程是通過Coursera提供的,，由Google深度學(xué)習(xí)研究部門“Google Brain”創(chuàng)始人,、前百度人工智能負(fù)責(zé)人Andrew Ng教授。 

整個課程可以免費學(xué)習(xí),，如果你打算利用你的人工智能的理解來提高職業(yè)前景的話,，也可以選擇支付認(rèn)證費用，這當(dāng)然也是很有用處的,。 

該課程涵蓋了從語音識別和增強(qiáng)網(wǎng)頁搜索的實際機(jī)器學(xué)習(xí)實施范圍,，同時也涉及統(tǒng)計學(xué)主題的深入討論，例如線性回歸,、神經(jīng)網(wǎng)絡(luò)“學(xué)習(xí)”的反向傳播方法以及Matlab教程——Matlab是基于概率的人工智能工具最廣泛使用的編程語言,。 

Columbia University – Machine Learning 

該課程是免費在線提供的，如果需要的話也可以選擇支付認(rèn)證費用,。 

該課程承諾教授用于解決現(xiàn)實問題的模型,、方法和應(yīng)用，使用概率和非概率方法,，以及監(jiān)督和無監(jiān)督式學(xué)習(xí),。 

要充分利用該課程，你需要每周花費大約8到10個小時,、超過12周的時間在材料和練習(xí)上,。但這是免費的常春藤盟級課程,，你不會失望的。 

該課程是通過非營利edX在線課程提供商提供的,，是人工智能納米學(xué)位認(rèn)證項目的一個組成部分,。 

Nvidia – Fundamentals of Deep Learning for Computer Vision 

計算機(jī)視覺是一個人工智能子學(xué)科，可以打造像我們大腦那樣通過處理視覺信息來“看到”的計算機(jī),。 

除了技術(shù)基礎(chǔ)外,，該課程還教你如何識別那些能夠從能夠進(jìn)行物體識別和圖像分類的機(jī)器應(yīng)用中受益的情況或問題。 

作為GPU制造商,，Nvidia毫不意外地涵蓋了高性能圖形引擎的重要組成部分,，這部分以前主要是為了展示尖端圖像，如今已經(jīng)在計算機(jī)視覺應(yīng)用的廣泛運用中發(fā)揮了作用,。 

最終的評估包含建立和部署一個神經(jīng)網(wǎng)絡(luò)應(yīng)用,，同時整個課程可以按自己的步調(diào)進(jìn)行研究，預(yù)計需要在材料上花費大約八個小時的時間,。 

MIT – Deep Learning for Self Driving Cars 

與上面的課程一樣,，麻省理工學(xué)院是把人工智能在現(xiàn)實世界中的一個重要方面，作為了探索相關(guān)具體技術(shù)的一個起點,。 

被廣泛認(rèn)為將成為我們?nèi)粘Ｉ钜徊糠值淖詣玉{駛汽車,，是依靠人工智能來利用車輛傳感器的所有數(shù)據(jù)，確保在道路上安全駕駛,。這涉及訓(xùn)練機(jī)器來解釋這些傳感器數(shù)據(jù),，就像我們自己的大腦解讀來自我們的眼睛、耳朵和觸覺的信號一樣,。 

該課程涵蓋了對MIT DeepTraffic模擬器的使用,，要求學(xué)生訓(xùn)練一輛模擬汽車以盡可能快速地沿著繁忙街道進(jìn)行行駛，而不與其他道路使用者發(fā)生碰撞,。 

這是去年在麻省理工大學(xué)首次開設(shè)的一門課程,，所有材料包括講座視頻和練習(xí)都可以在線獲得——但是在線無法獲得認(rèn)證。