Read enough so you start developing intuitions and trust intuitions and go for it!

通過大量閱讀來培養(yǎng)直覺，相信自己的直覺并大膽實(shí)踐！

—— Geoffrey Hinton

本文經(jīng)AI新媒體量子位（公眾號ID:QbitAI）授權(quán)轉(zhuǎn)載，轉(zhuǎn)載請聯(lián)系出處。

要說這兩年最火的機(jī)器學(xué)習(xí)課程，當(dāng)屬吳恩達(dá)的Machine Learning。

這原本是吳恩達(dá)在斯坦福大學(xué)開授的課程，課程視頻在網(wǎng)絡(luò)上受到了學(xué)習(xí)者的廣泛好評，后來還推出了專門的網(wǎng)課。

現(xiàn)在越來越多的人選擇通過觀看視頻課程的方式來學(xué)習(xí)知識，一方面有了教師的引導(dǎo)會讓艱澀的內(nèi)容更容易理解，另一方面平時通勤、等待時的細(xì)碎時間也可以得到充分利用。

深度學(xué)習(xí)如此火熱的今天，也有不少人通過課程視頻來學(xué)習(xí)各個領(lǐng)域的知識。

雖然已經(jīng)有不少世界知名大學(xué)放出了學(xué)校授課的錄像或講座的視頻，來造福全球?qū)ι疃葘W(xué)習(xí)感興趣的學(xué)習(xí)者們。

但去哪學(xué)，也成了擺在大家面前的難題。

今天要介紹的這個Github倉庫 Deep Learning Drizzle就是一個深度學(xué)習(xí)相關(guān)課程/講座視頻的大合集，其中不乏學(xué)界知名大牛的親授課程。

目前該項目已經(jīng)在Github收獲了6000+星，F(xiàn)ork數(shù)也超過1.4K。

倉庫維護(hù)者整理了14個類目共計232門視頻課程，并且這個數(shù)字還在不斷增加。其中包括：

• Deep Neural Networks（深度神經(jīng)網(wǎng)絡(luò)），43門
• Machine Learning Fundamentals（機(jī)器學(xué)習(xí)基礎(chǔ)），12門
• Optimization for Machine Learning（機(jī)器學(xué)習(xí)優(yōu)化方法），12門
• General Machine Learning（通用機(jī)器學(xué)習(xí)），39門
• Reinforcement Learning（強(qiáng)化學(xué)習(xí)），14門
• Bayesian Deep Learning（貝葉斯深度學(xué)習(xí)），5門
• Graph Neural Networks（圖神經(jīng)網(wǎng)絡(luò)），9門
• Probabilistic Graphical Models（概率圖模型），5門
• Natural Language Processing（自然語言處理），10門
• Automatic Speech Recognition（語音識別），5門
• Modern Computer Vision（現(xiàn)代計算機(jī)視覺），25門
• Boot Camps or Summer Schools（夏令營與暑期學(xué)校講座），44門
• Medical Imaging（醫(yī)學(xué)影像），5門
• Bird’s-eye view of Artificial Intelligence（人工智能概覽），4門

下面我們簡單介紹一下每類課程覆蓋的內(nèi)容，并推薦其中頗負(fù)盛名的好課。

Deep Neural Networks 深度神經(jīng)網(wǎng)絡(luò)

主要涉及神經(jīng)網(wǎng)絡(luò)的工作原理及基本的應(yīng)用。

課程推薦

1、Neural Networks for Machine Learning

Geoffrey Hinton，University of Toronto，2012/2014

看到Hinton這個名字任何人都難免會虎軀一顫——深度學(xué)習(xí)奠基人之一，2019年圖靈獎獲得者。

2、CS231n: CNNs for Visual Recognition

Justin Johnson，Stanford University，2015-2017

同樣是這兩年網(wǎng)絡(luò)上的爆款課程，華人學(xué)者李飛飛的團(tuán)隊出品。每年的課程內(nèi)容都會根據(jù)最新的研究成果更新，是計算機(jī)視覺很好的入門課程。

3.CS320: Deep Learning

Andrew Ng，Stanford University，2018

華人學(xué)者吳恩達(dá)親自講授的深度學(xué)習(xí)課程，內(nèi)容全面的深度學(xué)習(xí)寶典，現(xiàn)在已經(jīng)有了專門的在線課。

Machine Learning Fundamentals 機(jī)器學(xué)習(xí)基礎(chǔ)

要想深入理解機(jī)器學(xué)習(xí)原理，數(shù)學(xué)知識必不可少。本類目包括了線性代數(shù)、概率與統(tǒng)計、微積分、信息論等基礎(chǔ)數(shù)學(xué)課程。

課程推薦：

Linear Algebra

Gilbert Strang，MIT

Optimization for Machine Learning 機(jī)器學(xué)習(xí)優(yōu)化方法

優(yōu)化方法是機(jī)器學(xué)習(xí)算法的靈魂，本類目以優(yōu)化為主題，包含了凸優(yōu)化課程和針對機(jī)器學(xué)習(xí)的優(yōu)化理論課程。

