现如今，在火爆的人工智能领域，面临的最窘迫的问题是越来越弘大的家当规模和国家每年约500万的干系人才需求的抵牾。
广阔的发展前景、巨大的人才缺口和令民气动的行业薪资，让越来越多的年轻人选择了进入这一行业。
然而，目前海内开设人工智能专业的高校不多，学科培植不完善，相称多的开拓者是跨界入门，须要自学大量知识并在实践中摸索。
面对网络讯息碎片化，培训班种类繁多、收费昂贵的局势，该如何高效学习成为了人工智能入门的紧张难题。

以下，笔者盘点了学生中最受欢迎的人工智能网络课程，包括吴恩达的公司Coursera出品的在线课、斯坦福大学在线课、伯克利大学在线课等，希望能够为大家的学习供应帮助。

一、机器学习

Machine Learning

主讲人：吴恩达 Andrew Ng

发布平台：Coursera

课程链接：

https://www.coursera.org/learn/machine-learning#faqs

课程评价：在Coursera上，有近5万人给吴恩达教授这堂课打出4.9的均匀分（满分5分），根据Freecodecamp统计，这门课是所有在线Machine Learning课程中最受好评的课程。
这是一个机器学习打根本的入门理论课，不仅有基本观点的阐明，它还十分重视联系实际和履历总结：1.课程中吴恩达老师列举了许多算法实际运用的例子；2.他提到当年他们入门AI时面临的许多问题，以及处理这些难题的履历。
考虑其广泛受众，这门课程中没有涉及过多的数学知识，对统计、IT根本知识薄弱的学生也非常友好。

Learning from Data

主讲人：Yaser Abu-Mostafa

发布平台：edX，网易公开课

课程链接：

https://www.edx.org/course/caltechx/caltechx-cs1156x-learning-data-2516；

http://open.163.com/special/opencourse/learningfromdata.html

课程评价：这是加州理工Yaser Abu-Mostafa教授关于机器学习的入门课，但内容并不大略。
该课程强调数据，是由于机器学习与各领域的大数据处理运用（比如金融、医疗）联系十分紧密。
这门课内容涵盖根本理论、算法和运用，平衡了理论与实践，既覆盖数学统计，也包含启示式的观点理解。
不少人评论该课程构培养像讲故事，它有助于学习者形成对机器学习观点和模型深度、直觉性的理解。
学习者公认它内容非常充足，但对作业模块的争议很大：有人认为难度偏高并且缺少反馈，有人认为它是网上能找到的、最好的机器学习练习。

Neural Networks for Machine Learning

主讲人：Geoffrey Hinton

发布平台：Coursera

课程链接：

https://www.coursera.org/learn/neural-networks#ratings

课程评价：Geoffrey Hinton的这门课程可以作为吴恩达的机器学习课的进阶课程，难度相对来说有所提升，哀求学生有微积分、Python根本，涉及许多专有名词，对初学者难度较大，需自己查找干系资料。
网友认为“学习这么课对我来说真是大开眼界，而且就我所知，这门课相称靠近深度学习领域最前沿的技能。
这门课的习题比吴恩达的课更详细，更具寻衅性，因此我终极学到了更多。
”

Machine Learning

主讲人：Tom Mitchell

发布平台：CMU 官网

课程链接：

http://www.cs.cmu.edu/~tom/10701_sp11/

课程评价：这门课是学界人士的最爱，是入门课程之中较全面、高阶的一门，覆盖的话题非常广，按先后次序包括：代数和概率论，机器学习的根本工具，概率图模型，AI，神经网络，主动学习，增强学习。
这门课程能帮助学习者理清机器学习的发展脉络。
它适宜操持进行系统性学习、投入大量韶光的人。
对付初学者，建议至少听完吴恩达的机器学习课程之后，再修这一门。

机器学习基石

主讲人：林轩田

发布平台：Coursera

课程链接：

上：https://www.coursera.org/learn/ntumlone-mathematicalfoundations

下：https://www.coursera.org/learn/ntumlone-algorithmicfoundations

课程评价：这是为汉语学子量身定做的入门课，相称于***大学机器学习课程前半学期的课，教授的是机器学习最核心的知识。
林老师是教科书《Learning From Data》的作者之一，是华人机器学习领域年轻有为的青年学者。
这门课程十分家心细致，内容比吴恩达老师的入门课程稍稍充足一些。
林老师表示，针对顶级机器学习公开课全是英语授课的现状，不少学生反响英语传授教化有不易接管之处。
因此，借推出这门课程，希望帮助汉语为母语的学生减少入门难度。

