機(jī)器學(xué)習(xí)課程浩如煙海。今天為大家獻(xiàn)上由資深學(xué)習(xí)者，通過自己的切身體驗，從眾多機(jī)器學(xué)習(xí)在線課程中精選出的5門最佳課程。除了獻(xiàn)上課程外，還為大家?guī)砹藢W(xué)習(xí)指南！

編程的外衣下，是一顆數(shù)學(xué)的心。機(jī)器學(xué)習(xí)就是這么一個單純又硬核的學(xué)科。

她不像數(shù)據(jù)科學(xué)，又要分析數(shù)據(jù)、又要做統(tǒng)計，還要溝通交流，做可視化等等。

數(shù)學(xué)！在機(jī)器學(xué)習(xí)的字典里，只有數(shù)學(xué)。而編程，好比是包裹在數(shù)學(xué)外面、用來完成各項任務(wù)的機(jī)甲。

機(jī)器學(xué)習(xí)已經(jīng)這么火了，在谷歌上搜索“機(jī)器學(xué)習(xí)課程”，你能得到60700000個結(jié)果。

這么多課程，該從哪兒下手？

來自LearnDataSci的作者及編輯、Pythoner及數(shù)據(jù)科學(xué)顧問Brendan Martin，以自己多年來，親自參加各種平臺的無數(shù)機(jī)器學(xué)習(xí)課程（包括Coursera，Edx，Udemy，Udacity和DataCamp）的經(jīng)驗，為大家精選出5個目前最實用、最有效的機(jī)器學(xué)習(xí)課程。

這5門課程分別是：

機(jī)器學(xué)習(xí) - Coursera

深度學(xué)習(xí)專業(yè)化 - Coursera

使用Python進(jìn)行機(jī)器學(xué)習(xí) - Coursera

高級機(jī)器學(xué)習(xí)專業(yè)化 - Coursera

機(jī)器學(xué)習(xí) - EdX

本文分3部分：

第一部分是最佳課程評選標(biāo)準(zhǔn)

第二部分是5門最佳課程介紹

第三部分是開始課程前的”學(xué)習(xí)指南“

本文約4000字，閱讀可能需要12分鐘。建議收藏，并分享給身邊的好友，共同進(jìn)步、互相監(jiān)督。

“最佳課程”評選標(biāo)準(zhǔn)

那么憑什么這5個課程就被認(rèn)為是最好的？Brendan給出了評選標(biāo)準(zhǔn)：

嚴(yán)格關(guān)注機(jī)器學(xué)習(xí)

使用免費(fèi)的開源編程語言，即Python，R或Octave

為這些語言使用免費(fèi)的開源庫。 一些教師和提供者使用商業(yè)包，因此不考慮這些課程。

包含練習(xí)和實踐經(jīng)驗的編程任務(wù)

解釋算法如何以數(shù)學(xué)方式工作

每個月左右都可以自我調(diào)節(jié)，按需或提供

有吸引力的教練和有趣的講座

從各種聚合器和論壇獲得高于平均水平的評分和評論

除了在線學(xué)習(xí)之外，讀書也是必不可少的環(huán)節(jié)。Brendan同時為大家推薦了2本對他影響最大的書：

1. 《統(tǒng)計學(xué)習(xí)簡介》

注意這本書是可以免費(fèi)下載的，下載鏈接負(fù)載文末。

本書解釋和示例清晰直接的令人難以置信！據(jù)說讀完后，你在相互學(xué)這方面的直覺會發(fā)育的非常敏銳，很多基本機(jī)器學(xué)習(xí)技術(shù)能夠做到迎刃而解。

2. 動手學(xué)TensorFlow之Scikit-Learn篇

這本書是對前一本書很好的補(bǔ)充。上一本書主偏理論，這本書偏實踐，使用Python進(jìn)行機(jī)器學(xué)習(xí)的應(yīng)用。

配合我們上面選出來的5門課程食用，效果拔群。

好，現(xiàn)在讓我們開始詳細(xì)的為大家解讀這5門精選課程的設(shè)計劃重點(diǎn)、最突出的優(yōu)勢，以及適合

機(jī)器學(xué)習(xí) - Coursera

課程介紹：

吳恩達(dá)的機(jī)器學(xué)習(xí)課程，恐怕是很多人進(jìn)入機(jī)器學(xué)習(xí)大門的引導(dǎo)者了。目前課程評分4.9，24005個評價。77%的學(xué)生表示通過該課程，獲得了新的工作。

本課程使用開源編程語言是Octave而不是Python或R。這一點(diǎn)可能會 對一部分學(xué)生在后續(xù)轉(zhuǎn)入Python時造成一定的困擾。

