亲身体验了几十门机器学习课程,我发现这5个是最好的

2019 年 3 月 6 日 新智元





  新智元报道   

来源:LearnDataSci

编辑:元子

【新智元导读】机器学习课程浩如烟海。今天为大家献上由资深学习者,通过自己的切身体验,从众多机器学习在线课程中精选出的5门最佳课程。除了献上课程外,还为大家带来了学习指南!

 

编程的外衣下,是一颗数学的心。机器学习就是这么一个单纯又硬核的学科。


她不像数据科学,又要分析数据、又要做统计,还要沟通交流,做可视化等等。


数学!在机器学习的字典里,只有数学。而编程,好比是包裹在数学外面、用来完成各项任务的机甲。


机器学习已经这么火了,在谷歌上搜索“机器学习课程”,你能得到60700000个结果。


这么多课程,该从哪儿下手?


来自LearnDataSci的作者及编辑、Pythoner及数据科学顾问Brendan Martin,以自己多年来,亲自参加各种平台的无数机器学习课程(包括Coursera,Edx,Udemy,Udacity和DataCamp)的经验,为大家精选出5个目前最实用、最有效的机器学习课程。


这5门课程分别是:


  1. 机器学习 -  Coursera

  2. 深度学习专业化 -  Coursera

  3. 使用Python进行机器学习 -  Coursera

  4. 高级机器学习专业化 -  Coursera

  5. 机器学习 -  EdX


本文分3部分:


  1. 第一部分是最佳课程评选标准

  2. 第二部分是5门最佳课程介绍

  3. 第三部分是开始课程前的”学习指南“


本文约4000字,阅读可能需要12分钟。建议收藏,并分享给身边的好友,共同进步、互相监督。


“最佳课程”评选标准


那么凭什么这5个课程就被认为是最好的?Brendan给出了评选标准:


  • 严格关注机器学习

  • 使用免费的开源编程语言,即Python,R或Octave

  • 为这些语言使用免费的开源库。 一些教师和提供者使用商业包,因此不考虑这些课程。

  • 包含练习和实践经验的编程任务

  • 解释算法如何以数学方式工作

  • 每个月左右都可以自我调节,按需或提供

  • 有吸引力的教练和有趣的讲座

  • 从各种聚合器和论坛获得高于平均水平的评分和评论


除了在线学习之外,读书也是必不可少的环节。Brendan同时为大家推荐了2本对他影响最大的书:


