Вы знаете, на что я надеялся, когда начал изучать машинное обучение. Универсальный курс по машинному обучению. В то время было очень сложно найти хороший курс со всеми необходимыми концепциями и алгоритмами. Поэтому мы были вынуждены искать в Интернете, читать исследовательские работы и покупать книги.
К счастью, это больше не так. Сейчас мы находимся в прямо противоположной ситуации. Там так много курсов. Как я должен знать, какой из них хорош, что включает в себя все, что мне нужно изучить. Поэтому здесь я составил список самых популярных и хорошо преподаваемых курсов.
У меня есть личный опыт работы с большинством из них, и я настоятельно рекомендую их всем. Каждый известный мне инженер по машинному обучению или специалист по данным предлагает один или несколько из них. Так что не смотрите дальше. Хорошо, давайте начнем.
Этот курс Стэнфорда многие считают лучшим курсом по машинному обучению. Его преподает сам Эндрю Нг (для тех из вас, кто его не знает, он профессор Стэнфорда, соучредитель Coursera, соучредитель Google Brain и вице-президент Baidu), и он охватывает все основы, которые вам нужны. знать. Кроме того, он имеет рейтинг колоссальные 4,9 из 5.
Материал полностью самодостаточен и подходит для начинающих, поскольку он учит вас основным принципам линейной алгебры и исчисления наряду с обучением с учителем. Единственный недостаток, о котором я могу думать, заключается в том, что он использует Octave (версия Matlab с открытым исходным кодом) вместо Python и R, потому что он действительно хочет, чтобы вы сосредоточились на алгоритмах, а не на программировании.
Стоимость: бесплатный аудит, $79 если вы хотите сертификат
Время выполнения: 76 часов
Рейтинг: 4.9/5
Программа: линейная регрессия с одной переменной
-
Обзор линейной алгебры
-
Линейная регрессия с несколькими переменными
-
Учебник Octave/Matlab
-
Логистическая регрессия
-
Регуляризация
-
Нейронные сети: представление
-
Нейронные сети: обучение
-
Советы по применению машинного обучения
-
Проектирование системы машинного обучения
-
Опорные векторные машины
-
Уменьшение размерности
-
Обнаружение аномалий
-
Рекомендательные системы
-
Крупномасштабное машинное обучение
-
Пример приложения: оптическое распознавание фотографий
Опять же, курс, который читает Эндрю Нг, снова считается лучшим в области глубокого обучения. Вы видите здесь закономерность? На самом деле он состоит из 5 различных курсов и даст вам четкое представление о наиболее важных архитектурах нейронных сетей. Серьезно, если вы заинтересованы в DL, не смотрите больше.
Он использует Python и библиотеку TensorFlow (вероятно, потребуется некоторый опыт, чтобы следовать за ним), и он дает вам возможность работать с реальными проблемами, связанными с обработкой естественного языка, компьютерным зрением, здравоохранением.
Стоимость: бесплатный аудит, $49/месяц за Сертификат
Срок выполнения: 3 месяца (11 часов в неделю)
Рейтинг: 4.8/5
Учебный план:
-
Нейронные сети и глубокое обучение
-
Улучшение нейронных сетей: настройка гиперпараметров, регуляризация и оптимизация
-
Структурирование проектов машинного обучения
-
Сверточные нейронные сети
-
Модели последовательности
Специализация Advanced Machine Learning предлагается Национальным исследовательским университетом Высшей школы экономики, структурирована и преподается ведущими специалистами по машинному обучению Kaggle и учеными CERN. Она включает в себя 7 различных курсов и охватывает более сложные темы, такие как обучение с подкреплением и обработка естественного языка. Вам, вероятно, понадобится больше математики и хорошее понимание основных идей машинного обучения, но отличные инструкции и веселая среда компенсируют это. Это, безусловно, идет с моей самой высокой рекомендацией.
Стоимость: бесплатный аудит, $49/месяц за Сертификат
Время выполнения: 8-10 месяцев (6-10 часов в неделю)
Рейтинг: 4,6/10
Учебный план:
-
Введение в глубокое обучение
-
Как выиграть соревнования по науке о данных: учитесь у лучших Kagglers
-
Байесовские методы машинного обучения
-
Практическое обучение с подкреплением
-
Глубокое обучение в компьютерном зрении
-
Обработка естественного языка
-
Решение проблем Большого адронного коллайдера с помощью машинного обучения
Если вам нужен целостный подход на поле и интерактивная среда, это ваш курс. Я должен признать, что я не видел более полной учебной программы, чем эта. От контролируемого обучения до неконтролируемого и подкрепления, в нем есть все, что вы можете себе представить.
