awesome ml courses

Impresionantes cursos de aprendizaje automático e inteligencia artificial

Una lista seleccionada de increíbles cursos gratuitos de inteligencia artificial y aprendizaje automático con videoconferencias. Todos los cursos están disponibles como videoconferencias de alta calidad impartidas por algunos de los mejores investigadores y profesores de IA del planeta.

Además de las videoconferencias, vinculé los sitios web de los cursos con apuntes, lecturas adicionales y tareas.

Conferencias introductorias

Estos son excelentes cursos para iniciarse en el aprendizaje automático y la inteligencia artificial. No se necesita experiencia previa en ML e IA. Debes tener algunos conocimientos de álgebra lineal, cálculo introductorio y probabilidad. También se recomienda cierta experiencia en programación.

• Aprendizaje automático (Stanford CS229) | Sitio web del curso

  Este clásico moderno de los cursos de aprendizaje automático es un excelente punto de partida para comprender los conceptos y técnicas del aprendizaje automático. El curso cubre muchas técnicas ampliamente utilizadas. Las notas de la conferencia son detalladas y revisan los conceptos matemáticos necesarios.

• Redes neuronales convolucionales para reconocimiento visual (Stanford CS231n) | Sitio web del curso

  Una excelente manera de comenzar con el aprendizaje profundo. El curso se centra en redes neuronales convolucionales y visión por computadora, pero también brinda una descripción general sobre redes recurrentes y aprendizaje por refuerzo.

• Introducción a la Inteligencia Artificial (UC Berkeley CS188) | Sitio web del curso

  Cubre todo el campo de la IA. Desde métodos de búsqueda, árboles de juegos y aprendizaje automático hasta redes bayesianas y aprendizaje por refuerzo.

• Aprendizaje automático aplicado 2020 (Columbia)

  Alternativa a Stanford CS229. Como su nombre lo indica, este curso adopta una perspectiva más aplicada que la conferencia sobre aprendizaje automático de Andrew Ng en Stanford. Verás más código que matemáticas. Los conceptos y algoritmos utilizan las populares bibliotecas de Python scikit-learn y Keras.

• Introducción al aprendizaje por refuerzo con David Silver (DeepMind) | Sitio web del curso

  Introducción al aprendizaje por refuerzo por uno de los investigadores líderes detrás de AlphaGo y AlphaZero.

• Procesamiento del lenguaje natural con aprendizaje profundo (Stanford CS224N) | Sitio web del curso

  Técnicas modernas de PNL, desde redes neuronales recurrentes e incrustaciones de palabras hasta transformadores y autoatención. Cubre temas aplicados como respuesta a preguntas y generación de texto.

• Aprendizaje profundo - NYU - 2020 | Sitio web del curso

  Este curso aborda las últimas técnicas en aprendizaje profundo y aprendizaje de representación, enfocándose en aprendizaje profundo supervisado y no supervisado, métodos de integración, aprendizaje métrico, redes convolucionales y recurrentes, con aplicaciones a la visión por computadora, la comprensión del lenguaje natural y el reconocimiento de voz.

• Aprendizaje automático con gráficos (Stanford CS224W) | Sitio web del curso

  Descripción general completa de las técnicas de aprendizaje automático aplicadas a datos estructurados en gráficos. Los temas incluyen incrustaciones de nodos, redes neuronales de gráficos (GNN), gráficos heterogéneos, gráficos de conocimiento y sus aplicaciones. El curso también cubre temas avanzados como la coincidencia de subgrafos neuronales, transformadores de gráficos y escalado de GNN a gráficos grandes.

Conferencias avanzadas

Cursos avanzados que requieren conocimientos previos en aprendizaje automático e IA.

• Aprendizaje profundo no supervisado (UC Berkeley CS294) | Sitio web del curso

• Fronteras del aprendizaje profundo (Instituto Simons) | Sitio web del curso

• Nuevas técnicas de aprendizaje profundo | Sitio web del curso

• Geometría del aprendizaje profundo (Microsoft Research) | Sitio web del curso

• Metaaprendizaje y multitarea profunda (Stanford CS330) Otoño de 2022 | Sitio web del curso

• Escuela de verano de Matemáticas de aprendizaje automático 2019 (Universidad de Washington) | Sitio web del curso

• Modelos Gráficos Probabilísticos (Universidad Carneggie Mellon) | Sitio web del curso

• Aprendizaje automático probabilístico y estadístico 2020 (Universidad de Tübingen)

• Aprendizaje automático estadístico 2020 (Universidad de Tübingen)

• Sensores móviles y robótica 2019 (Universidad de Bonn)

• Curso de Sensores y Estimación del Estado 2020 (Universidad de Bonn)

• Fotogrametría 2015 (Universidad de Bonn)

• Aprendizaje profundo avanzado y aprendizaje por refuerzo 2020 (DeepMind / UCL)

• Sistemas dinámicos basados ​​en datos con aprendizaje automático

• Control basado en datos con aprendizaje automático

• Serie de seminarios de IA de ECE 2020 (NYU)

• CS287 Robótica Avanzada en UC Berkeley Otoño 2019

• CSEP 546 - Aprendizaje automático (AU 2019) (U de Washington)

• Aprendizaje por refuerzo profundo, toma de decisiones y control (UC Berkeley CS285)

• Optimización convexa de Stanford

• Stanford CS224U: Comprensión del lenguaje natural | Primavera 2019

• Aprendizaje profundo de pila completa 2019

• Desafíos emergentes en el aprendizaje profundo

• Profundo|Escuela de verano Bayes 2019

• Redes neuronales CMU para PNL 2020

• Nuevas direcciones en el control y el aprendizaje por refuerzo (Instituto de estudios avanzados)

• Taller sobre Teoría del Aprendizaje Profundo: Hacia dónde sigue (Instituto de Estudios Avanzados)

• Aprendizaje profundo: ¿alquimia o ciencia? (Instituto de Estudios Avanzados)

• Serie de conferencias teóricas sobre aprendizaje automático (Instituto de estudios avanzados)

• Matemáticas de Big Data y Aprendizaje Automático (MIT)

• Introducción a la IA centrada en datos (MIT) | Vídeos de conferencias | Tareas de laboratorio

• Transformadores como modelo computacional (UC Berkeley, Instituto Simons)