1.Andrew Ng的机器学习课程可以作为入门。

这门课程花费了很多的课时去讲解监督学习算法，例如线性回归、逻辑回归、SVM等，同时也花了很多韶光去谈论无监督学习算法，例如聚类、降维和非常检测等等。

必备！这十大年夜人工智能课程带你从入门到精晓_课程_深度 计算机

本课程中还涉及到了一些机器学习在学术界和工业界的运用，像推举系统、打算机视觉的滑动窗口工具分类等。
这门课能够很好地帮助刚打仗人工智能的同学们入门，如果负责地去完成课后作业，也会使同学们在干系工具的利用上变得闇练。

链接：https://www.bilibili.com/video/av9912938

2.须要理解AI如何布局到公司以及AI对社会的影响，可以参考Andrew Ng的最新课程《AI for everyone》。

这是一门非技能类的课程，更紧张的是评论辩论AI如何布局到公司以及随着AI的发展会给我们的社会带来什么样的影响。
但是对付现在在工业界的人士来讲，是很有帮助的。

从这门课的大纲来看，我们可以学到常见人工智能的干系观点、人工智能可以做什么，不可以做什么、AI怎么布局到公司中、怎么和AI团队建立互助以及AI引发的干系伦理道德问题。

链接：https://www.coursera.org/learn/ai-for-everyone?action=enroll&errorCode=existingCourseraAccount

3.Google的机器学习速成课程，这门课从笔墨到声音都有中文版，适宜多数当代刚入门的大学生。

这个速成课通过20小时的密集型实践课程来先容机器学习的根本知识，并且附带TensorFlow练习。
谷歌官方称其为机器学习爱好者的自学指南，并且干系的课程资料都是用中文来编写的，对付刚入门的大学生和爱好者在知识理解上会有很大的帮助。

链接：https://developers.google.com/machine-learning/crash-course

4.台湾大学林轩田的机器学习基石和机器学习技法课程也非常不错。

台湾大学的林轩田老师开的这两门有关机器学习的课程是环球首例纯国语授课的机器学习课程，个中机器学习基石紧张涉及一些机器学习的根本知识，包含了少量的理论知识。
其余一门机器学习技法则紧张侧重机器学习的运用技能，对付有兴趣爱好的同学来讲十分适宜。

链接：http://www.csie.ntu.edu.tw/~htlin/mooc/

5.台湾大学李宏毅的深度强化学习课程。

这门课程是深度学习的进阶版，非常适宜深度学习的干系从业者，课程内容丰富易懂。
但是在学习这门课之前建议大家先去看一下李宏毅老师的《一天搞懂深度学习》的ppt，在ppt中对深度学习的事理，目前的运用和未来的发展进行了干系先容。
在学习完成往后我们就可以学习深度强化学习了。
深度强化学习这门课紧张先容了一些高等算法，像策略梯度算法、近端策略优化、Q-learning算法等等，适宜想要深入研究深度学习的同学们。

一天搞懂深度学习ppt：http://ishare.iask.sina.com.cn/f/15YsFr66p-a.html

深度强化学习：http://www.bilibili.com/video/av24724071

6.斯坦福CS224d自然措辞处理的深度学习。

这门课是环球NLP(自然措辞处理)领域最受欢迎的课程之一，不仅能够让我们理解丰富的自然措辞处理运用案例，而且能让我们在实践中去学会搭建最前辈的自然措辞处理模型。

该课程全面先容了运用于NLP的深度学习尖端研究。
在模型方面，先容词向量表示、基于窗口的神经网络、韶光递归神经网络、长期短期影象模型、构造递归神经网络、卷积神经网络以及一些涉及存储器组件的最新模型。
通过课后作业，我们能够节制神经网络办理实际NLP问题的必备技巧。

链接：http://cs224d.stanford.edu/syllabus.html

7.斯坦福CS231n面向视觉识别的卷积神经网络。

打算机视觉在社会中已经逐渐遍及，并广泛利用于搜索检索、图像理解、手机运用、舆图导航、医疗制药、无人机和无人驾驶汽车等领域。
而这些运用的核心技能便是图像分类、图像定位和图像探测等视觉识别任务。
神经网络方法上的进展极大地提升了这些代表当前发展水平的视觉识别系统的性能。

这门课程深入讲解了深度学习框架的细节问题，聚焦面向视觉识别任务（尤其是图像分类任务）的端到端学习模型。
在10周的课程中，学生们将会学习如何实现、演习和调试他们自己的神经网络，并建立起对打算机视觉领域的前沿研究方向的细节理解。
终极的作业将包括演习一个有几百万参数的卷积神经网络，并将其运用到最大的图像分类数据库（ImageNet）上。

链接：http://vision.stanford.edu/teaching/cs231n/index.html

8.UC Berkeley CS294深度强化学习。

这门课紧张包含以下内容：从监督学习到决策，Q学习和策略梯度，高等模型学习和预测、distillation、褒奖学习，置信域策略梯度、actor-critic 方法、探索等。
通过这门课程的学习，能够让我们理解最新最前沿的深度学习技能，对付往后不论从事科研或者是项目开拓都很有帮助。

课程主页：http://rll.berkeley.edu/deeprlcourse/

链接：https://www.youtube.com/playlist?list=PLkFD6_40KJIznC9CDbVTjAF2oyt8_VAe3

9.MIT自动驾驶课程《Deep Learning for Self-DrivingCars》。

这门课程的针对性较强，紧张针对对自动驾驶有兴趣的同学，这门课对付无人驾驶能够运用到的技能进行了详细的先容，在先容深度学习部分，概述了打算机视觉领域研究的难点，深度学习得以大规模发展的几个缘故原由，目前的几个制约其发展的成分，深度学习的紧张运用等。

这部分可以促进入门者对付深度学习的理解。
同时还提出了一些目前自动驾驶方面存在的寻衅，也先容了常用的框架和工具。
故意从本家儿动驾驶方面事情的同学可以仔细学习一下。

链接：https://selfdrivingcars.mit.edu/

10.Deeplearning.ai最新的TensorFlow2.0课程《Introduction to TensorFlow for Artificial Intelligence, MachineLearning, and Deep Learning》发布在coursera上。

在最开始的时候我们提到了Andrew Ng的机器学习课程，这个TensorFlow课程将会教我们怎么用TensorFlow去实现之前学过的机器学习和深度学习的算法。

通过这门课程我们可以开始构建属于自己的AI项目，有很强的实践性，这样我们就可以用学过的知识去办理实际问题。
其余课程的所有课后作业基于Google的Colaboratory平台，有点类似于我们平时用的Jupyter，在线的利用办法让我们省去了很多配置环境的麻烦。

链接：https://www.coursera.org/learn/introduction-tensorflow/