Это не научит вас глубоким нейронным сетям, но даст вам четкое представление обо всех различных алгоритмах машинного обучения, их сильных и слабых сторонах и о том, как их можно использовать в реальных приложениях. Кроме того, если вы любите очень короткие видеоролики и интерактивные викторины на протяжении всего курса, это идеальное решение для вас.
Стоимость: бесплатно
Срок выполнения: 4 месяца
Рейтинг:
Учебный план:
-
Контролируемое обучение
-
Неконтролируемое обучение
-
Обучение с подкреплением
Этот вводный курс разработан и проводится соучредителем Udacity Себастьяном Труном и директором по исследованиям и разработкам в области наук о данных Кэти Мэлоун. Его основная аудитория — новички, которые ищут курс для начала работы с машинным обучением. Опять же, если вам нравится среда Udacity (что лично мне нравится), это замечательная альтернатива, чтобы войти в дверь.
Стоимость: бесплатно
Срок выполнения: 10 недель
Учебный план:
Наностепень глубокого обучения от Udacity научит вас всем передовым алгоритмам глубокого обучения от сверточных сетей до генеративно-состязательных сетей. Это довольно дорого, но это единственный курс с 5 различными практическими проектами. Вы создадите классификатор пород собак, систему генерации лиц, модель анализа настроений, а также узнаете, как использовать их в производстве. И самое приятное то, что его преподают настоящие авторитеты, такие как Ян Гудфеллоу, Джун-Ян Чжуанд, Себастьян Трун и Эндрю Траск.
Стоимость: 1316 €
Срок выполнения: 4 месяца
Рейтинг 4.6/5
Учебный план:
-
Проект 1: Прогнозирование моделей совместного использования велосипедов (градиентный спуск и нейронные сети)
-
Проект 2: Классификатор пород собак (CNN, AutoEncoders и PyTorch)
-
Проект 3: Генерация телевизионных сценариев (RNN, LSTM и Embeddings)
-
Проект 4: Создание лиц (GAN)
-
Проект 5: Развертывание модели анализа настроений
Следующий в нашем списке размещен на edX и предлагается Колумбийским университетом. Это требует значительных знаний в области математики (линейная алгебра и исчисление) и программирования (Python или Octave), поэтому, если бы я был новичком, я бы не начал здесь. Тем не менее, он может быть идеальным для более продвинутых студентов, если они хотят развить математическое понимание алгоритмов.
Уникальность этого курса заключается в том, что он фокусируется на вероятностной области машинного обучения, охватывающей такие темы, как байесовская линейная регрессия и скрытые марковские модели.
Стоимость: бесплатный аудит, $227 для сертификата
Срок выполнения: 12 недель
Учебный план:
-
Неделя 1: оценка максимального правдоподобия, линейная регрессия, метод наименьших квадратов
-
Неделя 2: гребневая регрессия, дисперсия смещения, правило Байеса, максимальный апостериорный вывод.
-
Неделя 3: байесовская линейная регрессия, разреженность, выбор подмножества для линейной регрессии
-
Неделя 4: классификация ближайших соседей, байесовские классификаторы, линейные классификаторы, персептрон
-
Неделя 5: логистическая регрессия, приближение Лапласа, ядерные методы, гауссовы процессы.
-
Неделя 6: максимальная маржа, машины опорных векторов, деревья, случайные леса, бустинг
-
Неделя 7: кластеризация, k-средние, алгоритм EM, отсутствующие данные
-
Неделя 8: смеси гауссианов, матричная факторизация
-
Неделя 9: неотрицательная матричная факторизация, модели скрытых факторов, PCA и вариации
-
Неделя 10: Марковские модели, скрытые марковские модели
-
Неделя 11: непрерывные модели в пространстве состояний, ассоциативный анализ
-
Неделя 12: выбор модели, следующие шаги
«Практическое глубокое обучение для программистов» — замечательный бесплатный ресурс для людей с некоторым опытом программирования (но не слишком большим), который включает в себя множество заметок, заданий и видео. Он построен на идее дать студентам практический опыт в этой области, поэтому будьте готовы к тому, что вам придется кодировать. Вы даже можете узнать, как использовать сервер графического процессора в облаке для обучения своих моделей. Довольно круто.
