awesome ml courses
1.0.0
一系列精彩的免费机器学习和人工智能课程以及视频讲座。所有课程均以高质量视频讲座的形式提供，由全球最优秀的人工智能研究人员和教师授课。
除了视频讲座之外，我还链接了包含讲义、附加阅读材料和作业的课程网站。
这些是机器学习和人工智能入门的绝佳课程。无需具备 ML 和 AI 经验。您应该具备一些线性代数、微积分入门和概率知识。还建议有一些编程经验。
机器学习（斯坦福 CS229）|课程网站
这本现代机器学习经典课程是理解机器学习概念和技术的一个很好的起点。该课程涵盖了许多广泛使用的技术，讲义很详细，并复习了必要的数学概念。
用于视觉识别的卷积神经网络（斯坦福 CS231n）|课程网站
开始深度学习的好方法。该课程重点关注卷积神经网络和计算机视觉，但也概述了循环网络和强化学习。
人工智能简介（加州大学伯克利分校 CS188）|课程网站
涵盖AI全领域。从搜索方法、博弈树和机器学习到贝叶斯网络和强化学习。
应用机器学习 2020（哥伦比亚）
斯坦福 CS229 的替代品。顾名思义，本课程比 Andrew Ng 在斯坦福大学的机器学习讲座更具应用性。你会看到比数学更多的代码。概念和算法使用流行的 Python 库 scikit-learn 和 Keras。
David Silver (DeepMind) 介绍强化学习 |课程网站
AlphaGo 和 AlphaZero 背后的主要研究人员之一介绍了强化学习。
深度学习自然语言处理（斯坦福 CS224N）|课程网站
现代 NLP 技术，从循环神经网络和词嵌入到 Transformer 和 self-attention。涵盖应用主题，例如问答和文本生成。
深度学习 - 纽约大学 - 2020 |课程网站
本课程涉及深度学习和表示学习的最新技术，重点关注监督和无监督深度学习、嵌入方法、度量学习、卷积和循环网络，以及在计算机视觉、自然语言理解和语音识别中的应用。
图形机器学习（斯坦福 CS224W）|课程网站
全面概述应用于图结构数据的机器学习技术。主题包括节点嵌入、图神经网络 (GNN)、异构图、知识图及其应用。该课程还涵盖高级主题，例如神经子图匹配、图转换器以及将 GNN 缩放到大图。
需要机器学习和人工智能先验知识的高级课程。
深度无监督学习（加州大学伯克利分校 CS294）|课程网站
深度学习前沿（西蒙斯研究所）|课程网站
新的深度学习技术 |课程网站
深度学习的几何（微软研究院）|课程网站
深度多任务和元学习（斯坦福 CS330）2022 年秋季 |课程网站
2019 年机器学习数学暑期学校（华盛顿大学）|课程网站
概率图形模型（卡内基梅隆大学）|课程网站
概率与统计机器学习 2020（蒂宾根大学）
统计机器学习 2020（蒂宾根大学）
移动传感和机器人 2019（波恩大学）
传感器和状态估计课程 2020（波恩大学）
摄影测量 2015（波恩大学）
高级深度学习和强化学习 2020（DeepMind / UCL）
具有机器学习的数据驱动动态系统
通过机器学习进行数据驱动控制
ECE AI 研讨会系列 2020（纽约大学）
加州大学伯克利分校 2019 年秋季 CS287 高级机器人
CSEP 546 - 机器学习（AU 2019）（华盛顿大学）
深度强化学习、决策和控制（加州大学伯克利分校 CS285）
斯坦福凸优化
斯坦福 CS224U：自然语言理解 | 2019年春季
2019 年全栈深度学习
深度学习中的新挑战
Deep|贝叶斯2019暑期学校
CMU 神经网络 NLP 2020
强化学习与控制的新方向（高等研究院）
深度学习理论研讨会：下一步（高等研究院）
深度学习：炼金术还是科学？ （高等研究院）
理论机器学习讲座系列（高等研究院）
大数据和机器学习数学（麻省理工学院）
以数据为中心的人工智能简介 (MIT) |讲座视频|实验室作业
变形金刚作为计算模型（加州大学伯克利分校，西蒙斯研究所）