1. 《统计学习简介》


注意这本书是可以免费下载的,下载链接负载文末。


本书解释和示例清晰直接的令人难以置信!据说读完后,你在相互学这方面的直觉会发育的非常敏锐,很多基本机器学习技术能够做到迎刃而解。


2. 动手学TensorFlow之Scikit-Learn篇


这本书是对前一本书很好的补充。上一本书主偏理论,这本书偏实践,使用Python进行机器学习的应用。


配合我们上面选出来的5门课程食用,效果拔群。


好,现在让我们开始详细的为大家解读这5门精选课程的设计划重点、最突出的优势,以及适合


机器学习 -  Coursera



课程介绍


吴恩达的机器学习课程,恐怕是很多人进入机器学习大门的引导者了。目前课程评分4.9,24005个评价。77%的学生表示通过该课程,获得了新的工作。


本课程使用开源编程语言是Octave而不是Python或R。这一点可能会 对一部分学生在后续转入Python时造成一定的困扰。


不过对于完全小白来说,用Octave来入手机器学习可能更适合。况且,Python也不是一门特别难上手的语言。


课程完整地解释了理解每个算法所需的所有数学知识,包括一些微积分和线性代数。 该课程对数学基础没有做很严格的要求,不过事前懂一点,总是有先发优势的。



课程讲师:吴恩达


课程费用:免费。课程证书79美元,约530人民币。


课程表


  • 单变量的线性回归

  • 线性代数评论

  • 具有多个变量的线性回归

  • Octave / Matlab教程

  • 逻辑回归

  • 正则

  • 神经网络:表示

  • 神经网络:学习

  • 应用机器学习的建议

  • 机器学习系统设计

  • 支持向量机

  • 降维

  • 异常检测

  • 推荐系统

  • 大规模机器学习

  • 应用示例:Photo OCR


划重点


全部课程持续11周。一切顺利的话,4个月后你可以可以账务机器学习的基础知识。


之后,就可以轻松地进入更高级或专业的主题,如深度学习,ML工程或任何其他让你更感兴趣的话题。


毫无疑问,这是新手开始的最佳课程。


深度学习专业化 -  Coursera



课程介绍


同样由吴恩达教授。相比上一个课程,这个更高阶。主要是学习神经网络和深度学习,目的是了解并掌握NN和DL如何解决实际问题。


从这门课程开始,所有的课程和作业都开始使用Python,并开始接触TensorFlow。


如果你因为上一门课程Octave,导致对Python有一点不适应,没干洗,多联系几次就好了。




课程讲师:吴恩达


课程费用:免费。课程证书每个月49美元,约330人民币。


课程表


  • 神经网络与深度学习

  • 深度学习简介

  • 神经网络基础知识

  • 浅层神经网络

  • 深度神经网络

  • 改进神经网络:超参数调整,正则化和优化

  • 构建机器学习项目

  • 卷积神经网络

  • 序列模型


划重点


本课程涉及到很多算法,所以需要对数学基础有一定的要求。文末会有所需数学知识的指南。


使用Python进行机器学习 -  Coursera



课程介绍


这是IBM公司出品的,针对初学者的一门课程,仅关注最基本的机器学习算法。


本课程使用Python,如果你担心吴恩达机器学习课程会对将来转Python产生不利影响,这们课程是一个不错的替代品。


并且能够在浏览器中使用交互式Jupyter Notebook,来对刚学过的知识进行实践,并提供了在实际数据上使用算法的具体说明。



课程讲师:IBM


课程费用:免费。课程证书39美元/每月,约260人民币。


课程表


  • 机器学习简介

  • 回归

  • 分类

  • 聚类

  • 推荐系统

  • 最终项目


划重点


本课程最好的一点是为每种算法提供实用的建议。当引入新算法时,教师会向告诉工作原理、优缺点,以及应用于什么场景中。


这些信息对于新学员来说非常重要,却在其他课程中,经常被排除外,


高级机器学习专业化 -  Coursera



课程介绍


这是一些列高级课程,内容很充实,同时对数学用的要求也较前3门课程更高。


本课程的教学非常棒,用两个词来形容就是:精彩,简洁。涵盖的大部分内容对许多机器学习项目至关重要。



课程讲师:俄罗斯国家研究型高等经济大学。


课程费用:免费。课程证书每个月49美元,约330人民币。


课程表


  • 深度学习简介

  • 优化简介

  • 神经网络简介

  • 深度学习图像

  • 无监督表示学习

  • Dee学习序列

  • 最终项目

  • 如何赢得数据科学竞赛:向顶级Kagglers学习

  • 机器学习的贝叶斯方法

  • 实践强化学习

  • 计算机视觉中的深度学习

  • 自然语言处理

  • 通过机器学习解决大型强子对撞机挑战


划重点


本课程课时较长,大约需要8到10个月。但是在这不到一年的时间里,你将学到大量的机器学习相关的知识,并能够处理更多尖端的应用程序,创建几个真正的项目,例如使计算机学习学会阅读,查看和播放。


这些项目将来都会增加你简历的分享,并且能够让你的Github主业保持一个不错的活跃度。雇主很看着这两点!


机器学习 -  EdX



课程介绍


OK。这门课程是5门课程里,境界最高的,对数学基础的要求也是最高的。


你需要对线性代数、微积分、概率以及编程都有一定的了解。课程作业对Python和Octave都有涉及,但并不直接教授这两门语言,所你需要具备一定的Python或者Octave基础。


该课程也是硕士课程中最推荐的数据科学书籍之一《Machine Learning: A Probabilistic Perspective》一个很棒的补充。


课程讲师:哥伦比亚大学。


课程费用:免费。证书300美元,大约2010人民币。


课程表


  • 最大似然估计,线性回归,最小二乘法

  • 岭回归,偏差方差,贝叶斯规则,最大后验推断

  • 最近邻分类,贝叶斯分类器,线性分类器,感知器

  • 逻辑回归,Laplace逼近,核方法,高斯过程

  • 最大边距,支持向量机(SVM),树木,随机森林,提升

  • 聚类,K均值,EM算法,缺失数据

  • 高斯混合,矩阵分解

  • 非负矩阵分解,潜在因子模型,PCA和变化

  • 马尔可夫模型,隐马尔可夫模型

  • 连续状态空间模型,关联分析

  • 型号选择,后续步骤


划重点


如果你数学功底扎实,并希望从实际推导出某些算法的编程,那么请学习本课程。


学习指南



你需要掌握的预备知识


在开始投入上述5门课程的学习之前,你需要具备一定的数学、编程基础。


下面列出需要用到数学、编程知识:


  • 线性代数:《面向工程师的矩阵代数》 - Coursera

  • 概率:《Fat Chance: Probability from the Ground Up》 - EdX

  • 微积分:《单变量微积分》- MIT开放式课程

  • 编程:《人人都会编程》 - Coursera


至于编程语言,当然是建议学习Python了。


你需要掌握的基本算法


  • 线性回归

  • 逻辑回归

  • k-Means聚类

  • k-最近邻居

  • 支持向量机(SVM)

  • 决策树

  • 随机森林

  • 朴素贝叶斯


在基础知识之后,一些更先进的学习技巧将是:


  • 合奏

  • 推进

  • 维度降低

  • 强化学习

  • 神经网络与深度学习


就像基本技术一样,你学习的每一个新工具都应该养成一个习惯,立即将它应用到项目中,以巩固你的理解,并在需要的时候,随时进行复习。


从一个项目入手


这一点的重要性显而易见,不做过多强调了。


多看最新的研究成果


因为机器学习是一个发展非常快的领域,新技术和新应用迭代速度非常快。


所以大家可以多关注新智元,我们每天都会为大家献上最新的研究成果。通知,也欢迎大家向我们投稿、提供线索。


最后,预祝大家能够最快速的掌握到所需知识,并成功获得更好的工作!


