【1】Andrew NG Deep Learning.ai

http://deeplearning.ai/

網(wǎng)易云課堂（中文字幕）：http://mooc.study.163.com/smartSpec/detail/1001319001.htm

?

推薦理由：Andrew Ng老師是講課的能手，很多人認(rèn)識(shí)他是從Stanford的經(jīng)典《機(jī)器學(xué)習(xí)》課程上。Andrew老師授課思路清晰，簡(jiǎn)潔明了。相信這門(mén)他宣布創(chuàng)業(yè)后推出的第一門(mén)課程一定不會(huì)讓人失望。

?

?

最近， Andrew Ng 在Twitter上發(fā)布了關(guān)于這門(mén)課程的消息。 從2014年初開(kāi)始，我就一直在關(guān)注他，我正在參加他在Coursera上的一門(mén)課程，學(xué)習(xí)和機(jī)器學(xué)習(xí)有關(guān)的數(shù)學(xué)知識(shí)。 從工程背景出發(fā)，他的第一門(mén)課程非常有趣，同時(shí)也有點(diǎn)難度。2016年底的時(shí)候，吳先生從百度離職，不再擔(dān)任百度的首席科學(xué)家，并于今年8月8日推出了一個(gè)新的深度學(xué)習(xí)專(zhuān)業(yè)化的課程。 我在今年晚些時(shí)候才想起來(lái)，因?yàn)槲业臅r(shí)間之前一直被一些其他的項(xiàng)目所占據(jù)。 然后我從Fast.ai上 Arvind N的學(xué)生那里讀到了一篇關(guān)于他如何在4天內(nèi)完成所有3節(jié)課的博客以及他對(duì)fast.ai和deeplearning.ai的看法。

4天內(nèi)完成所有3節(jié)課的博客

https://medium.com/towards-data-science/thoughts-after-taking-the-deeplearning-ai-courses-8568f132153

我想挑戰(zhàn)自己，看是否我可以在不到4天內(nèi)完成相同的事情。并且我成功了，在3天內(nèi)完成了3門(mén)課程。

關(guān)于指導(dǎo)老師：

Andrew Ng是斯坦福大學(xué)教授，共同創(chuàng)辦了Coursera，成立并領(lǐng)導(dǎo)了Google Brain的深度學(xué)習(xí)項(xiàng)目，并曾任百度首席科學(xué)家。課程反映了他在各種大規(guī)模問(wèn)題上學(xué)習(xí)到的知識(shí)。

該課程幫助您了解深度學(xué)習(xí)所需的數(shù)學(xué)知識(shí)，并在課程2結(jié)束之后，學(xué)習(xí)如何從頭開(kāi)始構(gòu)建深度學(xué)習(xí)算法的幾個(gè)關(guān)鍵組件。

關(guān)于課程：

課程分為5節(jié)。截止到這篇博客發(fā)布（8月19日），已經(jīng)發(fā)布了前3節(jié)課。 Andrew Ng在本門(mén)課中采用了自下而上的教學(xué)安排。在他早期的課程中，他選擇octave進(jìn)行編程作業(yè)，但這個(gè)課程他選擇了python。

1.?在課程1中，他詳細(xì)地介紹了深度學(xué)習(xí)中許多概念所需的數(shù)學(xué)和直觀認(rèn)識(shí)。他小心地對(duì)課程內(nèi)容進(jìn)行平衡，并教授數(shù)學(xué)知識(shí)，這是了解深度學(xué)習(xí)的基礎(chǔ)所必需的。指定會(huì)話對(duì)通過(guò)編程的方式實(shí)踐數(shù)學(xué)知識(shí)非常有幫助。所有的公式都已經(jīng)提供好了，所以哪怕沒(méi)有太多的數(shù)學(xué)知識(shí)，你也可以專(zhuān)注于實(shí)現(xiàn)它們。

2. 課程2涵蓋了正則化，動(dòng)量，批量歸一化和dropout等許多技術(shù)，來(lái)提高DL模型的性能。這個(gè)課程的最好的部分就是使用python和numpy來(lái)實(shí)現(xiàn)所有的技術(shù)。

3. 在第3節(jié)課中，他介紹了他從多年的經(jīng)驗(yàn)中學(xué)到的很多技巧和竅門(mén)。在第三部分課程結(jié)束時(shí)，他介紹了DL框架。課程3的作業(yè)是學(xué)習(xí)怎樣使用TensorFlow。作業(yè)設(shè)計(jì)的非常明確。

