闯入机器学习：5项在线课程可帮助您入门

内容

斯坦福大学的机器学习
没有错误，没有压力-在不破坏生活的情况下创建可改变生活的软件的分步指南
伦敦帝国理工学院的机器学习数学
国立研究大学—高等经济学院的高级机器学习
Deeplearning.ai的深度学习专业
通过Google Cloud在Google Cloud Platform上使用TensorFlow进行机器学习

带走：

如果您想开始机器学习，那么这些课程是上手的好地方！

该帖子包含会员链接

想要成为机器学习大师吗？

不是我们所有人！机器学习现在很热门，并且是一个迅速兴起的领域。迫切需要机器学习专家和类似的数据科学家角色。（如果您更喜欢数据科学而不是机器学习，请查看可通过在线学习掌握的6个关键数据科学概念。）

为了帮助您启动机器学习事业，这里有一些很棒的在线课程和程序，它们将开始向您展示ML的内部运作方式。

斯坦福大学的机器学习

该课程在线提供，因此学生可以在学习机器学习的基本要素的同时制定自己的时间表。深入了解自动驾驶汽车设计，语音识别技术，自动网络搜索以及最近几年机器学习为我们带来的更多信息。人类基因组计划中还有一个组件，其中将生物学与机器学习相结合为我们带来了数据处理方面的惊人进步。

该课程还将向您展示机器学习在我们周围如何存在。从医学诊断到推荐引擎，机器学习和神经网络已经成为我们生活中的重要组成部分。在很多情况下，我们没有意识到，因为它们被隐藏在幕后。阐明许多当前用例是帮助初学者建立ML知识的有效方法。

没有错误，没有压力-在不破坏生活的情况下创建可改变生活的软件的分步指南

当没有人关心软件质量时，您就无法提高编程技能。

此外，本课程还提供与数据挖掘，模式识别和各种算法工作有关的学习。学习有关监督学习和无监督学习的基础知识，以及机器学习实践中的降维和其他维数问题。所有这些都有助于为在ML实施和设计中扮演真正的角色做准备。

事实：

专注于机器学习，机器学习算法，人工神经网络和逻辑回归
单道菜
免费注册，可以选择付费获取证书

持续时间：大约需要55个小时才能完成

评分：4.9 / 5

伦敦帝国理工学院的机器学习数学

这些课程是对更高级别的机器学习的调查，有望使学生了解神经网络和类似技术的某些内部工作原理。

这个专业是关于如何将数学作为机器学习的基础，并为实践培训技术搭建桥梁，这些技术将帮助您精通机器学习所涉及的工作类型。

多元演算，降维和各种组件可帮助学生在这些基本要素中胜任。本课程要求具备一些Python编程语言的知识，以及对机器学习（包括线性代数）中使用的数学的基本理解。

事实：

专注于线性代数，多变量微积分，主成分分析（PCA）以及特征值和特征向量
该专业有3门课程
免费注册，可以选择付费获取证书

时间：大约需要2个月才能完成（建议每周12小时）

评分：4.5 / 5

国立研究大学—高等经济学院的高级机器学习

这种高级水平的在线专业知识使学生更接近掌握深度学习和强化学习等高级实践。

课程内容将涵盖各种类型的机器学习目标，例如自然语言处理以及计算机视觉，以及卷积神经网络等架构如何促进图像处理的发展。在本课程中还将处理贝叶斯方法，来自CERN的科学家和Kaggle机器学习专家将提供在现实世界中实施机器学习的动手实例。

该专业被称为计划，该计划允许学生开始在企业中应用机器学习专业知识。这包括能够更好地集思广益地对企业机器学习的精确用法进行头脑风暴，并找出现实世界实现中的挑战和障碍。

这种类型的实践专业对以后的职业发展具有内在的重要性，因此，这是自学成才的学生在家中追求的绝佳选择。正如课程编写者所说，能够识别机器学习的“秘诀”使得职业专业人员对于设计团队或咨询角色必不可少。机器学习是新技术，公司仍在调整和学习如何最好地应用这些高级技术。（或者，如果您的兴趣在于软件开发，请查看可通过在线课程学习的6个软件开发概念。）

事实：

专注于机器学习，深度学习，数据科学，贝叶斯方法，强化学习，计算机视觉和自然语言处理
该专业的7门课程
免费注册，可以选择付费获取证书

时间：大约8到10个月才能完成

评分：4.5 / 5

Deeplearning.ai的深度学习专业

这是一个深度学习专业知识，代表了中级机器学习课程选项。

这些课程侧重于深度学习及其与神经网络的关系。课程将包括各种类型的结构，例如卷积神经网络，LSTM，递归神经网络等等。该课程还将展示这些方法如何应用于各种行业，包括医疗保健，自然语言处理和制造业。您将看到工作中的自动驾驶技术的一些基础知识，并利用Python和TensorFlow开始建立机器学习模型的知识。所有这些为进一步深入学习ML如何重新定义我们世界的自动化奠定了坚实的基础。

事实：