免费获取《Introduction to Statistical Learning》

http://www-bcf.usc.edu/~gareth/ISL/


参考链接:

https://www.learndatasci.com/best-machine-learning-courses/


更多阅读



【加入社群】


新智元AI技术+产业社群招募中,欢迎对AI技术+产业落地感兴趣的同学,加小助手微信号:aiera2015_2   入群;通过审核后我们将邀请进群,加入社群后务必修改群备注(姓名 - 公司 - 职位;专业群审核较严,敬请谅解)

登录查看更多
5

相关内容

Coursera 是由斯坦福大学的计算机科学教授吴恩达和达芙妮·科勒(Daphne Koller)联合创建的一个营利性的教育科技公司。
《可解释的机器学习-interpretable-ml》238页pdf
专知会员服务
202+阅读 · 2020年2月24日
专知会员服务
115+阅读 · 2019年12月24日
谷歌机器学习速成课程中文版pdf
专知会员服务
145+阅读 · 2019年12月4日
【机器学习课程】Google机器学习速成课程
专知会员服务
164+阅读 · 2019年12月2日
【书籍】深度学习框架:PyTorch入门与实践(附代码)
专知会员服务
163+阅读 · 2019年10月28日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
机器学习在材料科学中的应用综述,21页pdf
专知会员服务
48+阅读 · 2019年9月24日
2019年Google最新中文版《机器学习速成课程》分享
深度学习与NLP
15+阅读 · 2019年9月1日
程序员精选:TensorFlow和ML前5名的课程
云栖社区
8+阅读 · 2018年8月27日
各编程领域最好的入门书籍
程序猿
27+阅读 · 2018年7月29日
已删除
将门创投
4+阅读 · 2018年6月26日
送书预告|听说读一本好书和假期更配哦
论智
6+阅读 · 2018年3月31日
吴恩达机器学习课程
平均机器
9+阅读 · 2018年2月5日
吴恩达深度学习系列课程
平均机器
4+阅读 · 2018年2月1日
干货|7步让你从零开始掌握Python机器学习!
全球人工智能
8+阅读 · 2017年9月24日
Financial Time Series Representation Learning
Arxiv
10+阅读 · 2020年3月27日
Arxiv
20+阅读 · 2019年9月7日
Arxiv
5+阅读 · 2019年6月5日
Arxiv
5+阅读 · 2019年4月21日
Deep Graph Infomax
Arxiv
17+阅读 · 2018年12月21日
Paraphrase Generation with Deep Reinforcement Learning
Arxiv
8+阅读 · 2018年5月15日
VIP会员
相关VIP内容
《可解释的机器学习-interpretable-ml》238页pdf
专知会员服务
202+阅读 · 2020年2月24日
专知会员服务
115+阅读 · 2019年12月24日
谷歌机器学习速成课程中文版pdf
专知会员服务
145+阅读 · 2019年12月4日
【机器学习课程】Google机器学习速成课程
专知会员服务
164+阅读 · 2019年12月2日
【书籍】深度学习框架:PyTorch入门与实践(附代码)
专知会员服务
163+阅读 · 2019年10月28日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
机器学习在材料科学中的应用综述,21页pdf
专知会员服务
48+阅读 · 2019年9月24日
相关资讯
2019年Google最新中文版《机器学习速成课程》分享
深度学习与NLP
15+阅读 · 2019年9月1日
程序员精选:TensorFlow和ML前5名的课程
云栖社区
8+阅读 · 2018年8月27日
各编程领域最好的入门书籍
程序猿
27+阅读 · 2018年7月29日
已删除
将门创投
4+阅读 · 2018年6月26日
送书预告|听说读一本好书和假期更配哦
论智
6+阅读 · 2018年3月31日
吴恩达机器学习课程
平均机器
9+阅读 · 2018年2月5日
吴恩达深度学习系列课程
平均机器
4+阅读 · 2018年2月1日
干货|7步让你从零开始掌握Python机器学习!
全球人工智能
8+阅读 · 2017年9月24日
相关论文
Financial Time Series Representation Learning
Arxiv
10+阅读 · 2020年3月27日
Arxiv
20+阅读 · 2019年9月7日
Arxiv
5+阅读 · 2019年6月5日
Arxiv
5+阅读 · 2019年4月21日
Deep Graph Infomax
Arxiv
17+阅读 · 2018年12月21日
Paraphrase Generation with Deep Reinforcement Learning
Arxiv
8+阅读 · 2018年5月15日
Top
微信扫码咨询专知VIP会员