Ikuti Pembelajaran Dalam dengan 15 kursus dalam talian percuma

Setiap hari membawa tajuk utama bagaimana pembelajaran mendalam mengubah dunia di sekitar kita. Beberapa contoh:

  • Algoritma pembelajaran mendalam mendiagnosis barah kulit dan juga pakar dermatologi berpengalaman
  • Amazon Go: Bagaimana Pembelajaran Dalam dan AI akan mengubah Peruncitan
  • Pembelajaran yang mendalam menjadikan kereta tanpa pemandu lebih baik di tempat pejalan kaki

Ingin melihat apa yang merisaukan? Ingin menguasai kandungan teknikal untuk memajukan kerjaya atau memulakan syarikat anda sendiri? Saya meneroka projek sumber terbuka Class Central dan menjumpai 31 kursus dalam talian (15 daripadanya benar-benar percuma) yang merangkumi semua perkara dari asas pembelajaran mendalam hingga penyelidikan terkini.

Sebelum kita memulakan, anda mungkin bertanya pada diri sendiri: "Apa sebenarnya pembelajaran mendalam?" Berikut adalah penerangan ringkas:

"Pembelajaran mendalam adalah subbidang pembelajaran mesin yang berkaitan dengan algoritma yang diilhami oleh struktur dan fungsi otak yang disebut jaringan saraf tiruan." - Jason Brownlee dari Machine Learning Mastery

Tanpa basa-basi lagi ...

Kursus Pembelajaran Dalam Dalam Talian

Aplikasi Kreatif Pembelajaran Dalam dengan TensorFlow

melalui Kadenze

★★★★★ (14 penilaian)

Kami merangkumi komponen asas pembelajaran mendalam, maksudnya, cara kerjanya, dan mengembangkan kod yang diperlukan untuk membina pelbagai algoritma seperti rangkaian konvolusional mendalam, autoencoder variasi, rangkaian lawan generatif, dan rangkaian saraf berulang. Fokus utama kursus ini adalah untuk tidak hanya memahami bagaimana membina komponen yang diperlukan dari algoritma ini, tetapi juga bagaimana menerapkannya untuk meneroka aplikasi kreatif. Pilihan percuma dan berbayar ada.

Ulasan yang menonjol (oleh Christopher Kelly): “Saya mempunyai ijazah sarjana dalam sains komputer… Saya telah menghabiskan banyak waktu di Khan Academy dan Coursera dan saya terpesona dengan kualiti dan profesionalisme kandungan kursus ini. Amat disyorkan!"

Rangkaian Neural untuk Pembelajaran Mesin

University of Toronto melalui Coursera

★★★★★ (18 penilaian)

Ketahui mengenai rangkaian saraf buatan dan bagaimana ia digunakan untuk pembelajaran mesin, seperti yang berlaku untuk pengecaman pertuturan dan objek, segmentasi gambar, bahasa pemodelan dan gerakan manusia, dll. Kami akan menekankan kedua-dua algoritma asas dan trik praktikal yang diperlukan untuk mendapatkan mereka berfungsi dengan baik. Pilihan percuma dan berbayar ada.

Ulasan yang menonjol (oleh Bobby Brady): “ Ini adalah salah satu peluang dalam kursus seumur hidup yang harus Anda pelajari dari yang terbaik. Geoffrey Hinton adalah salah satu penyelidik yang paling penting dan berpengaruh untuk mengusahakan kecerdasan buatan dan jaring saraf pada tahun 80-an. Pada masa ini dia bekerja dengan Google dalam inisiatif pembelajaran AI / mendalam mereka. "

Pembelajaran Dalam Praktikal Untuk Pengekod, Bahagian 1

pantas.ai

★★★★ ☆ (3 penilaian)

Kursus 7 minggu ini dirancang untuk sesiapa sahaja yang mempunyai pengalaman pengekodan sekurang-kurangnya satu tahun, dan sedikit memori matematik sekolah menengah. Anda akan mulakan dengan langkah pertama - belajar bagaimana mendapatkan pelayan GPU dalam talian yang sesuai untuk pembelajaran mendalam - dan terus maju untuk mewujudkan canggih, sangat praktikal, model untuk penglihatan komputer, pemprosesan bahasa semula jadi, dan sistem cadangan. Percuma.