不過對于完全小白來說，用Octave來入手機(jī)器學(xué)習(xí)可能更適合。況且，Python也不是一門特別難上手的語言。

課程完整地解釋了理解每個算法所需的所有數(shù)學(xué)知識，包括一些微積分和線性代數(shù)。 該課程對數(shù)學(xué)基礎(chǔ)沒有做很嚴(yán)格的要求，不過事前懂一點(diǎn)，總是有先發(fā)優(yōu)勢的。

課程講師：吳恩達(dá)

課程費(fèi)用：免費(fèi)。課程證書79美元，約530人民幣。

課程表：

單變量的線性回歸

線性代數(shù)評論

具有多個變量的線性回歸

Octave / Matlab教程

邏輯回歸

正則

神經(jīng)網(wǎng)絡(luò)：表示

神經(jīng)網(wǎng)絡(luò)：學(xué)習(xí)

應(yīng)用機(jī)器學(xué)習(xí)的建議

機(jī)器學(xué)習(xí)系統(tǒng)設(shè)計

支持向量機(jī)

降維

異常檢測

推薦系統(tǒng)

大規(guī)模機(jī)器學(xué)習(xí)

應(yīng)用示例：Photo OCR

劃重點(diǎn)：

全部課程持續(xù)11周。一切順利的話，4個月后你可以可以賬務(wù)機(jī)器學(xué)習(xí)的基礎(chǔ)知識。

之后，就可以輕松地進(jìn)入更高級或?qū)I(yè)的主題，如深度學(xué)習(xí)，ML工程或任何其他讓你更感興趣的話題。

毫無疑問，這是新手開始的最佳課程。

深度學(xué)習(xí)專業(yè)化 - Coursera

課程介紹：

同樣由吳恩達(dá)教授。相比上一個課程，這個更高階。主要是學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)，目的是了解并掌握NN和DL如何解決實際問題。

從這門課程開始，所有的課程和作業(yè)都開始使用Python，并開始接觸TensorFlow。

如果你因為上一門課程Octave，導(dǎo)致對Python有一點(diǎn)不適應(yīng)，沒干洗，多聯(lián)系幾次就好了。

課程講師：吳恩達(dá)

課程費(fèi)用：免費(fèi)。課程證書每個月49美元，約330人民幣。

課程表：

神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)

深度學(xué)習(xí)簡介

神經(jīng)網(wǎng)絡(luò)基礎(chǔ)知識

淺層神經(jīng)網(wǎng)絡(luò)

深度神經(jīng)網(wǎng)絡(luò)

改進(jìn)神經(jīng)網(wǎng)絡(luò)：超參數(shù)調(diào)整，正則化和優(yōu)化

構(gòu)建機(jī)器學(xué)習(xí)項目

卷積神經(jīng)網(wǎng)絡(luò)

序列模型

劃重點(diǎn)：

本課程涉及到很多算法，所以需要對數(shù)學(xué)基礎(chǔ)有一定的要求。文末會有所需數(shù)學(xué)知識的指南。

使用Python進(jìn)行機(jī)器學(xué)習(xí) - Coursera

課程介紹：

這是IBM公司出品的，針對初學(xué)者的一門課程，僅關(guān)注最基本的機(jī)器學(xué)習(xí)算法。

本課程使用Python，如果你擔(dān)心吳恩達(dá)機(jī)器學(xué)習(xí)課程會對將來轉(zhuǎn)Python產(chǎn)生不利影響，這們課程是一個不錯的替代品。

并且能夠在瀏覽器中使用交互式Jupyter Notebook，來對剛學(xué)過的知識進(jìn)行實踐，并提供了在實際數(shù)據(jù)上使用算法的具體說明。

課程講師：IBM

課程費(fèi)用：免費(fèi)。課程證書39美元/每月，約260人民幣。

課程表：

機(jī)器學(xué)習(xí)簡介

回歸

分類

聚類

推薦系統(tǒng)

最終項目

劃重點(diǎn)：

本課程最好的一點(diǎn)是為每種算法提供實用的建議。當(dāng)引入新算法時，教師會向告訴工作原理、優(yōu)缺點(diǎn)，以及應(yīng)用于什么場景中。

這些信息對于新學(xué)員來說非常重要，卻在其他課程中，經(jīng)常被排除外，

高級機(jī)器學(xué)習(xí)專業(yè)化 - Coursera

課程介紹：

這是一些列高級課程，內(nèi)容很充實，同時對數(shù)學(xué)用的要求也較前3門課程更高。

本課程的教學(xué)非常棒，用兩個詞來形容就是：精彩，簡潔。涵蓋的大部分內(nèi)容對許多機(jī)器學(xué)習(xí)項目至關(guān)重要。

課程講師：俄羅斯國家研究型高等經(jīng)濟(jì)大學(xué)。

課程費(fèi)用：免費(fèi)。課程證書每個月49美元，約330人民幣。

課程表：

深度學(xué)習(xí)簡介

優(yōu)化簡介

神經(jīng)網(wǎng)絡(luò)簡介

深度學(xué)習(xí)圖像

無監(jiān)督表示學(xué)習(xí)