Machine Learning for Undergraduates

主讲人：Nando de Freitas

发布平台：Youtube

课程链接：

https://www.youtube.com/playlist?list=PLE6Wd9FR--Ecf_5nCbnSQMHqORpiChfJf

课程评价：Nando de Freitas是机器学习领域非常精彩的学者。
他的这门课同样很适宜作为吴恩达老师机器学习的进阶课程，补充了一些“机器学习”的观点，并且重点强调数学知识。
Nando de Freitas对诸如概率论、log likelihood 等根本数学事理做了很好的讲解，并以此为根本先容更高等的数学、统计观点。

二、深度学习

Pratical Deep Learning for Coders，Part 1

主讲人：Jeremy Howard

发布平台：fast.ai

课程链接：

http://course.fast.ai/

课程评价：它是一门实战性极强的课程。
身为Kaggle竞赛冠军的Jeremy Howard亲自教授如何打造业界最好的深度神经网络。
Jeremy Howard在课程等分享了那些真正在工程实践中利用过，并且证明行之有效的方法，而不仅仅是那些理论上的定义和公式。

Deepinglearning.ai Specialization

主讲人：吴恩达 Andrew Ng

发布平台：deeplearning.ai

课程链接：

https://www.deeplearning.ai/

课程推举：这是吴恩达老师离开百度后推出的第一个深度学习项目（deeplearning.ai)的一个课程，课程口号是：Master Deep Learning,and Break into AI.该课程是一个自下而上教你神经网络事理的课程体系，浅近易懂，处于低级-中级难度。
这个课程有助于加强对深度学习的理解，对神经网络已经有了一定根本的人来说，这个课程还能加强参数搜索技巧。
很多人认为这是目前互联网上最适宜入门深度学习的系列课程，能够帮助学者构建对该领域的基本理解。

Deep learning at Oxford 2015

主讲人：Nando de Freitas

发布平台：oxford官网

课程主页：

http://www.cs.ox.ac.uk/people/nando.defreitas/

课程评价：Nando de Freitas于2013年转入牛津任教，这是他2014-2015学年在牛津大学的全套深度学习课程。
它先容了神经网络、反向传播、玻尔兹曼机、自动编码器、卷积神经网络和递归神经网络的基本背景，解释了深度学习如何影响我们对智力的理解，并有助于智能机器的实际设计。

CS231n：Convolutional Neural Networks for Visual Recognition

主讲人：李飞飞

发布平台：GitHub

课程地址：

http://cs231n.github.io/

课程评价：这门面向打算机视觉的深度学习课程由Fei-Fei Li教授掌舵，内容面向斯坦福大学学生，货真价实，评价颇高。
虽然课程名称是卷积神经网络和图像识别，但前期进行了大量关于Python开拓环境搭建、神经网络事理等根本知识的先容，适宜初学者负责研读。

Deep Learning

主讲人：Yann Lecun

发布平台：法兰西学院官网

课程地址：

https://www.college-de-france.fr/site/en-yann-lecun/course-2016-04-15-11h00.htm

课程评价：Yann Lecun在2016年初于法兰西学院开课，这是个中关于深度学习的8堂课。
当时是用法语授课，后来加入了英笔墨幕。
作为人工智能领域大牛和 Facebook AI 实验室（FAIR）的卖力人，Yann Lecun 身处业内机器学习研究的最前沿。
他曾经公开表示，现有的一些机器学习公开课内容已经有些过期。
通过Yann Lecun的课程能理解到近几年深度学习研究的最新进展。
该系列可作为探索深度学习的进阶课程。

Deep Learning for Natural Language Processing: 2016-2017

主讲人：Phil Blunsom

发布平台：GitHub

课程链接：

https://www.bilibili.com/video/av9817911/

课程评价：这是牛津大学 & DeepMind 联合的面向NLP的深度学习运用课程。
课程先容了干系机器学习模型的数学定义，并推导出干系的优化算法。
该课程涵盖神经网络在NLP中的一系列运用，包括剖析文本中的潜在维度、将语音转录到文本、在措辞之间进行转换以及回答问题。
这些主题被组织成三个高层次的主题，从理解利用神经网络的顺序措辞建模，到理解它们作为转导任务的条件措辞模型的利用，以及终极将这些技能与其他高等运用程序结合利用的方法。
在全体过程中，还将谈论这些模型在CPU和GPU硬件上的实际实现。