4. 課程4是關(guān)于CNN的。課程發(fā)布后，我將更新此部分。

5. 課程5是關(guān)于RNN或序列數(shù)據(jù)的。一旦課程發(fā)布，我將更新該部分。

亮點(diǎn)：

1.?當(dāng)你學(xué)完前3節(jié)課后，你的基礎(chǔ)知識(shí)將非常強(qiáng)大。

2.?前3個(gè)課程采取了框架獨(dú)立的方法。這能讓你輕松使用任何框架。

3.?課程中包含了關(guān)于如何設(shè)計(jì)評(píng)估指標(biāo)、如何分割數(shù)據(jù)集進(jìn)行訓(xùn)練以及避免方差和偏差問(wèn)題的實(shí)用技巧。

4.?當(dāng)然，最好的一部分是案例研究，您可以在這里找到一個(gè)機(jī)會(huì)，來(lái)驗(yàn)證你已經(jīng)理解了如何成功執(zhí)行深度學(xué)習(xí)項(xiàng)目。

5.?所有的作業(yè)都是以jupyter notebook的形式提供的，并在Coursera服務(wù)器上運(yùn)行，因此無(wú)需擔(dān)心基礎(chǔ)的框架。

6.?學(xué)完3節(jié)精彩的課后，仍有2節(jié)課值得期待。

7.?每周都有一個(gè)名為“深度學(xué)習(xí)英雄”的演講。這是一個(gè)很好的來(lái)源，讓我們了解深度學(xué)習(xí)背后的歷史和靈感。

局限：

1.?對(duì)于一些全新的深度學(xué)習(xí)或機(jī)器學(xué)習(xí)項(xiàng)目，從頭開(kāi)始構(gòu)建每一部分并了解其背后的數(shù)學(xué)原理，可能非常具有挑戰(zhàn)性。

2.?由于課程遵循自下而上的方法，所以即使在第三節(jié)課結(jié)束后，您仍然很難在您的領(lǐng)域中使用DL來(lái)構(gòu)建解決方案。

3.?由于提供了基礎(chǔ)框架，所以您將不再學(xué)習(xí)如何管理自己的工作站。而且如果要使用很多技術(shù)，有能力在云端或家庭/辦公室配置機(jī)器這一點(diǎn)非常重要。

4.?課程提供了許多示例代碼，使得完成作業(yè)變的更容易。但是要真正掌握一個(gè)技能，還得不使用示例代碼，將整個(gè)作業(yè)復(fù)現(xiàn)一遍，這是非常重要的。這可能談不上是課程的局限性，但如果您想要充分利用它，這是非常重要的。

費(fèi)用：

所有課程內(nèi)容都是免費(fèi)提供。但是我不知道這些作業(yè)是否也免費(fèi)提供。如果你正在參加付費(fèi)版本的課程，那么你最終每月花費(fèi)大約367元或55 $。

?

【2】 fast.ai 的 Making neural nets uncool again

?

http://www.fast.ai/

中文字幕?https://edu.csdn.net/course/detail/5192

推薦理由：這門(mén)課和很多傳統(tǒng)的授課方式不同，它從應(yīng)用入手，逐步往深了講，讓你先領(lǐng)會(huì)“開(kāi)車(chē)”的樂(lè)趣，然后再興致盎然地去學(xué)習(xí)車(chē)的原理甚至去修車(chē)。有人建議，以此入門(mén)，找到樂(lè)趣，再學(xué)習(xí)更基礎(chǔ)的課程。

Fast.ai

我是在kddnudgets的一篇文章中發(fā)現(xiàn)的這門(mén)課程。當(dāng)時(shí)是我第一次聽(tīng)說(shuō)Jeremy Howard，于是我在維基百科搜索了他，印象非常深刻。于是我購(gòu)買(mǎi)了這門(mén)由Jeremy和Rachel Thomas教授的MOOC。看完第一堂課，我就被他們的教學(xué)風(fēng)格深深震撼了。

