Read enough so you start developing intuitions and trust intuitions and go for it!

通過(guò)大量閱讀來(lái)培養(yǎng)直覺，相信自己的直覺并大膽實(shí)踐！

—— Geoffrey Hinton

本文經(jīng)AI新媒體量子位（公眾號(hào)ID:QbitAI）授權(quán)轉(zhuǎn)載，轉(zhuǎn)載請(qǐng)聯(lián)系出處。

要說(shuō)這兩年最火的機(jī)器學(xué)習(xí)課程，當(dāng)屬吳恩達(dá)的Machine Learning。

這原本是吳恩達(dá)在斯坦福大學(xué)開授的課程，課程視頻在網(wǎng)絡(luò)上受到了學(xué)習(xí)者的廣泛好評(píng)，后來(lái)還推出了專門的網(wǎng)課。

現(xiàn)在越來(lái)越多的人選擇通過(guò)觀看視頻課程的方式來(lái)學(xué)習(xí)知識(shí)，一方面有了教師的引導(dǎo)會(huì)讓艱澀的內(nèi)容更容易理解，另一方面平時(shí)通勤、等待時(shí)的細(xì)碎時(shí)間也可以得到充分利用。

深度學(xué)習(xí)如此火熱的今天，也有不少人通過(guò)課程視頻來(lái)學(xué)習(xí)各個(gè)領(lǐng)域的知識(shí)。

雖然已經(jīng)有不少世界知名大學(xué)放出了學(xué)校授課的錄像或講座的視頻，來(lái)造福全球?qū)ι疃葘W(xué)習(xí)感興趣的學(xué)習(xí)者們。

但去哪學(xué)，也成了擺在大家面前的難題。

今天要介紹的這個(gè)Github倉(cāng)庫(kù) Deep Learning Drizzle就是一個(gè)深度學(xué)習(xí)相關(guān)課程/講座視頻的大合集，其中不乏學(xué)界知名大牛的親授課程。

目前該項(xiàng)目已經(jīng)在Github收獲了6000+星，F(xiàn)ork數(shù)也超過(guò)1.4K。

倉(cāng)庫(kù)維護(hù)者整理了14個(gè)類目共計(jì)232門視頻課程，并且這個(gè)數(shù)字還在不斷增加。其中包括：

• Deep Neural Networks（深度神經(jīng)網(wǎng)絡(luò)），43門
• Machine Learning Fundamentals（機(jī)器學(xué)習(xí)基礎(chǔ)），12門
• Optimization for Machine Learning（機(jī)器學(xué)習(xí)優(yōu)化方法），12門
• General Machine Learning（通用機(jī)器學(xué)習(xí)），39門
• Reinforcement Learning（強(qiáng)化學(xué)習(xí)），14門
• Bayesian Deep Learning（貝葉斯深度學(xué)習(xí)），5門
• Graph Neural Networks（圖神經(jīng)網(wǎng)絡(luò)），9門
• Probabilistic Graphical Models（概率圖模型），5門
• Natural Language Processing（自然語(yǔ)言處理），10門
• Automatic Speech Recognition（語(yǔ)音識(shí)別），5門
• Modern Computer Vision（現(xiàn)代計(jì)算機(jī)視覺），25門
• Boot Camps or Summer Schools（夏令營(yíng)與暑期學(xué)校講座），44門
• Medical Imaging（醫(yī)學(xué)影像），5門
• Bird’s-eye view of Artificial Intelligence（人工智能概覽），4門

下面我們簡(jiǎn)單介紹一下每類課程覆蓋的內(nèi)容，并推薦其中頗負(fù)盛名的好課。

Deep Neural Networks 深度神經(jīng)網(wǎng)絡(luò)

主要涉及神經(jīng)網(wǎng)絡(luò)的工作原理及基本的應(yīng)用。

課程推薦

1、Neural Networks for Machine Learning

Geoffrey Hinton，University of Toronto，2012/2014

看到Hinton這個(gè)名字任何人都難免會(huì)虎軀一顫——深度學(xué)習(xí)奠基人之一，2019年圖靈獎(jiǎng)獲得者。

2、CS231n: CNNs for Visual Recognition

Justin Johnson，Stanford University，2015-2017

同樣是這兩年網(wǎng)絡(luò)上的爆款課程，華人學(xué)者李飛飛的團(tuán)隊(duì)出品。每年的課程內(nèi)容都會(huì)根據(jù)最新的研究成果更新，是計(jì)算機(jī)視覺很好的入門課程。

3.CS320: Deep Learning

Andrew Ng，Stanford University，2018

華人學(xué)者吳恩達(dá)親自講授的深度學(xué)習(xí)課程，內(nèi)容全面的深度學(xué)習(xí)寶典，現(xiàn)在已經(jīng)有了專門的在線課。

Machine Learning Fundamentals 機(jī)器學(xué)習(xí)基礎(chǔ)

要想深入理解機(jī)器學(xué)習(xí)原理，數(shù)學(xué)知識(shí)必不可少。本類目包括了線性代數(shù)、概率與統(tǒng)計(jì)、微積分、信息論等基礎(chǔ)數(shù)學(xué)課程。

課程推薦：

Linear Algebra

Gilbert Strang，MIT

Optimization for Machine Learning 機(jī)器學(xué)習(xí)優(yōu)化方法

優(yōu)化方法是機(jī)器學(xué)習(xí)算法的靈魂，本類目以優(yōu)化為主題，包含了凸優(yōu)化課程和針對(duì)機(jī)器學(xué)習(xí)的優(yōu)化理論課程。

