awesome ml courses

Потрясающие курсы по машинному обучению и искусственному интеллекту

Кураторский список потрясающих бесплатных курсов по машинному обучению и искусственному интеллекту с видеолекциями. Все курсы доступны в виде высококачественных видеолекций от лучших исследователей и преподавателей искусственного интеллекта на планете.

Помимо видеолекций, я связал сайты курсов с конспектами лекций, дополнительной литературой и заданиями.

Вводные лекции

Это отличные курсы для начала работы в области машинного обучения и искусственного интеллекта. Никакого предварительного опыта в области ML и AI не требуется. Вы должны иметь некоторые знания в области линейной алгебры, вводного исчисления и теории вероятности. Также рекомендуется некоторый опыт программирования.

• Машинное обучение (Стэнфорд CS229) | Сайт курса

  Эта современная классика курсов по машинному обучению — отличная отправная точка для понимания концепций и методов машинного обучения. Курс охватывает многие широко используемые методы. Конспекты лекций подробны и содержат обзор необходимых математических концепций.

• Сверточные нейронные сети для визуального распознавания (Stanford CS231n) | Сайт курса

  Отличный способ начать с глубокого обучения. Курс посвящен сверточным нейронным сетям и компьютерному зрению, но также дает обзор рекуррентных сетей и обучения с подкреплением.

• Введение в искусственный интеллект (UC Berkeley CS188) | Сайт курса

  Охватывает всю область ИИ. От методов поиска, деревьев игр и машинного обучения до байесовских сетей и обучения с подкреплением.

• Прикладное машинное обучение 2020 (Колумбия)

  Альтернатива Стэнфордскому CS229. Как следует из названия, этот курс носит более прикладной характер, чем лекция Эндрю Нга по машинному обучению в Стэнфорде. Вы увидите больше кода, чем математики. Концепции и алгоритмы используют популярные библиотеки Python scikit-learn и Keras.

• Введение в обучение с подкреплением с Дэвидом Сильвером (DeepMind) | Сайт курса

  Введение в обучение с подкреплением от одного из ведущих исследователей AlphaGo и AlphaZero.

• Обработка естественного языка с глубоким обучением (Stanford CS224N) | Сайт курса

  Современные методы НЛП: от рекуррентных нейронных сетей и встраивания слов до преобразователей и внимания к себе. Охватывает прикладные темы, такие как ответы на вопросы и генерация текста.

• Глубокое обучение – Нью-Йоркский университет – 2020 | Сайт курса

  Этот курс касается новейших методов глубокого обучения и обучения представлению, уделяя особое внимание контролируемому и неконтролируемому глубокому обучению, методам внедрения, метрическому обучению, сверточным и рекуррентным сетям, с приложениями к компьютерному зрению, пониманию естественного языка и распознаванию речи.

• Машинное обучение с помощью графиков (Stanford CS224W) | Сайт курса

  Комплексный обзор методов машинного обучения, применяемых к данным, структурированным в виде графов. Темы включают встраивание узлов, графовые нейронные сети (GNN), гетерогенные графы, графы знаний и их приложения. В курсе также рассматриваются сложные темы, такие как сопоставление нейронных подграфов, преобразователи графов и масштабирование GNN до больших графов.

Продвинутые лекции

Продвинутые курсы, требующие предварительных знаний в области машинного обучения и искусственного интеллекта.

• Глубокое обучение без учителя (UC Berkeley CS294) | Сайт курса

• Границы глубокого обучения (Институт Саймонса) | Сайт курса

• Новые методы глубокого обучения | Сайт курса

• Геометрия глубокого обучения (Microsoft Research) | Сайт курса

• Глубокое многозадачное и метаобучение (Stanford CS330), осень 2022 г. | Веб-сайт курса

• Летняя школа математики машинного обучения 2019 (Вашингтонский университет) | Веб-сайт курса

• Вероятностные графические модели (Университет Карнеги-Меллон) | Веб-сайт курса

• Вероятностно-статистическое машинное обучение 2020 (Университет Тюбингена)

• Статистическое машинное обучение 2020 (Университет Тюбингена)

• Мобильное зондирование и робототехника 2019 (Боннский университет)

• Курс «Датчики и государственная оценка» 2020 (Боннский университет)

• Фотограмметрия 2015 (Боннский университет)

• Продвинутое глубокое обучение и обучение с подкреплением 2020 (DeepMind / UCL)

• Динамические системы, управляемые данными, с машинным обучением

• Управление на основе данных с помощью машинного обучения

• Серия семинаров ECE AI 2020 (Нью-Йоркский университет)

• CS287 Advanced Robotics в Калифорнийском университете в Беркли, осень 2019 г.

• CSEP 546 – ​​Машинное обучение (AU, 2019 г.) (Университет Вашингтона)

• Глубокое обучение с подкреплением, принятие решений и контроль (UC Berkeley CS285)

• Стэнфордская выпуклая оптимизация

• Стэнфорд CS224U: Понимание естественного языка | Весна 2019 г.

• Полнофункциональное глубокое обучение 2019

• Новые проблемы в глубоком обучении

• Летняя школа Deep|Bayes 2019

• Нейронные сети CMU для НЛП 2020

• Новые направления в обучении и управлении с подкреплением (Институт перспективных исследований)

• Семинар по теории глубокого обучения: куда дальше (Институт перспективных исследований)

• Глубокое обучение: алхимия или наука? (Институт перспективных исследований)

• Серия лекций по теоретическому машинному обучению (Институт перспективных исследований)

• Математика больших данных и машинное обучение (MIT)

• Введение в дата-центричный ИИ (MIT) | Видео лекций | Лабораторные задания

• Трансформаторы как вычислительная модель (Калифорнийский университет в Беркли, Институт Саймонса)