今天给大家推荐 10 个机器学习课程清单，含课程视频。这份教程是由一名来自硅谷的计算机科学家 Chip Huyen。Chip Huyen 是毕业于斯坦福大学计算机科学理学学士和硕士学位，在那里她创建并教授了 《TensorFlow 深度学习课程》。\
Chip Huyen 主页：\
言归正传，这份机器学习课程清单由爱可可老师整理和搬运，并强烈推荐！下面逐一介绍。\
1、《Probability and Statistics》（斯坦福概率和统计）
本课程旨在提供一个方便、包容和支持的概率和统计学习方法。方便所有人快速掌握核心知识。
课程地址：
online.stanford.edu/courses/gse…
2. 《Linear Algebra》（MIT 线性代数）
课程地址：\
3. 《CS231N: Convolutional Neural Networks for Visual Recognition》（斯坦福卷积网络视觉识别）
课程主页：
油管视频：\
B 站视频：\
4. 《Practical Deep Learning for Coders》（fastai 程序员深度学习实战）
课程主页：
油管视频：\
参考资料：\
B 站视频：\
5. 《CS224N: Natural Language Processing with Deep Learning》（斯坦福深度学习自然语言处理）
课程主页：
油管视频：\
B 站视频：\
6. 《Machine Learning》（Coursera 斯坦福机器学习课程）
这就是吴恩达开设的爆火机器学习入门课！这门课基本涵盖了机器学习的主要知识点，例如：线性回归、逻辑回归、支持向量机、神经网络、K-Means、异常检测等等。而且课程中没有复杂的公式推导和理论分析。Ng 的目的是让机器学习初学者能够快速对整个机器学习知识点有比较整体的认识，便于快速入门。
课程主页：
7. 《Probabilistic Graphical Models Specialization》（Coursera 斯坦福概率图模型专项课程）
课程地址：\
8. 《Introduction to Reinforcement Learning》（DeepMind 强化学习导论）
油管视频：\
9. 《Full Stack Deep Learning Bootcamp》（全栈深度学习训练营）\
课程主页：\
B 站视频：\
GitHub：\
10-1. 《How to Win a Data Science Competition: Learn from Top Kagglers》（Coursera 跟顶级 Kagglers 学习如何赢取数据科学竞赛）
课程主页：\
10-2《BerkeleyX: CS188.1x Artificial Intelligence》（伯克利 AI）
课程主页：\
inst.eecs.berkeley.edu/~cs188/fa18…
edX 课程地址：\
B 站视频：\
爱可可老师这样评价：添完搬运链接，有那么一瞬间被自己感动了。作为读者，看到这 10 个机器学习清单列表，感觉又有的看了！
感兴趣的读者可以按照清单顺序学习，也可以根据自己的实际情况挑选相应的课程学习。希望对大家有所帮助！
本站简介↓↓↓
“机器学习初学者”是帮助人工智能爱好者入门的个人公众号（创始人： 黄海广）
初学者入门的道路上，最需要的是“雪中送炭”，而不是“锦上添花”。
本站的知识星球（黄博的机器学习圈子）ID：92416895\
目前在机器学习方向的知识星球排名第一（上图二维码）
往期精彩回顾\
备注：本站qq群：865189078（共8个群，不用重复加）。
加入本站微信群，请加黄博的助理微信，说明：公众号用户加群。