課程推薦

1、Convex Optimization

Stephen Boyd, Stanford University

Stephen Boyd編寫的《凸優(yōu)化》是中國(guó)許多高校的凸優(yōu)化課程教材，現(xiàn)在有機(jī)會(huì)聽到作者本人授課了！

2、Optimization

Geoff Gordon & Ryan Tibshirani, CMU

3、Convex Optimization

Ryan Tibshirani, CMU

4、Algorithmic Aspects of Machine Learning / Advanced Algorithms

Ankur Moitra, MIT

General Machine Learning 通用機(jī)器學(xué)習(xí)

本類目主要講授機(jī)器學(xué)習(xí)理論、統(tǒng)計(jì)機(jī)器學(xué)習(xí)方法等內(nèi)容。

課程推薦

CS229: Machine Learning

Andrew Ng, Stanford University

吳恩達(dá)主講的機(jī)器學(xué)習(xí)課程，深入講解了各種常用的統(tǒng)計(jì)機(jī)器學(xué)習(xí)模型，可謂經(jīng)典中的經(jīng)典。

Reinforcement Learning 強(qiáng)化學(xué)習(xí)

本類目主要介紹強(qiáng)化學(xué)習(xí)基礎(chǔ)及進(jìn)階技術(shù)。大家熟知的阿法狗（AlphaGo）和各種游戲AI都是強(qiáng)化學(xué)習(xí)的產(chǎn)物。

課程推薦

1、Introduction to Reinforcement Learning

David Silver, DeepMind

△AlphaGo與李世石的人機(jī)大戰(zhàn)

Deepmind公司可謂在強(qiáng)化學(xué)習(xí)領(lǐng)域苦心耕耘多年，AlphaGo、AlphaZero、德州撲克AI、星際爭(zhēng)霸AI等都出自他們之手?？靵?lái)看看Deepmind研究員David Silver如何闡釋強(qiáng)化學(xué)習(xí)。

2、Deep Reinforcement Learning

Sergey Levine, UC Berkeley

3、CS234: Reinforcement Learning

Emma Brunskill, Stanford University

Bayesian Deep Learning 貝葉斯深度學(xué)習(xí)

主要講授基于貝葉斯網(wǎng)絡(luò)的深度學(xué)習(xí)方法。

課程推薦

Deep Learning and Bayesian Methods

Lots of Legends, HSE Moscow

Graph Neural Networks 圖神經(jīng)網(wǎng)絡(luò)

近幾年對(duì)于圖神經(jīng)網(wǎng)絡(luò)的研究越來(lái)越多，圖神經(jīng)網(wǎng)絡(luò)可以有效地處理想社交網(wǎng)絡(luò)這樣的圖數(shù)據(jù)，是一個(gè)熱門的研究方向。

此部分還包含了基于三維幾何的深度學(xué)習(xí)內(nèi)容，3D視覺同樣是近幾年開始被廣泛研究的課題。

由于這些方向興起時(shí)間不長(zhǎng)，所以基本以workshop和講座為主。

Probabilistic Graphical Models 概率圖模型

概率圖模型在研究中有著廣泛的應(yīng)用，如知名的隱馬爾科夫模型（HMM）、條件隨機(jī)場(chǎng)（CRF）等都屬于概率圖模型。同時(shí)概率圖模型也是圖神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)。

推薦課程

Probabilistic Graphical Models

Eric Xing, CMU

華人教授邢波主講的課程，邢波教授本人專攻機(jī)器學(xué)習(xí)、計(jì)算生物學(xué)等方向。

Natural Language Processing 自然語(yǔ)言處理

本部分主要介紹計(jì)算語(yǔ)言學(xué)以及基于深度學(xué)習(xí)的自然語(yǔ)言處理（NLP）。

推薦課程

1、Neural Networks for Natural Language Processing

Graham Neubig, CMU

2、Natural Language Processing with Deep Learning

Abigail See, Chris Manning, Richard Socher, Stanford University

Automatic Speech Recognition 語(yǔ)音識(shí)別

主要講授如何應(yīng)用深度學(xué)習(xí)技術(shù)進(jìn)行語(yǔ)音識(shí)別。

Modern Computer Vision 現(xiàn)代計(jì)算機(jī)視覺

所謂現(xiàn)代計(jì)算機(jī)視覺，其實(shí)包括了傳統(tǒng)方法和基于深度學(xué)習(xí)的方法兩部分。

這類課程中有對(duì)數(shù)字圖像處理、計(jì)算機(jī)視覺領(lǐng)域傳統(tǒng)方法的講解，也有深度學(xué)習(xí)在攝影、視頻處理、機(jī)器人等方面的研究。

推薦課程

1、Convolutional Neural Networks

Andrew Ng, Stanford University

2、CS205A: Mathematical Methods for Robotics, Vision and Graphics

Justin Solomon, Stanford University

Boot Camps or Summer Schools 夏令營(yíng)與暑期學(xué)校

這部分主要是知名大學(xué)夏令營(yíng)、暑期學(xué)校中的專題講座，內(nèi)容通常比較前沿，值得一看。

Medical Imaging 醫(yī)學(xué)影像

主要講授如何運(yùn)用機(jī)器學(xué)習(xí)方法進(jìn)行醫(yī)學(xué)影像分析，主要是暑期學(xué)校課程。

Bird’s-eye view of Artificial Intelligence 人工智能概覽

這部分主要是大牛的講座和講話，探討了人工智能發(fā)展方向，以及人工智能與認(rèn)知、情感、道德、倫理、社會(huì)等方面的關(guān)系，是人工智能在技術(shù)之上更高層次的探究，可以幫助你對(duì)人工智能有更深的理解。

最后，附上項(xiàng)目傳送門：

https://github.com/kmario23/deep-learning-drizzle