2016 斯坦福湾区深度学习学校 Day 1

课程链接：

https://www.youtube.com/watch?v=eyovmAtoUx0

课程评价：这个***是 2016 湾区深度学习学校第一天的内容展示。
***覆盖到的内容有： 1）Hugo Larochelle 讲授前馈神经网络先容（Introduction on Feedforward Neural Network）；2）Andrej Karpathy 讲授用于打算机视觉的深度学习（Deep Learning for Computer Vision）；3）Richard Socher 讲授用于自然措辞处理（NLP）的深度学习（Deep Learning for NLP）；4）Sherry Moore 讲授 TensorFlow 教程（TensorFlow Tutorial）；5）Ruslan Salakhutdinov 讲授深度无监督学习根本（Foundations of Deep Unsupervised Learning）；6）吴恩达讲授深度学习运用基本要点（Nuts and Bolts of Applying Deep Learning）。
这些深度学习方面的专家都会以一个易于理解的办法讲解深度学习潜在的观点事理，让你对深度学习有根本理解。
同时他们也会分享各自讲授主题干系的运用实例。

2016 斯坦福湾区深度学习学校 Day 2 (Bay Area Deep Learning School Day 2 at CEMEX auditorium, Stanford)

课程链接：

https://www.youtube.com/watch?v=9dXiAecyJrY

课程评价：这是湾区深度学习学校的第二天讲授内容***。
***覆盖到的内容有：1）John Schulman 讲授深度强化学习根本（Foundation of Deep Reinforcement Learning）；2）Pascal Lamblin 讲授 Theano 先容：一个供模型构建和演习利用的极速 Python 库（Introduction to Theano: A Fast Python library for Modelling & Training）；3）Adam Coates 和 Vinay Rao 讲授语音识别和深度学习（Speech Recognition and Deep Learning）；4）Alex Wiltschko 讲授 Torch 和 Autograd 下的机器学习（Machine Learning with Torch & Autograd）；5）Quoc Le 讲授深度学习实现 Seq2Seq（Sequence to Sequence by Deep Learning）；5）Yoshua Bengio 讲授深度学习的根本和寻衅（Foundation and Challenges of Deep Learning）。
这些深度学习的运用者都是常常被检索到的深度学习运用专家，他们同时也为大型公司做事，如谷歌大脑、Twitter 等。

斯坦福大学深度学习运用课程: Natural Language Processing with Deep Learning

课程链接：

https://www.bilibili.com/video/av9285496/

课程先容：这门课程由NLP领域的大牛 Chris Manning 和 Richard Socher 执掌，是学习深度学习自然措辞处理的经典课程。
此课程全面先容了运用于NLP的深度学习的前沿研究。
在模型方面，将谈论词向量表示、基于窗口的神经网络、递归神经网络、永劫光短期影象模型、递归神经网络、卷积神经网络以及一些涉及内存组件的最近模型。

深度学习（中/英）by Google

主讲人：Vincent Vanhoucke，Arpan Chakraborty

发布平台：优达学城

课程链接：

https://cn.udacity.com/course/deep-learning--ud730

课程评价：这门课程由优达学城与Google的首席科学家兼Google智囊团技能经理 Vincent Vanhoucke联合开拓，可以免费学到如何演习和优化基本神经网络、卷积神经网络和是非期影象网络，学习者可以通过项目和任务打仗完全的机器学习系统 TensorFlow。

2016 年蒙特利尔深度学习暑期班

课程链接：

https://www.youtube.com/watch?list=PL5bqIc6XopCbb-FvnHmD1neVlQKwGzQyR&v=xK-bzjIQkmM

课程评价：蒙特利尔深度学习暑期班涌现了很多来自不同年事段的专家与从业职员。
该教程是要教人们对深度学习与神经网络有根本的理解。
里面有Yoshua Bengio教授循环神经网络，Surya Ganguli教授理论神经科学与深度学习理论，Sumit Chopra教授reasoning summit和attention，Jeff Dean讲解TensorFlow大规模机器学习，Ruslan Salakhutdinov讲解学习深度天生式模型，Ryan Olson讲解深度学习的GPU编程，还有其他很多的讲演。

Machine Learning and having it Deep and Structured

主讲人：李宏毅

课程链接：

https://www.bilibili.com/video/av9770302/

课程评价：这是难得的免费中文课程，有网友评价这门课把GAN讲得太好了，还有人认为李宏毅善于让学生人对算法有一个直不雅观的映像和理解。
这门课对初学者不太友好，适宜在上完他的machine learning课程之后再进行学习。