Ulasan yang menonjol (oleh Anonymous): “Ini benar-benar permata tersembunyi di ladang yang berkembang pesat. Jeremy Howard melakukan tugas yang sangat baik untuk kedua-duanya melalui asas-asas dan menyampaikan hasil canggih. Saya terkejut berkali-kali ketika dia bukan sahaja mempersembahkan materi yang dikembangkan pada tahun lalu, tetapi bahkan dalam seminggu kursus itu berjalan… Anda berlatih menggunakan data kehidupan sebenar melalui pertandingan Kaggle. Saya sangat mengesyorkan kursus ini kepada sesiapa yang ingin pergi dari pengalaman dunia nyata sifar untuk bersaing dengan pakar di bidang ini. "

6.S191: Pengenalan Pembelajaran Dalam

Institut Teknologi Massachusetts (MIT)

★★★★ ☆ (1 penilaian)

Kaedah intro to deep learning selama seminggu dengan aplikasi untuk terjemahan mesin, pengecaman gambar, permainan, penjanaan gambar dan banyak lagi. Kursus kolaboratif yang menggabungkan makmal di TensorFlow dan percambahan idea bersama rakan kuliah. Percuma.

6.S094: Pembelajaran mendalam untuk memandu kenderaan sendiri

Institut Teknologi Massachusetts (MIT)

★★★★ ☆ (1 penilaian)

Kelas ini merupakan pengenalan kepada amalan pembelajaran mendalam melalui tema yang digunakan untuk membina sebuah kereta memandu sendiri. Ia terbuka untuk pemula dan direka untuk mereka yang baru dalam pembelajaran mesin, tetapi ia juga dapat memberi manfaat kepada penyelidik lanjutan di lapangan untuk mencari gambaran praktikal mengenai kaedah pembelajaran mendalam dan aplikasinya. Percuma.

Pembelajaran yang mendalam

Google melalui Udacity

★★ ☆☆☆ (20 penilaian)

Dalam kursus ini, anda akan mengembangkan pemahaman yang jelas tentang motivasi untuk pembelajaran mendalam, dan merancang sistem pintar yang belajar dari kumpulan data yang kompleks dan / atau berskala besar. Anda akan belajar menyelesaikan masalah baru yang pernah dianggap mencabar, dan lebih menghargai sifat kecerdasan manusia yang kompleks ketika anda menyelesaikan masalah yang sama dengan mudah menggunakan kaedah pembelajaran mendalam. Percuma.

Pembelajaran mendalam untuk pemprosesan bahasa semula jadi

Universiti Oxford

Ini adalah kursus terapan yang memfokuskan pada kemajuan terkini dalam menganalisis dan menghasilkan ucapan dan teks menggunakan rangkaian saraf berulang. Definisi matematik model pembelajaran mesin yang relevan diperkenalkan dan algoritma pengoptimuman yang berkaitan diperolehi.

Kursus ini adalah percuma yang diketuai oleh Phil Blunsom dan disampaikan dengan kerjasama Kumpulan Penyelidikan Bahasa Asli DeepMind.

CS224n: Pemprosesan Bahasa Semula Jadi dengan Pembelajaran Dalam

Universiti Stanford

Kursus ini memberikan pengenalan menyeluruh untuk penyelidikan canggih dalam pembelajaran mendalam yang diterapkan di NLP. Di sisi model, kita akan merangkumi representasi vektor kata, rangkaian neural berdasarkan tetingkap, rangkaian neural berulang, model memori jangka panjang, rangkaian neural rekursif, rangkaian saraf konvolusional dan juga beberapa model terbaru yang melibatkan komponen memori. Melalui kuliah ( nota: Video Musim Sejuk 2017 kini diposkan ) dan tugas pengaturcaraan pelajar akan mempelajari helah teknik yang diperlukan untuk membuat rangkaian saraf berfungsi pada masalah praktikal. Percuma.