課程推薦

1、Convex Optimization

Stephen Boyd, Stanford University

Stephen Boyd編寫的《凸優(yōu)化》是中國許多高校的凸優(yōu)化課程教材，現(xiàn)在有機(jī)會聽到作者本人授課了！

2、Optimization

Geoff Gordon & Ryan Tibshirani, CMU

3、Convex Optimization

Ryan Tibshirani, CMU

4、Algorithmic Aspects of Machine Learning / Advanced Algorithms

Ankur Moitra, MIT

General Machine Learning 通用機(jī)器學(xué)習(xí)

本類目主要講授機(jī)器學(xué)習(xí)理論、統(tǒng)計機(jī)器學(xué)習(xí)方法等內(nèi)容。

課程推薦

CS229: Machine Learning

Andrew Ng, Stanford University

吳恩達(dá)主講的機(jī)器學(xué)習(xí)課程，深入講解了各種常用的統(tǒng)計機(jī)器學(xué)習(xí)模型，可謂經(jīng)典中的經(jīng)典。

Reinforcement Learning 強(qiáng)化學(xué)習(xí)

本類目主要介紹強(qiáng)化學(xué)習(xí)基礎(chǔ)及進(jìn)階技術(shù)。大家熟知的阿法狗（AlphaGo）和各種游戲AI都是強(qiáng)化學(xué)習(xí)的產(chǎn)物。

課程推薦

1、Introduction to Reinforcement Learning

David Silver, DeepMind

△AlphaGo與李世石的人機(jī)大戰(zhàn)

Deepmind公司可謂在強(qiáng)化學(xué)習(xí)領(lǐng)域苦心耕耘多年，AlphaGo、AlphaZero、德州撲克AI、星際爭霸AI等都出自他們之手。快來看看Deepmind研究員David Silver如何闡釋強(qiáng)化學(xué)習(xí)。

2、Deep Reinforcement Learning

Sergey Levine, UC Berkeley

3、CS234: Reinforcement Learning

Emma Brunskill, Stanford University

Bayesian Deep Learning 貝葉斯深度學(xué)習(xí)

主要講授基于貝葉斯網(wǎng)絡(luò)的深度學(xué)習(xí)方法。

課程推薦

Deep Learning and Bayesian Methods

Lots of Legends, HSE Moscow

Graph Neural Networks 圖神經(jīng)網(wǎng)絡(luò)

近幾年對于圖神經(jīng)網(wǎng)絡(luò)的研究越來越多，圖神經(jīng)網(wǎng)絡(luò)可以有效地處理想社交網(wǎng)絡(luò)這樣的圖數(shù)據(jù)，是一個熱門的研究方向。

此部分還包含了基于三維幾何的深度學(xué)習(xí)內(nèi)容，3D視覺同樣是近幾年開始被廣泛研究的課題。

由于這些方向興起時間不長，所以基本以workshop和講座為主。

Probabilistic Graphical Models 概率圖模型

概率圖模型在研究中有著廣泛的應(yīng)用，如知名的隱馬爾科夫模型（HMM）、條件隨機(jī)場（CRF）等都屬于概率圖模型。同時概率圖模型也是圖神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)。

推薦課程

Probabilistic Graphical Models

Eric Xing, CMU

華人教授邢波主講的課程，邢波教授本人專攻機(jī)器學(xué)習(xí)、計算生物學(xué)等方向。

Natural Language Processing 自然語言處理

本部分主要介紹計算語言學(xué)以及基于深度學(xué)習(xí)的自然語言處理（NLP）。

推薦課程

1、Neural Networks for Natural Language Processing

Graham Neubig, CMU

2、Natural Language Processing with Deep Learning

Abigail See, Chris Manning, Richard Socher, Stanford University

Automatic Speech Recognition 語音識別

主要講授如何應(yīng)用深度學(xué)習(xí)技術(shù)進(jìn)行語音識別。

Modern Computer Vision 現(xiàn)代計算機(jī)視覺

所謂現(xiàn)代計算機(jī)視覺，其實(shí)包括了傳統(tǒng)方法和基于深度學(xué)習(xí)的方法兩部分。

這類課程中有對數(shù)字圖像處理、計算機(jī)視覺領(lǐng)域傳統(tǒng)方法的講解，也有深度學(xué)習(xí)在攝影、視頻處理、機(jī)器人等方面的研究。

推薦課程

1、Convolutional Neural Networks

Andrew Ng, Stanford University

2、CS205A: Mathematical Methods for Robotics, Vision and Graphics

Justin Solomon, Stanford University

Boot Camps or Summer Schools 夏令營與暑期學(xué)校

這部分主要是知名大學(xué)夏令營、暑期學(xué)校中的專題講座，內(nèi)容通常比較前沿，值得一看。

Medical Imaging 醫(yī)學(xué)影像

主要講授如何運(yùn)用機(jī)器學(xué)習(xí)方法進(jìn)行醫(yī)學(xué)影像分析，主要是暑期學(xué)校課程。

Bird’s-eye view of Artificial Intelligence 人工智能概覽

這部分主要是大牛的講座和講話，探討了人工智能發(fā)展方向，以及人工智能與認(rèn)知、情感、道德、倫理、社會等方面的關(guān)系，是人工智能在技術(shù)之上更高層次的探究，可以幫助你對人工智能有更深的理解。

最后，附上項目傳送門：

https://github.com/kmario23/deep-learning-drizzle