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: