访问官网
Github优秀的全栈机器学习工程课程
这是一份精选的公开可访问的机器学习课程列表,来自顶尖大学如伯克利、哈佛、斯坦福和麻省理工学院。它还包括来自大型和经验丰富公司的机器学习项目案例研究。该列表按主题和专业领域分类。Python是首选编程语言,因为它涵盖了端到端的机器学习工程。
特别感谢这些学校公开他们的课程视频和作业。
简介
掌握机器学习工程基础知识的最少必修课程列表。
哥伦比亚大学 COMS W4995: 应用机器学习 :tv:
伯克利大学 CS182: 设计、可视化和理解深度神经网络: :tv: [参考解答]
计算机科学
机器学习工程所需的基础计算机科学、Python和SQL技能。
:books: 教材
:school: 课程
麻省理工学院:计算机科学教育中缺失的一学期 :star:
edX 麻省理工学院X: 使用Python进行计算机科学和编程导论 :star:
数学和统计学
线性代数和统计学
:books: 教材
:school: 课程
麻省理工学院 18.05: 概率与统计导论 :star:
麻省理工学院 18.06: 线性代数 :star:
斯坦福大学 Stats216: 统计学习 :star:
人工智能
人工智能是机器学习的超集。这些课程提供了对人工智能领域更高层次的理解,包括搜索、规划、逻辑、约束优化和机器学习。
:books: 教材
:school: 课程
伯克利 CS188: 人工智能 :star:
机器学习
机器学习。
:books: 教材
:school: 课程
哥伦比亚大学 COMS W4995: 应用机器学习 :tv: :star:
机器学习工程
这些课程帮助你弥合从训练机器学习模型到在现实世界中部署AI系统的差距。
:books: 教材
:school: 课程
伯克利: 全栈深度学习 :star:
斯坦福: CS 329S: 机器学习系统设计 :star:
Udemy: 机器学习模型的部署 :star:
Udemy: 精通Apache Airflow的完整实践课程
深度学习概述
深度学习的基本概述。
:books: 教科书
:school: 课程
斯坦福大学 CS 25: Transformer模型 :tv:
Deeplearning.ai 深度学习专项课程: [参考解答] :star:
专业领域
推荐系统
当用户不知道自己想要什么，也无法用关键词描述需求时，就会使用推荐系统。
:books: 教科书
:school: 课程
信息检索和网络搜索
当用户有明确需求并能用关键词描述时，就会使用搜索和排序。
:books: 教科书
:school: 课程
斯坦福大学 CS224U: 自然语言理解 - NLU和信息检索
自然语言处理
有了语言模型和序列模型，每个人都可以像GPT-3一样写作。
:books: 教科书
:school: 课程
斯坦福大学 CS224n: 基于深度学习的自然语言处理: [参考解答] :star:
伯克利大学 CS182: 设计、可视化和理解深度神经网络: :tv: [参考解答]
纽约大学: DS-GA 1011 基于表示学习的自然语言处理
Deeplearning.ai 自然语言处理专项课程 [参考解答]
计算机视觉
神经网络还不能解决所有视觉问题。
:books: 教科书
:school: 课程
斯坦福大学 CS231n：视觉识别的卷积神经网络：[作业2解答，作业3解答] :star:
伯克利大学 CS182：设计、可视化和理解深度神经网络：:tv: [参考解答]
无监督学习和生成模型
:school: 课程
基础模型
强化学习
:books: 教科书
:school: 课程
Coursera：强化学习专项课程 <= 由强化学习权威教科书作者 Richard Sutton 推荐。:star:
伯克利大学 CS182：设计、可视化和理解深度神经网络：:tv: [参考解答]
伯克利大学 CS285：深度强化学习 :star:
机器人学 :robot:
四元数随处可见，还有梯度。
:school: 课程
许可证
所有书籍、博客和课程的版权归各自作者所有。
你可以在开放的 CC BY-SA 3.0 许可下使用我的汇编和参考解答，并按以下方式引用：
@misc{leehanchung,
author = {Lee, Hanchung},
title = {全栈机器学习工程课程},
year = {2020},
howpublished = {Github 仓库},
url = {https://github.com/awesome-full-stack-machine-learning-courses}
}