三、人工智能

Intro to Artificial Intelligence

主讲人：Peter Norvig，Sebastian Thrun

发布平台：优达学城 Udacity

课程地址：

https://cn.udacity.com/course/intro-to-artificial-intelligence--cs271

课程评价：该课程久享盛名，被公认为是AI入门最好的公开课之一。
它先容了几个AI紧张领域：概率推理、信息检索、机器人学、自然措辞处理等，方向于先容AI的实际运用，并且课程练习广受好评。
该课程的两位主讲者，Peter Norvig和Sebastian Thrun，一个是谷歌研究总监，一个是斯坦福著名机器学习教授，均是与吴恩达、Yann Lecun 同级别的顶级AI专家。

基于知识的人工智能：认知系统

主讲人：Ashok Goel David Joyner

发布平台：优达学城

课程链接：

https://cn.udacity.com/course/knowledge-based-ai-cognitive-systems--ud409

课程评价：这门课人工智能的核心课程，具有较高的寻衅性，涉及重大的独立事情、阅读、任务和项目，涵盖构造性的知识讲解及基于知识的问题办理、方案、决策和学习方法。
网友认为，“最吸引人的部分是课程项目：构建一个人工智能代理，办理Raven的进化矩阵，这基本上是一个视觉IQ测试，非常有趣和富有寻衅性。
对付那些比较‘随意马虎’的问题，办理起来还算大略，但对付那些有难度的问题，办理起来那是难以置信的困难。
”

四、打算机科学

Scala函数式程序设计事理

主讲人：Martin Odersky

发布平台：Coursera

课程链接：

https://www.coursera.org/learn/progfun1

课程评价：这门课程看重实践，课程中的大部分单元都会利用一些简短的程序来阐述基本事理和观点，听众可以试着运行这些程序并考试测验改写它们，任何对Scala感兴趣的人都可以考试测验这门课。
网友普遍认为这个课程轻微有点难度，也有人以为课程构造设计不合理，须要学生查阅很多其他资料；而支持者则认为，“让一门措辞的创造者来亲自教授这门措辞的课程，给我供应了原来无法得到的见地”、“这门课程非常惊人，须要强烈推举，它显示了Scala的设计投入了多少精力和技巧。

数据库

主讲人：Jennifer Widom

发布平台：斯坦福大学官网

课程链接：

https://lagunita.stanford.edu/courses/DB/2014/SelfPaced/about

课程评价：该课程是斯坦福大学在2011年秋季开设的三个大型公开在线课程之一;在2013年和2014年的MOOC中再次供应。
有网友将这门课程评价该课是“组织得最好的在线课程”，“讲座中所有的内容都是干系的，所有内容都会在习题中运用和测试，习题很多，每周的家庭作业会从大略逐渐展开到中等难度，Web 环境设计良好，供应了极好的反馈并能够辅导你精确地回答问题。
”

Probabilistic Graphical Models专项课程

主讲人： Daphne Koller

发布平台：couresa

课程链接：

https://www.coursera.org/specializations/probabilistic-graphical-models

课程评价：有网友认为，这个专项课程是他所学过最有趣的在线课程，不过该课程对学习者哀求较高，须要花不少精力将讲座的内容运用到作业中。
还有人评论，“这个专项课程的第一门课程有一个非常好、非常引人入胜的开头，但是在那之后讲座和习题之间很快涌现了巨大的鸿沟（大概这便是为什么作者吹嘘这是一门充满寻衅性的课程，而不是针对每个人的）。
PGM 是办理很多机器学习问题的有力工具，但确实难度较大。
据一位网友说，“在斯坦福，学生们只要能通过 PGM 考试都高兴坏了“。

五、平台推举

国外：Coursera、edX、优达学城（Udacity）、Udemy等

海内：网易公开课、七月在线、哔哩哔哩等

如果英文不错，国外问答论坛比，比如Hacker News会很有帮助；如果英语根本不足好，Coursera 和优达学城的大部分机器学习资源都添加了汉语字幕；网易公开课也有很多课程的字幕翻译；如果须要补充数学、统计根本，强烈推举可汗学院 Khan Academy。

以上课程有深有浅，各位可以根据自己需求来选择最得当的课程。
如果有自己认为很棒的AI课程没有上榜，欢迎大家补充解释~