【機器學(xué)習(xí)】重磅發(fā)布！吳恩達 AI 完整課程資源超級大匯總！
吳恩達（Andrew Ng），毫無疑問，是全球人工智能（AI）領(lǐng)域的大 IP！隨著近些年來 AI 越來越火的大趨勢下，吳恩達一直致力于普及、宣傳、推廣 AI 教育，包括最前沿、最火爆的 AI 基礎(chǔ)課程、深度學(xué)習(xí)課程等等。惠及全球超過 500w 的人工智能愛好者。
“AI 如何更好地入門與進階？”，“有沒有一套起點不是很高的 AI 學(xué)習(xí)路徑？”，“這么多優(yōu)秀公開課，究竟哪一個更適合我？”等，這些往往是初學(xué)者們最為關(guān)心的幾個問題。毫無疑問，吳恩達的 AI 課程在國內(nèi)外都是入門的首選課程，而且有非常完整的學(xué)習(xí)路線，無數(shù)新手都從這門課中收獲滿滿。
然而，吳恩達從最早的 CS229，到后來的 deeplearning.ai 深度學(xué)習(xí)專項課程，還有其它 AI 資源，大神發(fā)布的 AI 知名課程和資料非常多。對大部分學(xué)習(xí)者來說，肯定搜集得不完全而且非常耗時間。這確實是意見麻煩事！
沒關(guān)系！我們對吳恩達所有的關(guān)于 ML、DL 等課程、資源等做了詳細的搜集和整理并匯總到這篇文章里。幫助大家整理出一份超贊的吳恩達 AI 學(xué)習(xí)路線了！
下面將按照推薦的從簡單到困難的學(xué)習(xí)路線來梳理吳恩達完整的 AI 課程、資源。趕緊一起來看看吧！
首先，我們整理了吳恩達完整 AI 資源的思維導(dǎo)圖：
重磅！本文梳理的完整學(xué)習(xí)路線中，我們對吳恩達所有資源進行了匯總并整理打包！獲取地址請見文末！
Coursera 《Machine Learning》
推薦指數(shù)：★★★★★
課程主頁：
https://www.coursera.org/learn/machine-learning/
課程特色：
這門課基本涵蓋了機器學(xué)習(xí)的主要知識點：線性回歸、邏輯回歸、支持向量機、神經(jīng)網(wǎng)絡(luò)、K-Means、異常檢測等。課程中沒有復(fù)雜的公式推導(dǎo)和理論分析，讓機器學(xué)習(xí)初學(xué)者能夠快速對整個機器學(xué)習(xí)知識點有比較整體的認識，便于快速入門。
完整中文筆記（pdf、word、markdown版本）、中英文字幕離線視頻、復(fù)現(xiàn)的python作業(yè)：
https://github.com/fengdu78/Coursera-ML-AndrewNg-Notes
在線筆記：
http://www.ai-start.com/ml2014/
課后作業(yè)（Python 版本）：
https://github.com/nsoojin/coursera-ml-py
課后作業(yè)（Jupyter 版本）：
https://github.com/kaleko/CourseraML
斯坦福 CS229
推薦指數(shù)：★★★★
課程主頁：
http://cs229.stanford.edu/
課程特色：
吳恩達在斯坦福教授的《機器學(xué)習(xí)》（CS 229）課程與 Coursera 上的《Machine Learning》類似，但比 Coursera 上的更全面和進階，對機器學(xué)習(xí)和統(tǒng)計模式識別進行了廣泛的介紹，非常適合在學(xué)完《Machine Learning》之后的提升。
在線筆記：
https://wei2624.github.io/machine%20learning/Machine-Learning-Notes/
配套資源（含 pdf）：
http://cs229.stanford.edu/summer2019/
精煉知識點速查表：
https://stanford.edu/~shervine/teaching/cs-229/
完整速查表 GitHub（9.9k star）：
https://github.com/afshinea/stanford-cs-229-machine-learning
CS229 線性代數(shù)和概率論的翻譯：
https://github.com/fengdu78/Data-Science-Notes/tree/master/0.math/1.CS229
deeplearning.ai《深度學(xué)習(xí)專項課程》
推薦指數(shù)：★★★★★
課程主頁：
https://www.deeplearning.ai/deep-learning-specialization/
https://www.coursera.org/specializations/deep-learning
課程特色：