Стоимость: бесплатно
Время выполнения: 12 недель (8 часов в неделю)
Учебный план:
-
Введение в случайные леса
-
Глубокое погружение в случайный лес
-
Производительность, проверка и интерпретация модели
-
Важность функции. Интерпретатор дерева
-
Экстраполяция и РЧ с нуля
-
Продукты данных и живое кодирование
-
RF с нуля и градиентный спуск
-
Градиентный спуск и логистическая регрессия
-
Регуляризация, скорость обучения и НЛП
-
Больше НЛП и столбцовых данных
-
Вложения
-
Полный Россманн. Этические вопросы
Определенно, это самый популярный курс по искусственному интеллекту на Udemy, на который записалось полмиллиона студентов. Его создали Кирилл Еременко, специалист по данным и эксперт по системам Forex, и Хаделин де Понтев, специалист по данным. Здесь вы можете ожидать анализ наиболее важных алгоритмов ML с шаблонами кода на Python и R. 41 час обучения + 31 статья, безусловно, стоит еще раз взглянуть.
Стоимость: 199€ (но со скидками. На момент написания статьи стоимость была 13,99€)
Время выполнения: 41 час
Учебный план:
-
Часть 1. Предварительная обработка данных
-
Часть 2. Регрессия: простая линейная регрессия, множественная линейная регрессия, полиномиальная регрессия, SVR, регрессия дерева решений, регрессия случайного леса
-
Часть 3. Классификация: логистическая регрессия, K-NN, SVM, Kernel SVM, наивный байесовский алгоритм, классификация дерева решений, классификация случайного леса
-
Часть 4. Кластеризация: K-средние, иерархическая кластеризация
-
Часть 5. Изучение правил ассоциации: Apriori, Eclat
-
Часть 6. Обучение с подкреплением: верхняя доверительная граница, выборка Томпсона
-
Часть 7. Обработка естественного языка: модель набора слов и алгоритмы НЛП
-
Часть 8. Глубокое обучение: искусственные нейронные сети, сверточные нейронные сети
-
Часть 9. Уменьшение размерности: PCA, LDA, Kernel PCA
-
Часть 10. Выбор модели и усиление: k-кратная перекрестная проверка, настройка параметров, поиск по сетке, XGBoost
https://www.youtube.com/watch?v=FgzM3zpZ55o
Безусловно, это самый сложный курс в списке, потому что обучение с подкреплением, возможно, намного сложнее. Но если вы хотите погрузиться в это, нет лучшего способа сделать это. На самом деле это записи лекций из Стэнфордского университета. Так что будьте готовы сами стать студентом Стэнфорда. Профессор Эмма Бранскилл очень легко разбирается во всех этих сложных темах и знакомит вас с системами и алгоритмами RL. Конечно, вы найдете много математических уравнений и доказательств, но это невозможно, когда речь идет об обучении с подкреплением.
Вы можете найти сайт курса
здесь и видео лекции в этом плейлист на ютубе
Стоимость: бесплатно
Время выполнения: 19 часов
Учебный план:
-
Введение
-
Учитывая модель мира
-
Оценка политик без модели
-
Безмодельное управление
-
Приближение функции значения
-
CNN и глубокое обучение Q
-
Имитация обучения
-
Градиент политики I
-
Градиент политики II
-
Градиент политики III и обзор
-
Быстрое обучение с подкреплением
-
Быстрое обучение с подкреплением II
-
Быстрое обучение с подкреплением III
-
Пакетное обучение с подкреплением
-
Поиск по дереву Монте-Карло
Вот оно. Окончательный список курсов по машинному и глубокому обучению. Некоторые из них могут быть слишком сложными, некоторые могут содержать слишком много математики, некоторые могут быть слишком дорогими, но каждый из них гарантированно научит вас всему, что вам нужно для достижения успеха в области ИИ.
И, честно говоря, не так уж важно, какой из них вы выберете. Все они на высшем уровне. Важно выбрать один и просто начать учиться.
* Раскрытие информации: Обратите внимание, что некоторые из приведенных выше ссылок могут быть партнерскими ссылками, и без дополнительной оплаты для вас мы будем получать комиссию, если вы решите совершить покупку после перехода по ссылке.