您將在幾個(gè)小時(shí)內(nèi)學(xué)到如何構(gòu)建頂尖水準(zhǔn)的圖像分類(lèi)器，這甚至連幾美元的價(jià)格都不到。

Jeremy Howard：

https://medium.com/@jeremyphoward

https://en.wikipedia.org/wiki/Jeremy_Howard_%28entrepreneur%29

關(guān)于指導(dǎo)老師：

Jeremy的背景與通常的教授非常不同，他不是任何頂尖大學(xué)的博士生導(dǎo)師，也未曾就職于谷歌，百度，微軟等頂級(jí)公司。他自學(xué)成才，是kaggle競(jìng)賽高手，企業(yè)家和Fast.ai的CEO，目前唯一的目標(biāo)就是讓深度學(xué)習(xí)不再神秘。 他的獨(dú)特背景讓這門(mén)課程變得與眾不同，因?yàn)樗虝?huì)了不同背景的人如何使用深度學(xué)習(xí)，而無(wú)需大量數(shù)據(jù)或計(jì)算能力。

關(guān)于課程：

課程分為2部分，每7周學(xué)完一個(gè)部分。

課程的第一部分講授如何在計(jì)算機(jī)視覺(jué)和自然語(yǔ)言處理(NLP)領(lǐng)域使用深度學(xué)習(xí)。

第二部分講授生成網(wǎng)絡(luò)，GAN，序列模型等前沿研究工作，如何閱讀研究論文，以及如何在深入學(xué)習(xí)領(lǐng)域保持領(lǐng)先的實(shí)用技巧。這些技巧正在以驚人的速度發(fā)展。

本課程教學(xué)風(fēng)格獨(dú)特。課程作者習(xí)慣于這種獨(dú)特的方法。

我們不會(huì)讓您在先了解有關(guān)速度，動(dòng)量，分析等方面的信息之后，再去學(xué)習(xí)打板球（或任何游戲），最后在18點(diǎn)進(jìn)場(chǎng)。相反，我們先帶您先去現(xiàn)場(chǎng)，握著球或棒球棒，然后在實(shí)戰(zhàn)中學(xué)習(xí)其他知識(shí)。

通過(guò)這種獨(dú)特的方法，您將首先學(xué)習(xí)如何在云上部署工作站，安裝軟件，并使用深度學(xué)習(xí)快速構(gòu)建解決方案。每周Jeremy會(huì)挑選一個(gè)新的問(wèn)題，然后他教授你如何使用技術(shù)來(lái)提高模型的性能。他教的東西很實(shí)用，比如使用預(yù)卷積特征，偽標(biāo)記和許多非常有用的技巧。到第一部分結(jié)束，您將能夠使用深度學(xué)習(xí)在您工作的領(lǐng)域構(gòu)建實(shí)用的應(yīng)用程序。

課程的第二部分介紹了前沿研究，幫助您閱讀，理解和實(shí)施生成式模型，圖像分割和序列到序列模型的各種研究論文。您將學(xué)習(xí)構(gòu)建一些有趣的項(xiàng)目，如風(fēng)格轉(zhuǎn)移，低分辨率圖像到高分辨率圖像，GAN，圖像分割，翻譯以及如何將深度學(xué)習(xí)應(yīng)用于結(jié)構(gòu)化數(shù)據(jù)。第二部分最重要的部分是建立自己的工作站。如果您對(duì)深度學(xué)習(xí)充滿激情，并希望構(gòu)建各種深度學(xué)習(xí)應(yīng)用程序，這將非常有用。

亮點(diǎn)：

構(gòu)建一流的計(jì)算機(jī)視覺(jué)或NLP系統(tǒng)的能力。

了解和使用為深度學(xué)習(xí)應(yīng)用程序提供支持的現(xiàn)代主流架構(gòu)。

當(dāng)您的數(shù)據(jù)和計(jì)算能力有限時(shí)，如何快速應(yīng)用DL的實(shí)用技巧。

一個(gè)龐大的社區(qū)，支持您在不同階段學(xué)習(xí)和實(shí)施您的解決方案。

輕松使用3種流行的DL框架：Keras，TensorFlow，PyTorch。

在課程結(jié)束之后，您將不再為閱讀研究論文，構(gòu)建新項(xiàng)目而頭痛。Fast.ai的博客以及整個(gè)社區(qū)都將為您提供支持。

局限：

由于本課程遵循自上而下的方法，您將非常依賴一個(gè)框架來(lái)對(duì)基礎(chǔ)數(shù)學(xué)有一定的理解。如果您正在籌備一項(xiàng)工作或計(jì)劃在該領(lǐng)域進(jìn)行更多的研究，那么提高你理解DL中的數(shù)學(xué)知識(shí)的能力將很有幫助。

