Курсы машинного обучения - окончательный список

Вы знаете, на что я надеялся, когда начал изучать машинное обучение. Универсальный курс машинного обучения. В то время было действительно сложно найти хороший курс со всеми необходимыми концепциями и алгоритмами. Поэтому мы были вынуждены искать в Интернете, читать научные статьи и покупать книги.

К счастью, это уже не так. Сейчас мы находимся в прямо противоположной ситуации. Есть так много курсов. Как я должен знать, какой из них хороший, что включает в себя все, что мне нужно изучить. Итак, здесь я составил список самых популярных и хорошо преподаваемых курсов.

У меня есть личный опыт работы с большинством из них, и я очень рекомендую их всех. Каждый знакомый мне инженер по машинному обучению или специалист по анализу данных предлагает один или несколько из них. Так что не смотрите дальше. Хорошо, приступим.

1) Машинное обучение от Стэнфорда (Coursera)

Этот курс Стэнфорда считается многими лучшим курсом по машинному обучению. Его преподает сам Эндрю Нг (для тех из вас, кто его не знает, он является профессором Стэнфорда, соучредителем Coursera, соучредителем Google Brain и вице-президентом Baidu), и он охватывает все необходимые вам основы. знать. Кроме того, он имеет рейтинг 4,9 из 5.

Этот материал полностью автономен 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 (версию 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 долларов, если вам нужен сертификат.

Время на выполнение: 76 часов.

Рейтинг: 4.9 / 5

Учебный план:

  • Линейная регрессия с одной переменной
  • Обзор линейной алгебры
  • Линейная регрессия с несколькими переменными
  • Octave / Matlab Учебник
  • Логистическая регрессия
  • Регуляризация
  • Нейронные сети: представление
  • Нейронные сети: обучение
  • Советы по применению машинного обучения
  • Проектирование системы машинного обучения
  • Машины опорных векторов
  • Уменьшение размерности
  • Обнаружение аномалий
  • Рекомендательные системы
  • Масштабное машинное обучение
  • Пример приложения: Photo OCR

2) Специализация по глубокому обучению от deeplearning.ai (Coursera)

Опять же, курс, который ведет Эндрю Нг, снова считается одним из лучших 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 вас интересует DL, не ищите больше.

Он использует Python и библиотеку TensorFlow (вероятно, потребуется некоторая предыстория) и дает вам возможность работать с реальными проблемами, связанными с обработкой естественного языка, компьютерным зрением, здравоохранением.

Стоимость: бесплатный аудит, 49 долларов в 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
  • Последовательные модели

3) Продвинутая специализация по машинному обучению (Coursera)

Специализация продвинутого машинного обучения предлагается Национальным исследовательским университетом Высшая школа экономики и структурирована и преподается специалистами-практиками машинного обучения Top Kaggle и учеными ЦЕРН. 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 сделают вас лучше. Это, безусловно, является моей высшей рекомендацией.

Стоимость: бесплатный аудит, 49 долларов в месяц за сертификат.

Срок выполнения: 8–10 месяцев (6–10 часов в неделю)

Рейтинг: 4.6 / 10

Учебный план:

  • Введение в глубокое обучение
  • Как побеждать в соревнованиях по науке о данных: учитесь у лучших Kagglers
  • Байесовские методы машинного обучения
  • Практическое обучение с подкреплением
  • Глубокое обучение в области компьютерного зрения
  • Обработка естественного языка
  • Решение проблем Большого адронного коллайдера с помощью машинного обучения

4) Машинное обучение от Технологии Джорджии (Udacity)

Если вам нужен целостный подход к работе и интерактивная среда, это ваш курс. Я должен признать, что не видел более полной учебной программы, чем эта. От обучения с учителем до обучения без учителя и подкрепления - в нем есть все, о чем вы можете подумать.

Он 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 поклонник очень коротких видеороликов и интерактивных викторин на протяжении всего курса, этот курс идеально вам подойдет.

Стоимость: Бесплатно

Срок выполнения: 4 месяца

Учебный план:

  • Контролируемое обучение
  • Неконтролируемое обучение
  • Обучение с подкреплением

Для получения дополнительных образовательных материалов и ресурсов по машинному обучению и искусственному интеллекту не забудьте посетить наш блог theaisummer.com

5) Введение в машинное обучение (Udacity)

Этот вводный класс разработан и преподается соучредителем Udacity Себастьяном Труном и директором по исследованиям и развитию науки 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 отличная альтернатива, чтобы встать на ноги.

Стоимость: Бесплатно

Срок выполнения: 10 недель.

Учебный план:

  • Добро пожаловать в машинное обучение
  • Наивный байесовский
  • Машины опорных векторов
  • Деревья решений
  • Выбери свой алгоритм
  • Наборы данных и вопросы
  • Регрессии
  • Выбросы
  • Кластеризация
  • Масштабирование функций

6) Наностепень глубокого обучения (Udacity)

Deep Learning Nanodegree от Udacity научит вас всем передовым алгоритмам DL от сверточных сетей до генеративных 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 внедрить их в производство. И самое приятное то, что ему 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 схем обмена велосипедами (градиентный спуск и нейронные сети)
  • Проект 2: Классификатор пород собак (CNN, AutoEncoders и PyTorch)
  • Проект 3: Создание сценариев ТВ (RNN, LSTM и вложения)
  • Проект 4: Создание лиц (GAN)
  • Проект 5: Развертывание модели анализа настроений

7) Машинное обучение от Columbia (edX)

Следующий в нашем списке размещен на edX и предлагается Колумбийским университетом. Это требует серьезных знаний в области математики (линейная алгебра и исчисление) и программирования (Python или Octave), поэтому, если бы я был новичком, я бы не стал здесь начинать. 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 долларов США за сертификат.