吳恩達在 Coursera 上開設(shè)了由 5 門課組成的深度學(xué)習(xí)專項課程，掀起了一股人工智能深度學(xué)習(xí)熱潮。該專項課程可以說是深度學(xué)習(xí)入門的最佳課程之一！不僅知識體系完善，涵蓋神經(jīng)網(wǎng)絡(luò)基礎(chǔ)、淺層神經(jīng)網(wǎng)絡(luò)、深層神經(jīng)網(wǎng)絡(luò)、神經(jīng)網(wǎng)絡(luò)優(yōu)化、CNN、RNN 等知識；而且配備了相當專業(yè)的編程題。
漢化視頻：
https://study.163.com/provider/2001053000/course.htm
在線筆記：
http://www.ai-start.com/dl2017/
https://redstonewill.com/category/ai-notes/andrew-deeplearning-ai/
28 張精煉圖：
離線文件見文末！
完整資源：
https://github.com/fengdu78/deeplearning_ai_books
CS230
推薦指數(shù)：★★★
課程主頁：
http://cs230.stanford.edu/
課程特色：
CS230 是吳恩達在斯坦福大學(xué)又開設(shè)了高質(zhì)量的深度學(xué)習(xí)課程。在這門課中，你將學(xué)習(xí)深度學(xué)習(xí)的基礎(chǔ)，理解如何構(gòu)建神經(jīng)網(wǎng)絡(luò)，并且學(xué)習(xí)如何領(lǐng)導(dǎo)一個成功的機器學(xué)習(xí)項目。課程配備的代碼都可以使用 Python 和 TensorFlow 來實現(xiàn)。這門課采用翻轉(zhuǎn)課堂的教學(xué)形式，你可以在家觀看教學(xué)視頻，完成深度編程作業(yè)和在線測試，然后來到課程做進一步討論并完成最后的大項目。
油管視頻：
https://www.youtube.com/playlist?list=PLoROMvodv4rOABXSygHTsbvUz4G_YQhOb
B 站視頻：
https://www.bilibili.com/video/av47055599/
項目示例代碼：
https://github.com/cs230-stanford/cs230-code-examples
課程知識點歸納總結(jié)：
https://stanford.edu/~shervine/teaching/cs-230/
完整速查表 GitHub（4k star）：
https://github.com/afshinea/stanford-cs-230-deep-learning
TensorFlow in Practice
推薦指數(shù)：★★★★
課程主頁：
https://www.deeplearning.ai/tensorflow-in-practice/
https://www.coursera.org/specializations/tensorflow-in-practice
課程特色：
吳恩達在 Coursera 上線了新的《TensorFlow in Practice》專項課程。顯然，這門專項課程更加注重實踐，而且使用現(xiàn)在最火熱的深度學(xué)習(xí)框架 TensorFlow。該專項課程總共包含四門課：
(1). 《TensoFlow 和機器學(xué)習(xí)、深度學(xué)習(xí)的介紹》
https://www.coursera.org/learn/introduction-tensorflow
(2). 《TenSorFlow 中的卷積神經(jīng)網(wǎng)絡(luò)》
https://www.coursera.org/learn/convolutional-neural-networks-tensorflow
(3). 《TenSorFlow 中的自然語言處理》
https://www.coursera.org/learn/natural-language-processing-tensorflow
(4). 《序列、時間序列和預(yù)測》
https://www.coursera.org/learn/tensorflow-sequences-time-series-and-prediction
TensorFlow: Data and Deployment
推薦指數(shù)：★★★★
課程主頁：
https://www.deeplearning.ai/tensorflow-data-and-deployment/
https://www.coursera.org/specializations/tensorflow-data-and-deployment
課程特色：
