awesome ml courses
1.0.0
一系列精彩的免費機器學習和人工智慧課程以及視訊講座。所有課程均以高品質視訊講座的形式提供，由全球最優秀的人工智慧研究人員和教師授課。
除了視訊講座之外，我還連結了包含講義、附加閱讀材料和作業的課程網站。
這些是機器學習和人工智慧入門的絕佳課程。無需具備 ML 和 AI 經驗。您應該具備一些線性代數、微積分入門和機率知識。也建議有一些程式設計經驗。
機器學習（史丹佛 CS229）|課程網站
這本現代機器學習經典課程是理解機器學習概念和技術的一個很好的起點。課程涵蓋了許多廣泛使用的技術，講義很詳細，並複習了必要的數學概念。
用於視覺識別的捲積神經網路（史丹佛 CS231n）|課程網站
開始深度學習的好方法。本課程重點在於卷積神經網路和電腦視覺，但也概述了循環網路和強化學習。
人工智慧簡介（加州大學柏克萊分校 CS188）|課程網站
涵蓋AI全領域。從搜尋方法、博弈樹和機器學習到貝葉斯網路和強化學習。
應用機器學習 2020（哥倫比亞）
史丹佛 CS229 的替代品。顧名思義，本課程比 Andrew Ng 在史丹佛大學的機器學習講座更具應用性。你會看到比數學更多的程式碼。概念和演算法使用流行的 Python 庫 scikit-learn 和 Keras。
David Silver (DeepMind) 介紹強化學習 |課程網站
AlphaGo 和 AlphaZero 背後的主要研究人員之一介紹了強化學習。
深度學習自然語言處理（史丹佛 CS224N）|課程網站
現代 NLP 技術，從循環神經網路和單字嵌入到 Transformer 和 self-attention。涵蓋應用主題，例如問答和文本生成。
深度學習 - 紐約大學 - 2020 |課程網站
本課程涉及深度學習和表示學習的最新技術，重點關注監督和無監督深度學習、嵌入方法、度量學習、卷積和循環網絡，以及在計算機視覺、自然語言理解和語音識別中的應用。
圖形機器學習（史丹佛 CS224W）|課程網站
全面概述應用於圖結構資料的機器學習技術。主題包括節點嵌入、圖神經網路 (GNN)、異構圖、知識圖及其應用。課程還涵蓋高級主題，例如神經子圖匹配、圖形轉換器以及將 GNN 縮放到大圖。
需要機器學習和人工智慧先驗知識的高級課程。
深度無監督學習（加州大學柏克萊分校 CS294）|課程網站
深度學習前沿（西蒙斯研究所）|課程網站
新的深度學習技術 |課程網站
深度學習的幾何（微軟研究院）|課程網站
深度多工與後設學習（史丹佛 CS330）2022 年秋季 |課程網站
2019 年機器學習數學暑期學校（華盛頓大學）|課程網站
機率圖模型（卡內基美隆大學）|課程網站
機率與統計機器學習 2020（蒂賓根大學）
統計機器學習 2020（蒂賓根大學）
移動感測與機器人 2019（波昂大學）
感測器和狀態估計課程 2020（波昂大學）
攝影測量 2015（波昂大學）
高階深度學習與強化學習 2020（DeepMind / UCL）
具有機器學習的數據驅動動態系統
透過機器學習進行數據驅動控制
ECE AI 研討會系列 2020（紐約大學）
加州大學柏克萊分校 2019 年秋季 CS287 高級機器人
CSEP 546 - 機器學習（AU 2019）（華盛頓大學）
深度強化學習、決策與控制（加州大學柏克萊分校 CS285）
史丹佛凸優化
史丹佛 CS224U：自然語言理解 | 2019年春季
2019 全端深度學習
深度學習的新挑戰
Deep|貝葉斯2019暑期學校
CMU 神經網路 NLP 2020
強化學習與控制的新方向（高等研究院）
深度學習理論研討會：下一步（高等研究院）
深度學習：煉金術還是科學？ （高等研究院）
理論機器學習講座系列（高等研究院）
大數據和機器學習數學（麻省理工學院）
以資料為中心的人工智慧簡介 (MIT) |講座影片|實驗室作業
變形金剛作為計算模型（加州大學柏克萊分校，西蒙斯研究所）
