1
在當下的機器學習熱潮，人才匱乏十分顯著。截至目前，國內開設人工智能（AI）專業的高校不多，相當多的開發者是跨界入門，需要自學大量知識并摸索。因而優質的學習資源至關重要。因此，雷鋒網搜集了全世界范圍內最受歡迎的機器學習課程，整理成這份“機器學習十大入門公開課”盤點，集中呈現給各位。這份推薦榜頗費心血，綜合考慮了難易、側重點、時效性等諸多因素，希望能幫助大家找到最適合自己的學習資源。
這些課程全部免費開放，但有些需翻墻，有的缺少中文字幕。
課程名稱：機器學習 Machine Learning
主講人：吳恩達 Andrew Ng
授課機構：斯坦福大學
發布平臺：Coursera
語言：英語，漢語字幕
網址：https://www.coursera.org/learn/machine-learning
無論國內國外，這是最火的機器學習入門課程，沒有之一。無數新手都是通過這門課對機器學習初窺門徑。吳恩達老師用極其清楚直白的語言，對機器學習的幾種主要算法做了初步介紹。
這門課最大的特點，是它側重于概念理解而不是數學。數學推導過程基本被略過，重點放在讓初學者理解這背后的思路。另外，它還十分重視聯系實際和經驗總結：1. 課程中吳恩達老師列舉了許多算法實際應用的例子 2. 他提到當年他們入門 AI 時面臨的許多問題，以及處理這些難題的經驗。
課程中代碼教程使用的是 Octave/MATLAB，因此不需要會 Python、C 語言，適合沒有編程基礎的新手。
總結起來，這門課對數學、統計、IT 基礎薄弱的童鞋十分友好。其實很多機器學習入門課，都是假定學生已修完這一門，于是重點對其進行補充——講解這門課程中吳恩達老師未涉及、或是涉及不深的話題。因此，對于機器學習 “一張白紙”的童鞋，雷鋒網強烈推薦從這門課起步，然后選擇其他入門課程進階，以在腦海中建立起更全面的知識體系。另外，Coursera 上這門課的論壇十分活躍，不管拋出什么問題都會有人解答，算是一個額外的好處。
彩蛋：網易公開課上有吳恩達老師在斯坦福授課的實錄視頻。內容比較深入，但時間比較久了，可作為進階姊妹篇。地址：http://open.163.com/special/opencourse/machinelearning.html
課程名稱：Learning from Data，網易公開課譯名為“加州理工學院公開課：機器學習與數據挖掘”
主講人：Yaser Abu-Mostafa
授課機構：加州理工學院
發布平臺：edX（原版），網易公開課
語言：英語，網易有漢語字幕
網址： https://www.edx.org/course/caltechx/caltechx-cs1156x-learning-data-2516，edX；
http://open.163.com/special/opencourse/learningfromdata.html，網易。
這同樣是一門機器學習的入門課，但并不簡單。該課程強調數據，是因為機器學習與各領域的大數據處理應用（比如金融、醫療）聯系十分緊密。這門課內容涵蓋基礎理論、算法和應用，平衡了理論與實踐，既覆蓋數學統計，也包含啟發式的概念理解。
課程結構是這樣的：
什么是學習？
機器能學習嗎？
怎么做到？
怎么做好？
經驗教訓。
不少人評論該課程結構就像講故事，它有助于學習者形成對機器學習概念和模型深度、直覺性的理解。學習者公認它內容非常充實，但對作業模塊的爭議很大：有人認為難度偏高并且缺乏反饋，有人認為它是網上能找到的、最好的機器學習練習。
彩蛋：Yaser Abu-Mostafa 出版了同名著作 《Learning From Data》，可作為該課程的教材和補充。
課程名稱：機器學習 Machine Learning
主講人：Tom Mitchell
授課機構：卡內基梅隆大學（CMU）
發布平臺：CMU 官網
語言：英語
網址：http://www.cs.cmu.edu/~tom/10701_sp11/
這門課是學界人士的最愛，是入門課程之中較全面、高階的一門。課時為 15 周，遠超大多數機器學習慕課。其覆蓋的話題非常廣，按先后次序包括：代數和概率論，機器學習的基礎工具，概率圖模型，AI，神經網絡，主動學習，增強學習。課程內容和練習十分簡潔明白，概念解釋清楚到位。