有些機(jī)構(gòu)對(duì)證書(shū)很看重，他們認(rèn)為這是你完成課程的證明。但我猜Jeremy認(rèn)為我們都是成熟的孩子，所以沒(méi)有提供任何形式的證書(shū)。 Jeremy和Rachel鼓勵(lì)撰寫(xiě)博客，構(gòu)建項(xiàng)目，在會(huì)議中進(jìn)行討論等活動(dòng)，以實(shí)力來(lái)代替?zhèn)鹘y(tǒng)證書(shū)的證明作用。 我個(gè)人認(rèn)為這是非常有用的。

費(fèi)用：

MOOC本身沒(méi)有相關(guān)費(fèi)用。但是要上手實(shí)踐這些項(xiàng)目，您最終需要在AWS上產(chǎn)生支出，或許您會(huì)選擇自己配置機(jī)器，但這樣做很貴。當(dāng)然在家里有一個(gè)強(qiáng)大的工作站是非常有幫助的

?

【3】斯坦福大學(xué)的課程 CS231n --- Convolutional Neural Networks for Visual Recognition

http://cs231n.stanford.edu/

推薦理由：此門(mén)課有斯坦福人工智能實(shí)驗(yàn)室主任Fei-Fei Li主講，作為IMAGE-NET的主要發(fā)起人，Li的實(shí)驗(yàn)室一直活躍在計(jì)算機(jī)視覺(jué)前沿研究領(lǐng)域，培養(yǎng)了眾多青年才俊。建議從事計(jì)算機(jī)視覺(jué)方向的同學(xué)關(guān)注此課程。

【中文字幕】2017春季CS231n 斯坦福深度視覺(jué)識(shí)別課

?

?

【4】 2016 年蒙特利爾深度學(xué)習(xí)暑期班

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

推薦理由：看看嘉賓陣容吧，Yoshua Bengio 教授循環(huán)神經(jīng)網(wǎng)絡(luò)，Surya Ganguli 教授理論神經(jīng)科學(xué)與深度學(xué)習(xí)理論，Sumit Chopra 教授 reasoning summit 和 attention，Jeff Dean 講解 TensorFlow 大規(guī)模機(jī)器學(xué)習(xí)，Ruslan Salakhutdinov 講解學(xué)習(xí)深度生成式模型，Ryan Olson 講解深度學(xué)習(xí)的 GPU 編程，等等。

?

【5】斯坦福大學(xué)的課程CS 20SI: Tensorflow for Deep Learning Research

http://web.stanford.edu/class/cs20si/index.html

推薦理由：Tensorflow正在一統(tǒng)天下，此門(mén)課程帶你用Tensorflow入門(mén)深度學(xué)習(xí)世界，無(wú)論是科研還是應(yīng)用，都是不錯(cuò)的入門(mén)材料。

?

【6】Geoffrey Hinton Neural Networks for Machine Learning | Coursera

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

推薦理由：沒(méi)錯(cuò)，授課人就是憑一己之力把深度神經(jīng)網(wǎng)絡(luò)帶向輝煌的Hinton老爺子，課程難度不小，但相信堅(jiān)持下來(lái)收獲一定不小。

?

【7】斯坦福大學(xué)的課程CS224d: Deep Learning for Natural Language Processing

http://cs224d.stanford.edu/

推薦理由：面向NLP的深度學(xué)習(xí)課程，從基礎(chǔ)神經(jīng)網(wǎng)路講起，到概率模型，再到word2vec，最后講到RNN模型在NLP領(lǐng)域的應(yīng)用等，是NLP方向的必修課。

?

【8】Yann Lecun 深度學(xué)習(xí)公開(kāi)課

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

推薦理由：作為 Facebook AI 實(shí)驗(yàn)室（FAIR）的負(fù)責(zé)人和CNN的發(fā)明人，Yann Lecun 身處業(yè)內(nèi)機(jī)器學(xué)習(xí)研究的最前沿，通過(guò)該課程能了解到近幾年深度學(xué)習(xí)研究的最新進(jìn)展。該系列可作為探索深度學(xué)習(xí)的進(jìn)階課程。

?