吳恩達在 Coursera 又有 TensorFlow 專項課程了，這回的主要內(nèi)容放在了 TensorFlow.js、TensorFlow Lite 等 web 或移動端的使用。主要介紹使用 Tensorflow.js、TensorFlow Lite、TensorFlow Hub 等工具進行數(shù)據(jù)分析的方法。
該專項課程總共包含四門課：
(1). 《Browser-based Models with TensorFlow.js》
https://www.coursera.org/learn/browser-based-models-tensorflow
(2). 《Device-based Models with TensorFlow Lite》
https://www.coursera.org/learn/device-based-models-tensorflow
(3). 《Data Pipelines with TensorFlow Data Services》
https://www.coursera.org/learn/data-pipelines-tensorflow
(4). 《Advanced Deployment Scenarios with TensorFlow》
https://www.coursera.org/learn/advanced-deployment-scenarios-tensorflow
AI For Everyone
推薦指數(shù)：★★★★
課程主頁：
https://www.deeplearning.ai/ai-for-everyone/
https://www.coursera.org/learn/ai-for-everyone
課程特色：
《AI For Everyone》，這是一門非技術(shù)課程，更主要的是教大家如何將 AI 業(yè)務(wù)布局到公司，以及談?wù)?AI 對社會的影響。你可以從這門課程中學(xué)到：
常見人工智能術(shù)語的含義，包括神經(jīng)網(wǎng)絡(luò)、機器學(xué)習(xí)、深度學(xué)習(xí)和數(shù)據(jù)科學(xué)。
人工智能做什么，不能做什么
如何在工作中尋找布局 AI 的機會
如何與 AI 團隊合作并建立公司AI戰(zhàn)略
怎么看待 AI 道德倫理
《Machine Learning Yearning》
推薦指數(shù)：★★★★★
書籍介紹：
歷時半年的大作《Machine Learning Yearning》英文版和中文版《機器學(xué)習(xí)訓(xùn)練秘籍》已重磅問世了！這本書《Machine Learning Yearning》能夠從以下幾個方面給你帶來收獲：
優(yōu)先考慮AI項目最有前途的方向。
調(diào)試機器學(xué)習(xí)項目中的錯誤。
在復(fù)雜設(shè)置中構(gòu)建ML，例如訓(xùn)練/測試樣本不匹配。
構(gòu)建一個ML項目，接近甚至達到人類水平。
知道什么時候、如何使用端對端學(xué)習(xí)、遷移學(xué)習(xí)和多任務(wù)學(xué)習(xí)。
該書中文版 GItHub 地址：
https://github.com/deeplearning-ai/machine-learning-yearning-cn
在線閱讀：
https://deeplearning-ai.github.io/machine-learning-yearning-cn/docs/home/
中文版：
https://github.com/deeplearning-ai/machine-learning-yearning-cn/releases/download/v0.5.0/MLY-zh-cn.pdf
其它
吳恩達：關(guān)于機器學(xué)習(xí)職業(yè)生涯以及閱讀論文的一些建議
吳恩達點贊：22 頁《AI 職業(yè)發(fā)展之路》
吳恩達推薦了一份精簡版的《AI Career Pathways: Put Yourself on the Right Track》，只有 22 頁。可謂短小精悍，旨在幫助你走上正規(guī)的 AI 職業(yè)發(fā)展道路。
在線獲取地址：
https://workera.ai/candidates/report/
資源獲取
本文搜集了吳恩達全網(wǎng)非常詳盡的學(xué)習(xí)資源和優(yōu)質(zhì)課程。建議讀者按照本文順序依次學(xué)習(xí)。如果你是一位 AI 愛好者，那么重點向你推薦 Coursera《Machine Learning》和deeplearning.ai 深度學(xué)習(xí)專項課程。
本文和上面思維導(dǎo)圖整理的所有吳恩達 AI 資源，我們已經(jīng)打包整理完畢！需要的讀者請在本公眾號“字節(jié)AI”后臺回復(fù)“Wu”，獲取！
希望本文能對你有所幫助，如果覺得這篇文章有用的話，歡迎收藏和轉(zhuǎn)發(fā)~
（完）