强烈推荐10 个机器学习教程！（含视频链接）
今天給大家推薦 10 個機器學習課程清單，含課程視頻。這份教程是由一名來自硅谷的計算機科學家 Chip Huyen。Chip Huyen 是畢業于斯坦福大學計算機科學理學學士和碩士學位，在那里她創建并教授了 《TensorFlow 深度學習課程》。
Chip Huyen 主頁：
https://huyenchip.com/
言歸正傳，這份機器學習課程清單由愛可可老師整理和搬運，并強烈推薦！下面逐一介紹。
1、《Probability and Statistics》（斯坦福概率和統計）
本課程旨在提供一個方便、包容和支持的概率和統計學習方法。方便所有人快速掌握核心知識。
課程地址：
https://online.stanford.edu/courses/gse-yprobstat-probability-and-statistics
2.?《Linear Algebra》（MIT 線性代數）
課程地址：
https://ocw.mit.edu/courses/mathematics/18-06-linear-algebra-spring-2010/
3.?《CS231N: Convolutional Neural Networks for Visual Recognition》（斯坦福卷積網絡視覺識別）
課程主頁：
http://cs231n.stanford.edu/
油管視頻：
https://www.youtube.com/playlist?list=PL3FW7Lu3i5JvHM8ljYj-zLfQRF3EO8sYv
B 站視頻：
https://www.bilibili.com/video/av13260183/
4.?《Practical Deep Learning for Coders》（fastai 程序員深度學習實戰）
課程主頁：
https://course.fast.ai/
油管視頻：
https://www.youtube.com/playlist?list=PLfYUBJiXbdtSIJb-Qd3pw0cqCbkGeS0xn
參考資料：
https://www.fast.ai/2019/01/24/course-v3/
B 站視頻：
https://www.bilibili.com/video/av41718196/
5.?《CS224N: Natural Language Processing with Deep Learning》（斯坦福深度學習自然語言處理）
課程主頁：
http://web.stanford.edu/class/cs224n/index.html#schedule
油管視頻：
https://www.youtube.com/playlist?list=PLU40WL8Ol94IJzQtileLTqGZuXtGlLMP_
B 站視頻：
https://www.bilibili.com/video/av46216519/
6.?《Machine Learning》（Coursera 斯坦福機器學習課程）
這就是吳恩達開設的爆火機器學習入門課！這門課基本涵蓋了機器學習的主要知識點，例如：線性回歸、邏輯回歸、支持向量機、神經網絡、K-Means、異常檢測等等。而且課程中沒有復雜的公式推導和理論分析。Ng 的目的是讓機器學習初學者能夠快速對整個機器學習知識點有比較整體的認識，便于快速入門。
課程主頁：
https://www.coursera.org/learn/machine-learning
7.?《Probabilistic Graphical Models Specialization》（Coursera 斯坦福概率圖模型專項課程）
課程地址：
https://www.coursera.org/specializations/probabilistic-graphical-models
8.?《Introduction to Reinforcement Learning》（DeepMind 強化學習導論）
油管視頻：
https://www.youtube.com/playlist?list=PLqYmG7hTraZDM-OYHWgPebj2MfCFzFObQ
9.?《Full Stack Deep Learning Bootcamp》（全棧深度學習訓練營）
課程主頁：
https://fullstackdeeplearning.com/
B 站視頻：
https://www.bilibili.com/video/av49643298
GitHub：
https://github.com/full-stack-deep-learning/fsdl-text-recognizer-project
10-1.?《How to Win a Data Science Competition: Learn from Top Kagglers》（Coursera 跟頂級 Kagglers 學習如何贏取數據科學競賽）
課程主頁：
https://www.coursera.org/learn/competitive-data-science
10-2《BerkeleyX: CS188.1x Artificial Intelligence》（伯克利 AI）
課程主頁：
https://inst.eecs.berkeley.edu/~cs188/fa18/
edX 課程地址：
https://courses.edx.org/courses/BerkeleyX/CS188.1x-4/1T2015/course/
B 站視頻：
https://www.bilibili.com/video/av39489278/
愛可可老師這樣評價：添完搬運鏈接，有那么一瞬間被自己感動了。作為讀者，看到這 10 個機器學習清單列表，感覺又有的看了！
感興趣的讀者可以按照清單順序學習，也可以根據自己的實際情況挑選相應的課程學習。希望對大家有所幫助！
本站簡介↓↓↓?
“機器學習初學者”是幫助人工智能愛好者入門的個人公眾號（創始人：黃海廣）
初學者入門的道路上，最需要的是“雪中送炭”，而不是“錦上添花”。
本站的知識星球（黃博的機器學習圈子）ID：92416895
目前在機器學習方向的知識星球排名第一（上圖二維碼）
往期精彩回顧
良心推薦：機器學習入門資料匯總及學習建議
黃海廣博士的github鏡像下載（機器學習及深度學習筆記及資源）
機器學習小抄-（像背托福單詞一樣理解機器學習）
首發：深度學習入門寶典-《python深度學習》原文代碼中文注釋版及電子書
機器學習必備寶典-《統計學習方法》的python代碼實現、電子書及課件
重磅 | 完備的 AI 學習路線，最詳細的資源整理！
圖解word2vec(原文翻譯)
斯坦福CS229機器學習課程的數學基礎（概率論和線性）
備注：本站qq群：865189078（共8個群，不用重復加）。
加入本站微信群，請加黃博的助理微信，說明：公眾號用戶加群。
總結
以上是生活随笔為你收集整理的强烈推荐10 个机器学习教程！（含视频链接）的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 非常详细的transformer笔记，包
- 下一篇： 推荐：数据竞赛的利器XGBoost的常见