Tom Mitchell 是 AI 領域德高望重的老牌宗師，他的《Machine Learning》 （中文版為《計算機科學叢書:機器學習》），是最經典的機器學習教科書之一。但因為時間久遠，涉及的一些概念與今天的開發者并沒有太大關聯，更適合需要了解人工智能來龍去脈的大學師生。這門課程與之類似，能幫助學習者理清機器學習的發展脈絡。它適合計劃進行系統性學習、投入大量時間的人。
對于初學者，建議至少聽完吳恩達的機器學習課程之后，再修這一門。
課程名稱：機器學習基石
主講人：林軒田
授課機構：臺灣大學
發布平臺：Coursera
語言：漢語
這是為漢語學子量身定做的入門課，相當于臺灣大學機器學習課程前半學期的課，教給大家的是機器學習最核心的知識。林老師是教科書《Learning From Data》 的作者之一，是華人機器學習領域年輕有為的青年學者。這門課程十分用心細致，內容比吳恩達老師的入門課程稍稍充實一些。
林老師表示，針對頂級機器學習公開課全是英語授課的現狀，不少學生反映英語教學有不易吸收之處。因此，借推出這門課程，希望幫助漢語為母語的學生減少入門難度。
針對如何讓學生接受枯燥的算法，林老師說道：
“我們的課程設計中，大家會看到我們把對算法與數學式的推導，以‘解決問題’的過程方式呈現。也就是說，我們對算法的介紹是環繞著‘為什么’出發的，當同學們腦中有‘為什么’的時候，就有目標去理解這些算法與數學式的內容了。”
《Learning From Data》 也可作為這門課的教科書。學習 Yaser Abu-Mostafa 的課程有不解之處，可與這門課互相印證。
目前該課程已在 Coursera 下架，何時重開尚屬未知。好在網易公開課、Youtube 倒是有全套視頻，地址是：http://c.open.163.com/coursera/courseIntro.htm?cid=938 以及 https://www.youtube.com/playlist?list=PLXVfgk9fNX2I7tB6oIINGBmW50rrmFTqf。更多課程資料可從臺大官網找到（網頁為英語）http://www.csie.ntu.edu.tw/~htlin/mooc/。
彩蛋：臺大 2015 年機器學習課程的大綱以及學習資料（PPT）：https://www.csie.ntu.edu.tw/~htlin/course/ml15fall/，可作為補充。順便提一句，林老師把臺大后半學期的課程開成另一門 Coursera 課程“機器學習技巧”，作為進階。目前 Coursera 也已撤下。網易公開課地址為 http://c.open.163.com/coursera/courseIntro.htm?cid=1664。
課程名稱：人工智能入門 Intro to Artificial Intelligence
主講人：Peter Norvig，Sebastian Thrun
授課機構：谷歌
發布平臺：優達學城 Udacity
語言：英語，漢語字幕
網址：https://cn.udacity.com/course/intro-to-artificial-intelligence--cs271
該課程久享盛名，是 AI 入門最好的公開課之一（雷鋒網注：有人認為可以去掉“之一”）。
嚴格來說，它并不是一門機器學習課程。但其中有一周的主題是機器學習，它還介紹了另外幾個 AI 主要領域：概率推理、信息檢索、機器人學、自然語言處理等。鑒于學習機器學習的童鞋，幾乎都會對 AI 這個大學科有興趣——這門課程便是探索機器學習周邊與交叉領域的絕好機會。
兩位主講者，Peter Norvig 和 Sebastian Thrun，一個是谷歌研究總監，一個是斯坦福著名機器學習教授，均是與吳恩達、Yann Lecun 同級別的頂級 AI 專家。
需要強調的是，該課程傾向于介紹 AI 的實際應用。課程練習廣受好評。
課程名稱：面向本科生的機器學習課 Machine Learning for Undergraduates
主講人： Nando de Freitas
授課機構：英屬哥倫比亞大學（UBC）
發布平臺：Youtube
語言：英語