CS231n: Rangkaian Neural Konvolusional untuk Pengiktirafan Visual

Universiti Stanford

Kursus ini adalah menyelami perincian seni bina pembelajaran mendalam dengan fokus pada pembelajaran model end-to-end untuk tugas-tugas ini, terutama klasifikasi gambar. Selama kursus selama 10 minggu, pelajar akan belajar untuk melaksanakan, melatih dan men-debug rangkaian saraf mereka sendiri dan memperoleh pemahaman terperinci mengenai penyelidikan canggih dalam penglihatan komputer. Tugasan terakhir akan melibatkan latihan rangkaian neural konvolusional parameter berjuta-juta dan menerapkannya pada set data klasifikasi gambar terbesar (ImageNet). Kami akan memfokuskan pada pengajaran bagaimana mengatur masalah pengecaman gambar, algoritma pembelajaran (misalnya backpropagation), teknik teknik praktikal untuk latihan dan memperbaik rangkaian dan membimbing pelajar melalui tugasan langsung dan projek kursus akhir. Percuma.

Pembelajaran Mesin

Nando de Freitas / Universiti British Columbia

Kursus ini memberi tumpuan kepada bidang pembelajaran mendalam yang menarik. Dengan menarik inspirasi dari ilmu saraf dan statistik, ia memperkenalkan latar belakang dasar pada jaringan saraf, penyebaran belakang, mesin Boltzmann, autoencoder, rangkaian saraf konvolusional dan rangkaian saraf berulang. Ini menggambarkan bagaimana pembelajaran mendalam mempengaruhi pemahaman kita tentang kecerdasan dan menyumbang kepada reka bentuk praktikal mesin pintar. Percuma.

Sekolah Musim Panas Belajar Dalam 2015 dan 2016

Pelbagai penganjur (termasuk Yoshua Bengio dan Yann LeCun) melalui Independent

Deep Learning Summer School ditujukan kepada pelajar siswazah dan jurutera industri dan penyelidik yang sudah mempunyai pengetahuan asas mengenai pembelajaran mesin (dan mungkin tetapi tidak semestinya pembelajaran mendalam) dan ingin mempelajari lebih lanjut mengenai bidang penyelidikan yang berkembang pesat ini.

Ia tidak diatur seperti kursus dalam talian tradisional, tetapi penganjurnya (termasuk pencahayaan pembelajaran mendalam seperti Bengio dan LeCun) dan pensyarah yang mereka minati menjadikan siri ini sebagai lombong emas untuk kandungan pembelajaran mendalam. Ia percuma.

Kursus Dalam Talian mengenai Rangkaian Neural

Hugo Larochelle / Université de Sherbrooke

"Selamat datang ke kursus dalam talian saya mengenai rangkaian saraf! Saya telah mengumpulkan kursus ini semasa mengajar versi kelasnya di Université de Sherbrooke. Ini adalah kursus peringkat siswazah, yang merangkumi rangkaian saraf asas serta topik yang lebih maju. " Percuma.

Belajar TensorFlow dan pembelajaran mendalam, tanpa Ph.D.

Google

Kursus tiga jam (video dan slaid) ini memberi pengembang pengenalan cepat kepada asas-asas pembelajaran mendalam, dengan beberapa TensorFlow dilemparkan ke tawar-menawar. Percuma.

Pembelajaran Dalam 101

Universiti Data Besar

Semakin jauh menyelam ke lautan, semakin banyak wilayah yang tidak dikenali. Pembelajaran mendalam, di permukaan mungkin kelihatan mempunyai persamaan. Kursus ini dirancang untuk membuat anda terpikat dengan jaring dan pengekod sepanjang masa agar sekolah sentiasa bersama. Percuma.