Dee學(xué)習(xí)序列

最終項目

如何贏得數(shù)據(jù)科學(xué)競賽：向頂級Kagglers學(xué)習(xí)

機(jī)器學(xué)習(xí)的貝葉斯方法

實踐強(qiáng)化學(xué)習(xí)

計算機(jī)視覺中的深度學(xué)習(xí)

自然語言處理

通過機(jī)器學(xué)習(xí)解決大型強(qiáng)子對撞機(jī)挑戰(zhàn)

劃重點(diǎn)：

本課程課時較長，大約需要8到10個月。但是在這不到一年的時間里，你將學(xué)到大量的機(jī)器學(xué)習(xí)相關(guān)的知識，并能夠處理更多尖端的應(yīng)用程序，創(chuàng)建幾個真正的項目，例如使計算機(jī)學(xué)習(xí)學(xué)會閱讀，查看和播放。

這些項目將來都會增加你簡歷的分享，并且能夠讓你的Github主業(yè)保持一個不錯的活躍度。雇主很看著這兩點(diǎn)！

機(jī)器學(xué)習(xí) - EdX

課程介紹：

OK。這門課程是5門課程里，境界最高的，對數(shù)學(xué)基礎(chǔ)的要求也是最高的。

你需要對線性代數(shù)、微積分、概率以及編程都有一定的了解。課程作業(yè)對Python和Octave都有涉及，但并不直接教授這兩門語言，所你需要具備一定的Python或者Octave基礎(chǔ)。

該課程也是碩士課程中最推薦的數(shù)據(jù)科學(xué)書籍之一《Machine Learning: A Probabilistic Perspective》一個很棒的補(bǔ)充。

課程講師：哥倫比亞大學(xué)。

課程費(fèi)用：免費(fèi)。證書300美元，大約2010人民幣。

課程表：

最大似然估計，線性回歸，最小二乘法

嶺回歸，偏差方差，貝葉斯規(guī)則，最大后驗推斷

最近鄰分類，貝葉斯分類器，線性分類器，感知器

邏輯回歸，Laplace逼近，核方法，高斯過程

最大邊距，支持向量機(jī)（SVM），樹木，隨機(jī)森林，提升

聚類，K均值，EM算法，缺失數(shù)據(jù)

高斯混合，矩陣分解

非負(fù)矩陣分解，潛在因子模型，PCA和變化

馬爾可夫模型，隱馬爾可夫模型

連續(xù)狀態(tài)空間模型，關(guān)聯(lián)分析

型號選擇，后續(xù)步驟

劃重點(diǎn)：

如果你數(shù)學(xué)功底扎實，并希望從實際推導(dǎo)出某些算法的編程，那么請學(xué)習(xí)本課程。

學(xué)習(xí)指南

你需要掌握的預(yù)備知識

在開始投入上述5門課程的學(xué)習(xí)之前，你需要具備一定的數(shù)學(xué)、編程基礎(chǔ)。

下面列出需要用到數(shù)學(xué)、編程知識：

線性代數(shù)：《面向工程師的矩陣代數(shù)》 - Coursera

概率：《Fat Chance: Probability from the Ground Up》 - EdX

微積分：《單變量微積分》- MIT開放式課程

編程：《人人都會編程》 - Coursera

至于編程語言，當(dāng)然是建議學(xué)習(xí)Python了。

你需要掌握的基本算法

線性回歸

邏輯回歸

k-Means聚類

k-最近鄰居

支持向量機(jī)（SVM）

決策樹

隨機(jī)森林

樸素貝葉斯

在基礎(chǔ)知識之后，一些更先進(jìn)的學(xué)習(xí)技巧將是：

合奏

推進(jìn)

維度降低

強(qiáng)化學(xué)習(xí)

神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)

就像基本技術(shù)一樣，你學(xué)習(xí)的每一個新工具都應(yīng)該養(yǎng)成一個習(xí)慣，立即將它應(yīng)用到項目中，以鞏固你的理解，并在需要的時候，隨時進(jìn)行復(fù)習(xí)。

從一個項目入手

這一點(diǎn)的重要性顯而易見，不做過多強(qiáng)調(diào)了。

多看最新的研究成果

因為機(jī)器學(xué)習(xí)是一個發(fā)展非常快的領(lǐng)域，新技術(shù)和新應(yīng)用迭代速度非常快。

所以大家可以多關(guān)注新智元，我們每天都會為大家獻(xiàn)上最新的研究成果。通知，也歡迎大家向我們投稿、提供線索。

最后，預(yù)祝大家能夠最快速的掌握到所需知識，并成功獲得更好的工作！

免費(fèi)獲取《Introduction to Statistical Learning》

http://www-bcf.usc.edu/~gareth/ISL/