網址：https://www.youtube.com/playlist?list=PLE6Wd9FR--Ecf_5nCbnSQMHqORpiChfJf
Nando de Freitas 是機器學習領域非常杰出的學者。他的這門課很適合作為吳恩達老師“機器學習”的進階課程，因為：1. “機器學習”省略掉的一些概念，可以在這門課中找到。2. “機器學習”課 不重視數學，而數學是這門課的重點內容。Nando de Freitas 對諸如概率論、log likelihood 等基礎數學原理做了很好的講解，并以此為基礎介紹更高級的數學、統計概念。
對于機器學習新手，完全略過數學細節是很危險的，這門課會幫助你打下基礎。
但是，它錄制于 2012 年，時間也比較久了。因此，雷鋒網特意奉上彩蛋一枚。
彩蛋：Nando de Freitas 2013 年轉入牛津大學任教。這是他 2014-2015 學年在牛津的全套深度學習課程，包括視頻、PPT 以及練習：https://www.cs.ox.ac.uk/people/nando.defreitas/machinelearning/ （視頻保存在 Youtube，需翻墻）。
課程名稱：深度學習 Deep Learning
主講人：Yann Lecun
授課機構：法蘭西學院
發布平臺：法蘭西學院官網
語言：法語，英語字幕
網址：https://www.college-de-france.fr/site/en-yann-lecun/course-2016-04-15-11h00.htm
Yann Lecun 在 2016 年初于法蘭西學院開課，這是其中關于深度學習的 8 堂課。當時是用法語授課，后來加入了英文字幕。
作為人工智能領域大牛和 Facebook AI 實驗室（FAIR）的負責人，Yann Lecun 身處業內機器學習研究的最前沿。他曾經公開表示，現有的一些機器學習公開課內容已經有些過時。通過 Yann Lecun 的課程能了解到近幾年深度學習研究的最新進展。該系列可作為探索深度學習的進階課程。
課程名稱：神經網絡用于機器學習 Neural Networks For Machine Learning；網易譯名“神經網絡的機器學習”
主講人：Geoffrey Hinton
授課機構：多倫多大學
發布平臺：Coursera、網易公開課
語言：英語，漢語字幕
網址：https://www.coursera.org/learn/neural-networks，Coursera；
http://c.open.163.com/coursera/courseIntro.htm?cid=77，網易
深度學習必修課程，講師為該領域的一代宗師 Geoffrey Hinton。
這門課程聚焦于神經網絡和深度學習，是深入了解該領域最好的課程之一（雷鋒網注：很多人認為可以去掉“之一”）。
課程官方介紹：
“（你會在這門課）學習人工神經網絡以及它們如何應用于機器學習，比方說語音、物體識別，圖像分割（image segmentation），建模語言、人體運動等等。我們同時強調基礎算法，以及對它們成功應用所需的實用技巧 。”
這門課錄制于 2013-2013，時效性上不如 Yann Lecun 的法蘭西學院公開課，建議兩者結合。另外，它要求微積分、Python 基礎，涉及許多專有名詞，對初學者難度較大，需自己查找相關資料。
課程名稱：機器學習 Machine Learning
主講人：John W. Paisley
授課機構：哥倫比亞大學
發布平臺：edX
語言：英語
網址：https://www.edx.org/course/machine-learning-columbiax-csmm-102x
在這份大牛云集的榜單中，該課程的主講者——哥倫比亞大學副教授 John Paisley，只是一名相對普通的青年學者。但是，這門課程將于兩天后，也就是 2017 年 1 月 16 日首次開課。這使它成為時下最新的機器學習入門課程。要知道，近一兩年來人工智能和機器學習的發展完全可以用“日新月異”來形容——涌現的新方法、新理論，即便是一流專家也有目不暇接之感。換句換說，三、四年前的課程，可能現在有許多內容已經過時了。
這是 Yann LeCun 提醒大家注意學習資源時效性的原因所在。