Pembelajaran mendalam dengan TensorFlow

Universiti Data Besar

Sebilangan besar data di dunia tidak berlabel dan tidak tersusun. Jaringan saraf cetek tidak dapat menangkap struktur yang relevan dengan mudah, misalnya, gambar, suara, dan data teks. Jaringan dalam mampu menemui struktur tersembunyi dalam jenis data ini. Dalam kursus TensorFlow ini, anda akan menggunakan perpustakaan Google untuk menerapkan pembelajaran mendalam ke pelbagai jenis data untuk menyelesaikan masalah dunia nyata. Percuma.

Pembelajaran mendalam di Python

DataCamp

Dalam kursus ini, anda akan memperoleh pengetahuan praktikal tentang cara menggunakan rangkaian saraf dan pembelajaran mendalam dengan Keras 2.0, versi terbaru perpustakaan canggih untuk pembelajaran mendalam di Python. Sebilangan percuma.

Kursus berikut, disusun mengikut penilaian, semuanya dihoskan di Udemy. Harga berbeza bergantung pada potongan Udemy, yang sering berlaku. Anda sering dapat membeli akses dengan harga hanya $ 10.

Harap maklum bahawa penawaran dari Lazy Programmer Inc. disertakan dengan pesanan yang disarankan mengikut garis panduan "Pemesanan Kursus Berguna" dalam keterangan kursus mereka.

Pembelajaran Dalam AZ ™: Rangkaian Neural Buatan Tangan

Kirill Eremenko dan Pasukan SuperDataScience melalui Udemy

4.7 bintang (388 penilaian)

Belajar membuat algoritma pembelajaran mendalam di Python dari dua pakar pembelajaran mesin dan sains data. Templat disertakan. Kursus ini diajar oleh pengajar yang sama yang mengajar cadangan utama saya untuk kursus pengenalan data sains.

Saya memberi peringkat setiap kursus Pengenalan kepada Sains Data di internet, berdasarkan ribuan titik data

medium.freecodecamp.com

Zero to Deep Learning ™: Menguasai Keras

Data Weekend, Jose Portilla, Francesco Mosconi

4.8 bintang (23 penilaian)

Fahami dan bina model Pembelajaran Dalam untuk gambar, teks, suara dan banyak lagi menggunakan Python dan Keras.

Prasyarat Pembelajaran Dalam: Tumpukan Numpy di Python

Lazy Programmer Inc. melalui Udemy

4.6 bintang (1.551 penilaian)

Tumpukan Numpy, Scipy, Pandas, dan Matplotlib: persediaan untuk pembelajaran mendalam, pembelajaran mesin, dan kecerdasan buatan. Percuma.

Sains Data: Pembelajaran Dalam di Python

Lazy Programmer Inc. melalui Udemy

4.6 bintang (1.381 penilaian)

Panduan untuk menulis rangkaian saraf anda sendiri di Python dan Numpy, dan cara melakukannya di TensorFlow Google.

Prasyarat Pembelajaran Dalam: Regresi Linear di Python

Lazy Programmer Inc. melalui Udemy

4.6 bintang (751 penilaian)

Pelajari regresi linear dari awal dan bina program kerja anda sendiri di Python untuk analisis data.

Prasyarat Pembelajaran Dalam: Regresi Logistik di Python

Lazy Programmer Inc. melalui Udemy

4.6 bintang (624 penilaian)

Teknik sains data untuk profesional dan pelajar - pelajari teori di sebalik regresi logistik dan kod di Python.

Pembelajaran Dalam: Rangkaian Neural Konvolusional di Python

Lazy Programmer Inc. melalui Udemy

4.6 bintang (304 penilaian)

Kursus ini adalah mengenai bagaimana menggunakan pembelajaran mendalam untuk penglihatan komputer menggunakan rangkaian saraf konvolusional. Ini adalah keadaan canggih dalam hal klasifikasi gambar dan mereka mengalahkan rangkaian dalam vanila pada tugas seperti MNIST.