【9】UBC 本科生的機(jī)器學(xué)習(xí)課程 Machine Learning for Undergraduates

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

推薦理由：從課程名稱上就可看出這是門(mén)偏向基礎(chǔ)的課程，是了解機(jī)器學(xué)習(xí)基礎(chǔ)的入門(mén)必修課。數(shù)學(xué)是這門(mén)課的重點(diǎn)內(nèi)容，授課老師Nando de Freitas 對(duì)基礎(chǔ)數(shù)學(xué)原理做了很好的講解，并引出了更高級(jí)的數(shù)學(xué)概念

?

------------------------------------------------------------------------------------

?

?

吳恩達(dá)、Udacity和Fast.ai的課程我們替你分析好了

引言

過(guò)去2年，我一直積極專(zhuān)注于深度學(xué)習(xí)領(lǐng)域。我對(duì)深度學(xué)習(xí)的興趣始于2015年初，那個(gè)時(shí)候Google剛剛開(kāi)源Tensorflow。我根據(jù)Tensorflow的文檔快速地嘗試了幾個(gè)例程，當(dāng)時(shí)的感覺(jué)是深度學(xué)習(xí)并不簡(jiǎn)單。部分原因是因?yàn)樯疃葘W(xué)習(xí)的框架很新，也需要更好的硬件支持和耐心來(lái)摸索。

時(shí)間快進(jìn)到2017年，我已經(jīng)在深度學(xué)習(xí)的項(xiàng)目上花費(fèi)了幾百個(gè)小時(shí)。并且由于軟件（易用性，例如Keras，PyTorch）、硬件（對(duì)于我這樣在印度工作的人來(lái)說(shuō)，盡管仍然不便宜，但GPU已經(jīng)發(fā)展成了商業(yè)產(chǎn)品）、數(shù)據(jù)可用性、優(yōu)質(zhì)書(shū)籍以及MOOC的發(fā)展，這項(xiàng)技術(shù)正在變得越來(lái)越觸手可及。

在完成了Fast.ai，deeplearning.ai?/Coursera?（不完全發(fā)布）和Udacity這三個(gè)深度學(xué)習(xí)領(lǐng)域最受歡迎的MOOC之后，相信寫(xiě)這樣一篇博客，告訴你們能期望自己從這3門(mén)課程中學(xué)到什么，對(duì)以后的深度學(xué)習(xí)愛(ài)好者一定很有用。

Fast.ai：http://www.fast.ai/

deeplearning.ai?/Coursera：https://www.deeplearning.ai/

Udacity：https://in.udacity.com/

在這篇文章中，我將從5個(gè)方面介紹每門(mén)課程，這將有助于你做出決定。

關(guān)于指導(dǎo)老師：每門(mén)課程都是由具有不同背景的人教授的。我相信這些經(jīng)歷對(duì)教學(xué)風(fēng)格有很大的影響，所以我們將了解一下課程指導(dǎo)老師的背景。

關(guān)于課程：課程的高級(jí)概述。

亮點(diǎn)：課程中最精彩的部分。

局限：我對(duì)這個(gè)詞非常苛刻。因?yàn)槲抑浪羞@些課程都為了讓學(xué)習(xí)內(nèi)容變得更容易，付出過(guò)巨大而真誠(chéng)的努力。我想把這一部分解釋為，我們?cè)谡n程中錯(cuò)過(guò)了什么。某些局限性可能是因?yàn)檎n程的設(shè)計(jì)帶來(lái)的。

費(fèi)用：參加課程產(chǎn)生的費(fèi)用。

Udacity上Siraj Raval深度學(xué)習(xí)納米學(xué)位

我是Udacity的粉絲。他們?cè)诤芏嘀黝}上都有非常好的課程。所以當(dāng)今年初讀到深度學(xué)習(xí)課程的公告時(shí)，我非常開(kāi)心，并在第一批就進(jìn)行了注冊(cè)。

?

作者簡(jiǎn)介：Vishnu Subramanian，終身學(xué)習(xí)者，熱衷于深度學(xué)習(xí)，分布式計(jì)算。目前正在積極尋找AI /深度學(xué)習(xí)的機(jī)會(huì)。

如果你想學(xué)習(xí)深度學(xué)習(xí)，你會(huì)選擇哪家的課程呢？

作者：AI科技大本營(yíng) 鏈接：https://www.jianshu.com/p/28f5473c66a3

?

總結(jié)

以上是生活随笔為你收集整理的资源 | 深度学习课程入门与介绍的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。