可惜許多一流的機器學習公開課，距離錄制都有些久了。我們知道一堂公開課背后所耗費的巨大人力。因此，對于部分課程在近兩三年并沒有更新的事實，倒也不能去怪主講者和平臺。但這使得比較新、時效性較強的課程格外可貴。
這門課中，學習者會了解到機器學習的算法、模型和方法，以及它們在現實生活中的應用。
由于是首次開課，尚沒有對該課程的反饋。但鑒于哥倫比亞大學的研究、教學實力，課程品質應當值得期待。
課程名稱：機器學習 Machine Learning
主講人：Tommi Jaakkola
授課機構：麻省理工學院（MIT）
發布平臺：MIT Opencourseware
語言：英語
網址：https://ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-867-machine-learning-fall-2006/index.htm
這是一門研究生水平的機器學習課程，難度較高。可惜的是，MIT 并沒有提供課程視頻，而是以參考書目和課堂筆記的形式，讓我們得以一窺該課程的內容。小編認為，這些學習資源的價值仍舊不可估量。因為如此，相比常規公開課，它不會耗費過多時間，非常適合有一定基礎的學習者印證自己所學。
這就是雷鋒網為您盤點的十大最有價值的機器學習入門公開課。這些課程有淺有深，分別對機器學習不同領域、方面有所側重。各位童鞋可根據自己所需，自行選擇最適合自己的課程。不過，小編必須提醒各位，所有盤點都不可避免得摻雜了主觀因素。雖然雷鋒網已盡力按照課程質量與業內人士的評價來制定該推薦榜，但自知無法做到十足的公正客觀。比方說，該榜單傾向于機器學習的“入門”，而非開發者進階；傾向于概念、算法學習，而非實戰技巧（比如 Python 教程）；傾向于把全世界范圍內最好的課程推薦給諸君，而對英語基礎較差的學習者照顧不足。榜單之外尚有許多有價值、適應不同層次人士需求的公開課。因此，雷鋒網特意列舉了幾個比較好的系統性機器學習課程以及學習平臺，彌補該榜單不足，以供參考。
友情提醒，以下包含收費課程。
優達學城（Udacity）提供的的 “機器學習工程師”納米學位，中文字幕，谷歌、滴滴參與授課，收費。
https://cn.udacity.com/course/machine-learning-engineer-nanodegree--nd009
華盛頓大學的“機器學習專業”系列課程，Coursera 平臺，收費，共六門課。
https://www.coursera.org/specializations/machine-learning
約翰·霍普金斯大學的“數據科學專業”系列課程，Coursera 平臺，收費，共十門課。
密歇根大學的“Python 的應用數據科學專業”系列課程，Coursera 平臺，收費，共五門課。適合需要學習 Python 實戰技巧的機器學習開發者。
https://www.coursera.org/specializations/data-science-python
國外的 Coursera、edX、優達學城（Udacity）、Udemy；國內的網易公開課、七月在線都集中了相對優質的學習資源。當然，英語不錯的童鞋推薦國外學習網站，尤其它們的問答論壇非常有幫助。
對于英語基礎不是那么好的童鞋，Coursera 和優達學城很重視中國市場，它們的大部分機器學習資源都添加了漢語字幕。對于 edX 和可汗學院的部分課程，網易公開課有字幕翻譯。
對于需要在數學、統計方面補課的童鞋，除了以上幾個平臺之外，強烈推薦可汗學院 Khan Academy， 它的數學課非常有名，連比爾·蓋茨都推薦給他子女，很適合從零起步打基礎。
另外，雷鋒網旗下 “AI 科技評論”會定期舉辦“硬創公開課”，邀請業內專家對機器學習熱點問題進行深度討論，并問答 AI 科技評論讀者的問題 。上期，我們就請來新加坡國立大學的馮佳時教授剖析了 GANs （生成對抗網絡）。更多信息請關注 AI 科技評論微信公眾號。
相關文章：
Python、R、Java、 C++ 等：從業界反饋看機器學習語言趨勢
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
