AI免费公开课一网打尽！14个类别、230门课程，GitHub标星6k+(2)

Andrew Ng, Stanford University

△吴恩达在斯坦福大学主讲的Machine Learning课程

吴恩达主讲的机器学习课程，深入讲解了各种常用的统计机器学习模型，可谓经典中的经典。

Reinforcement Learning 强化学习

本类目主要介绍强化学习基础及进阶技术。大家熟知的阿法狗（AlphaGo）和各种游戏AI都是强化学习的产物。

课程推荐

1、Introduction to Reinforcement Learning

David Silver, DeepMind

△AlphaGo与李世石的人机大战

Deepmind公司可谓在强化学习领域苦心耕耘多年，AlphaGo、AlphaZero、德州扑克AI、星际争霸AI等都出自他们之手。快来看看Deepmind研究员David Silver如何阐释强化学习。

2、Deep Reinforcement Learning

Sergey Levine, UC Berkeley

3、CS234: Reinforcement Learning

Emma Brunskill, Stanford University

Bayesian Deep Learning 贝叶斯深度学习

主要讲授基于贝叶斯网络的深度学习方法。

课程推荐

Deep Learning and Bayesian Methods

Lots of Legends, HSE Moscow

Graph Neural Networks 图神经网络

近几年对于图神经网络的研究越来越多，图神经网络可以有效地处理想社交网络这样的图数据，是一个热门的研究方向。

此部分还包含了基于三维几何的深度学习内容，3D视觉同样是近几年开始被广泛研究的课题。

由于这些方向兴起时间不长，所以基本以workshop和讲座为主。

Probabilistic Graphical Models 概率图模型

概率图模型在研究中有着广泛的应用，如知名的隐马尔科夫模型（HMM）、条件随机场（CRF）等都属于概率图模型。同时概率图模型也是图神经网络的基础。

推荐课程

Probabilistic Graphical Models

Eric Xing, CMU

华人教授邢波主讲的课程，邢波教授本人专攻机器学习、计算生物学等方向。

Natural Language Processing 自然语言处理

本部分主要介绍计算语言学以及基于深度学习的自然语言处理（NLP）。

推荐课程

1、Neural Networks for Natural Language Processing

Graham Neubig, CMU

2、Natural Language Processing with Deep Learning

Abigail See, Chris Manning, Richard Socher, Stanford University

Automatic Speech Recognition 语音识别

主要讲授如何应用深度学习技术进行语音识别。

Modern Computer Vision 现代计算机视觉

所谓现代计算机视觉，其实包括了传统方法和基于深度学习的方法两部分。

这类课程中有对数字图像处理、计算机视觉领域传统方法的讲解，也有深度学习在摄影、视频处理、机器人等方面的研究。

推荐课程

1、Convolutional Neural Networks

Andrew Ng, Stanford University

2、CS205A: Mathematical Methods for Robotics, Vision and Graphics

Justin Solomon, Stanford University

Boot Camps or Summer Schools 夏令营与暑期学校

这部分主要是知名大学夏令营、暑期学校中的专题讲座，内容通常比较前沿，值得一看。

Medical Imaging 医学影像

主要讲授如何运用机器学习方法进行医学影像分析，主要是暑期学校课程。

Bird’s-eye view of Artificial Intelligence 人工智能概览

这部分主要是大牛的讲座和讲话，探讨了人工智能发展方向，以及人工智能与认知、情感、道德、伦理、社会等方面的关系，是人工智能在技术之上更高层次的探究，可以帮助你对人工智能有更深的理解。

最后，附上项目传送门：

https://github.com/kmario23/deep-learning-drizzle

（编辑：ASP站长网）