Sains Data: Pembelajaran Dalam Praktikal di Theano + TensorFlow

Lazy Programmer Inc. melalui Udemy

4.6 bintang (293 penilaian)

Ikuti pembelajaran mendalam ke tahap seterusnya dengan momentum SGD, Nesterov, RMSprop, Theano, TensorFlow, dan gunakan GPU di AWS.

Pembelajaran Dalam: Rangkaian Neural Berulang di Python

Lazy Programmer Inc. melalui Udemy

4.6 bintang (248 penilaian)

GRU, LSTM, dan pembelajaran mendalam, pembelajaran mesin, dan sains data yang lebih moden untuk urutan.

Pemprosesan Bahasa Semula Jadi dengan Pembelajaran Dalam di Python

Lazy Programmer Inc. melalui Udemy

4.6 bintang (194 penilaian)

Panduan lengkap untuk memperoleh dan melaksanakan word2vec, GLoVe, embeddings word, dan analisis sentimen dengan jaring rekursif.

Pembelajaran Dalam yang tidak diawasi di Python

Lazy Programmer Inc. melalui Udemy

4.6 bintang (153 penilaian)

Autoencoder dan Mesin Boltzmann Terhad untuk Rangkaian Neural Dalam di Theano, dan t-SNE dan PCA.

Lancarkan Pembelajaran Dalam: Mulakan secara visual dengan Caffe dan DIGITS

Razvan Pistolea melalui Udemy

4.5 bintang (36 penilaian)

Pengenalan alat Pembelajaran Dalam menggunakan Caffe dan DIGITS di mana anda dapat membuat Model Pembelajaran Dalam anda sendiri.

Pembelajaran mendalam dengan TensorFlow

Penerbitan Packt melalui Udemy

3.9 bintang (96 penilaian)

Salurkan kehebatan pembelajaran mendalam dengan TensorFlow Google!

Pembelajaran mendalam dengan Python

Penerbitan Packt melalui Udemy

3.4 bintang (31 penilaian)

Selami masa depan sains data dan laksanakan sistem pintar menggunakan pembelajaran mendalam dengan Python.

Walaupun ini lebih merupakan program daripada kursus dalam talian yang unik, di bawah ini anda akan dapati Udacity Nanodegree yang menyasarkan asas pembelajaran mendalam .

Pada masa penerbitan, tempoh pendaftaran semasa ditutup, tetapi anda boleh mendaftar untuk menunggu senarai diberitahu ketika tempoh pendaftaran berikutnya bermula.

Nanodegree Yayasan Pembelajaran Dalam

Siraj Raval melalui Udacity

Kecerdasan Buatan mengubah dunia kita dengan cara yang dramatik dan bermanfaat, dan Pembelajaran Dalam memberi kemajuan. Bersama dengan Siraj Raval, Udacity memberikan pengenalan dinamik untuk bidang yang menakjubkan ini, menggunakan video mingguan, projek eksklusif, dan maklum balas dan tinjauan pakar untuk mengajar anda asas-asas teknologi membentuk masa depan ini.

Sekiranya anda suka membaca ini, periksa beberapa penerokaan lain dari kumpulan data Class Central:

  • Berikut adalah 250 kursus Ivy League yang boleh anda ikuti dalam talian sekarang secara percuma
  • Saya memberi peringkat setiap kursus Pengenalan kepada Sains Data di internet, berdasarkan ribuan titik data
  • Sekiranya anda ingin belajar Sains Data, mulakan dengan salah satu kelas pengaturcaraan ini
  • Sekiranya anda ingin belajar Sains Data, ikuti beberapa kelas statistik ini
  • Kursus universiti dalam talian percuma terbaik untuk belajar bahasa dunia baru
  • 50 kursus universiti dalam talian percuma terbaik mengikut data

Sekiranya anda mengetahui kursus yang mungkin saya ketinggalan, beritahu saya dalam jawapan!

Sekiranya anda menganggap ini berguna, klik? jadi lebih ramai orang akan melihatnya di sini di Medium.

Asalnya diterbitkan di Class Central.