Срок выполнения: 12 недель.

Учебный план:

  • Неделя 1: оценка максимального правдоподобия, линейная регрессия, наименьшие квадраты
  • Неделя 2: гребневая регрессия, систематическая ошибка-дисперсия, правило Байеса, максимальный апостериорный вывод.
  • Неделя 3: байесовская линейная регрессия, разреженность, выбор подмножества для линейной регрессии
  • Неделя 4: классификация ближайшего соседа, байесовские классификаторы, линейные классификаторы, персептрон.
  • Неделя 5: логистическая регрессия, аппроксимация Лапласа, ядерные методы, гауссовские процессы
  • Неделя 6: максимальная маржа, машины векторов поддержки, деревья, случайные леса, усиление
  • Неделя 7: кластеризация, k-средних, алгоритм EM, недостающие данные
  • Неделя 8: смеси гауссиан, матричная факторизация
  • Неделя 9: факторизация неотрицательной матрицы, модели латентных факторов, PCA и вариации
  • Неделя 10: Марковские модели, скрытые марковские модели
  • Неделя 11: модели непрерывного пространства состояний, анализ ассоциаций
  • Неделя 12: выбор модели, следующие шаги

8) Практическое глубокое обучение для кодеров, v3 (by fast.ai)

Практическое глубокое обучение для программистов - это потрясающий 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 работы в этой области, так что рассчитывайте на то, что вам придется писать код. Вы даже можете узнать, как использовать сервер GPU в облаке для обучения своих моделей. Довольно круто.

Стоимость: Бесплатно

Срок выполнения: 12 недель (8 часов в неделю)

Учебный план:

  • Введение в случайные леса
  • Случайное глубокое погружение в лесу
  • Производительность, проверка и интерпретация модели
  • Важность функции. Интерпретатор деревьев
  • Экстраполяция и РФ 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

9) Машинное обучение от А до Я ™: практический опыт Python и R в науке о данных

Определенно, самый популярный курс искусственного интеллекта по Udemy, в котором обучаются полмиллиона студентов. Он создан Кириллом Еременко, специалистом по анализу данных и форекс-системам, и Хаделин де Понтевес, специалистом по анализу данных. Здесь вы можете ожидать анализа наиболее важных алгоритмов машинного обучения с шаблонами кода на Python и R. С 41 часом обучения + 31 статьей, безусловно, стоит взглянуть еще раз.

Стоимость: 199 € (но со скидкой. На момент написания статьи стоимость составляла 13,99 €)

Время на выполнение: 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, SVM ядра, наивный байесовский метод, классификация дерева решений, классификация случайных лесов
  • Часть 4 - Кластеризация: K-средние, иерархическая кластеризация
  • Часть 5 - Изучение правил ассоциации: априори, эклат
  • Часть 6 - Обучение с подкреплением: верхняя граница уверенности, выборка Томпсона
  • Часть 7 - Обработка естественного языка: модель набора слов и алгоритмы для НЛП
  • Часть 8 - Глубокое обучение: искусственные нейронные сети, сверточные нейронные сети
  • Часть 9 - Уменьшение размерности: PCA, LDA, Kernel PCA
  • Часть 10 - Выбор и усиление модели: перекрестная проверка в k-кратном размере, настройка параметров, поиск по сетке, XGBoost

10) CS234 - Обучение с подкреплением в Стэнфорде

Это, безусловно, самый сложный курс в списке, потому что, возможно, обучение с подкреплением намного сложнее. Но если вы хотите погрузиться в это, нет лучшего способа сделать это. На самом деле это записанные лекции Стэнфордского университета. Так что будьте готовы сами стать студентом Стэнфорда. Профессор Эмма Брунскилл упрощает понимание всех этих сложных тем и дает потрясающее введение в системы и алгоритмы RL. Конечно, вы найдете множество математических уравнений и доказательств, но когда дело доходит до обучения с подкреплением, этого не избежать.

Сайт курса находится здесь, а видеолекции - в плейлисте Youtube.

Стоимость: Бесплатно

Время на выполнение: 19 часов.

Учебный план:

  • Вступление
  • Учитывая модель мира
  • Оценка политики без использования моделей
  • Управление без модели
  • Аппроксимация функции значения
  • CNN и Deep Q Learning
  • Имитационное обучение
  • 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. Полный список курсов машинного и глубокого обучения. Некоторые из них могут быть слишком продвинутыми, некоторые могут содержать слишком много математики, некоторые могут быть слишком дорогими, но каждый из них гарантированно научит вас всему, что вам нужно для успеха в области ИИ.

И, честно говоря, не имеет значения, какой из них вы выберете. Все они на высшем уровне. Важно выбрать один и просто начать учиться.

Чтобы получить больше образовательных материалов и ресурсов по машинному обучению и искусственному интеллекту, не уходите, не заглянув в наш блог theaisummer.com

Первоначально опубликовано на https://theaisummer.com 10 февраля 2020 г.