选自Edgy Labs
作者：Zayan Guedim
机器之心编译
参与：路雪
此标题仅代表机器之心小编的亲身体验（大雾）。我爱学习，学习使我快乐～
现在网络上有大量深度学习在线课程，Edgy Lab 为大家找到了 10 大免费课程，帮助大家自学，助力职业生涯。他们研究了顶尖大学和技术公司开设的深度学习 MOOC 课程，包括针对初级、中级和高级学习者的课程，覆盖深度学习的大部分概念（从最基础的到最前沿）。不过这些课程都需要一些先决条件：了解数学基础知识、知道如何使用 GitHub 库，以及掌握编程语言，如 Python。以下是课程列表。
1. 深度学习（Deep Learning by Google）
谷歌在在线课程平台 Udacity 上发布了深度学习专门课程。该课程持续 12 周，适合中级开发者，讲授深度学习的多方面知识，如如何构建和优化深度神经网络。该课程由谷歌首席科学家、谷歌大脑团队技术负责人 Vincent Vanhoucke 开发。
  • 课程地址：https://www.udacity.com/course/deep-learning—ud730。
2. 神经网络和深度学习（Neural Networks and Deep Learning）
这门课程由斯坦福大学和 deeplearning.ai 开设，授课人为斯坦福大学教授、Coursera 创始人吴恩达，课程通过 Class Central 和 Coursera 平台发布。
  • Class Central：https://www.class-central.com/mooc/9058/coursera-neural-networks-and-deep-learning?utm_source=quartz&utm_medium=web&utm_campaign=new_courses_october

  • Coursera：https://www.coursera.org/learn/neural-networks-deep-learning


这门课程主要讲授深度学习的基础知识。课程结束时，你将掌握如何构建、训练和管理深度神经网络，以及如何在自己的项目中使用深度神经网络。
3. 算法：设计和分析（Algorithms: Design and Analysis）
算法是深度学习和计算机科学的核心，这门斯坦福大学开设的课程将带你了解算法。
这门课程适合有点编程经验的学习者，课程第一部分讲述「Big-oh」符号、数据排序和搜索、分治法（divide and conquer method）、随机算法、数据结构和图基元。
学习完第一部分之后，可以注册学习第二部分，更深入地学习算法。
  • Part 1：https://www.class-central.com/mooc/8984/stanford-openedx-algorithms-design-and-analysis?utm_source=quartz&utm_medium=web&utm_campaign=new_courses_october
  • Part 2：https://www.class-central.com/mooc/9250/stanford-openedx-algorithms-design-and-analysis-part-2?utm_source=quartz&utm_medium=web&utm_campaign=new_courses_october
4. 机器学习（Machine Learning）
这门课程持续 14 周，每周 8-10 小时，由佐治亚理工学院开设。
这门课讲授监督和无监督机器学习、随机搜索算法、贝叶斯学习方法、强化学习和其他机器学习概念。
  • 课程地址：https://www.class-central.com/mooc/8995/edx-machine-learning?utm_source=quartz&utm_medium=web&utm_campaign=new_courses_october
5. 改善深度神经网络（Improving Deep Neural Networks）
这是斯坦福大学和 deeplearning.ai 开设的另一门 MOOC 课程，为期 3 周。这门课程讲授深度神经网络的超参数调整、正则化和性能优化。
课程免费，证书需付费。
  • 课程地址：https://www.class-central.com/mooc/9054/coursera-improving-deep-neural-networks-hyperparameter-tuning-regularization-and-optimization?utm_source=quartz&utm_medium=web&utm_campaign=new_courses_october
6. 深度学习讲座（Deep Learning Lecture）
Nando de Freitas 是英属哥伦比亚大学的机器学习教授。Freitas 在 YouTube 上发布了一系列深度学习讲课视频，地址：https://www.youtube.com/playlist?list=PLE6Wd9FR—EfW8dtjAuPoTuPcqmOV53Fu。现有不同长度的 16 个视频。
  • 他还发布了一系列适合本科生的机器学习讲课视频，共 33 个。地址：https://www.youtube.com/playlist?list=PLE6Wd9FR—Ecf_5nCbnSQMHqORpiChfJf。
7. 机器学习神经网络（Neural Networks for Machine Learning）
这门课程由多伦多大学开设，适合具备 Python 基础知识的中级学习者。
通过 16 周的学习，你可以了解深度神经网络及其应用，如语音识别、目标识别、图像分割等。
本课程可免费学习，证书需付费。
  • 课程地址：https://www.class-central.com/mooc/398/coursera-neural-networks-for-machine-learning
8. TensorFlow 上的深度学习创新应用（Creative Applications of Deep Learning with TensorFlow）
这门课程在 Kadenze Academy 平台发布，讲授构建不同算法所需基础知识，算法包括：深度卷积神经网络、变分自编码器、生成对抗网络和循环神经网络。
了解如何构建深度学习网络之后，你可以进一步学习该课程，了解创新应用。
  • 课程地址：https://www.class-central.com/mooc/6679/kadenze-creative-applications-of-deep-learning-with-tensorflow
9. 深度学习简介（Introduction to Deep Learning）
这门课程由 MIT 发布，为期一周。该课程介绍深度学习技术及其部分行业应用，讲授内容包括翻译算法、图像识别、目标识别、博弈等。
  • 课程地址：https://www.class-central.com/mooc/8083/6-s191-introduction-to-deep-learning
10. 自动驾驶汽车中的深度学习（Deep Learning for Self-Driving Cars）
这门课程也由 MIT 开设，专注于自动驾驶。这门课程适合初学者，不过对高级学习者也有用处，介绍了自动驾驶汽车和半自动驾驶汽车中的深度学习系统。
这门课有 5 个视频讲座，每个视频讲解一个自动驾驶汽车中的深度学习方法。
  • 课程地址：https://www.class-central.com/mooc/8132/6-s094-deep-learning-for-self-driving-cars 
本文为机器之心编译，转载请联系本公众号获得授权。
✄------------------------------------------------
加入机器之心（全职记者/实习生）：[email protected]
投稿或寻求报道：[email protected]
广告&商务合作：[email protected]
继续阅读
阅读原文