不管你从事什么行业，有怎样的专业知识或工作，人工智能( AI )、自动化和认知系统的理论和应用，都可能在你的领域变得越来越有价值。
幸运的是，现在你不必花很多时间去大学学习，就能熟悉这项看似极其复杂的技术。近年来网上涌现出越来越多的课程，涵盖从基础理论到应用落地的所有内容。
有的人想直接编码自己的人工神经网络，并培养一定水平的技术能力；有的人想了解AI如何被没有基础的小白使用解决现实问题。在这篇文章中，我将介绍一些目前学习AI/ML最好的免费资源。
谷歌： AI课
这一近期推出的资源是谷歌推动公众理解AI的计划之一。课程的教学材料正在慢慢添加，但目前已有一个机器学习与TensorFlow的速成课程。
本课程涵盖了机器学习的基础知识，从TensorFlow入门，到神经网络的设计和训练。机器学习初学者可以快速上手，有一定经验的人可以挑选自己感兴趣的板块，而机器学习专家可以把这门课程当作TensorFlow的介绍。
链接：
https://ai.google/education/
谷歌：机器学习课
这是谷歌通过Udacity提供的更深入的课程。因此，它不适合初学者，而是适合一些有机器学习经验的人，至少要熟悉有监督学习。
这门课程侧重于深度学习，并教你设计可以从大型复杂数据集中进行学习的自学习系统。
本课程面向那些希望将机器学习、神经网络融入工作的数据分析师、数据科学家或机器学习工程师，也适用于想要获取大量可用开源库和资料的人。
链接：
https://cn.udacity.com/course/deep-learning--ud730?utm_medium=referral&utm_campaign=api
斯坦福大学：机器学习课
本课程通过Coursera提供，由吴恩达教授。
整个课程可以免费学习，不过，认证需要付费。如果你打算学完增加自己的就业机会，认证肯定是有用的。
本课程涵盖了从语音识别到增强web搜索，各种实际的机器学习方法的实现，同时还深入探讨了统计方面的内容，如线性回归、神经网络“学习”中的反向传播方法，以及Matlab(基于概率的AI工具最广泛使用的编程语言之一)教程。
链接：
https://www.coursera.org/learn/machine-learning
哥伦比亚大学：机器学习课程
本课程也是免费在线学习，认证需付费。
课程使用概率和非概率方法，以及有监督和无监督学习，来教授解决现实世界问题的模型、方法和应用。
想充分利用这门课程，你大概每周要花8到10个小时看资料，做练习题，并坚持超过12周。这是常春藤盟校级别的免费教育，所以你不要指望它是一场轻松的旅行。
该课程通过非营利网站edX提供，是其人工智能纳米学位的一部分。
链接：
https://www.edx.org/course/machine-learning-columbiax-csmm-102x-3?source
英伟达：计算机视觉中的深度学习基础
计算机视觉是人工智能的一个分支学科，它可以模拟大脑处理视觉信息的方式。
除了技术基础之外，本课程还包括如何应对机器目标识别和图像分类中的情况或问题。
不出所料，作为GPU 制造商，英伟达的课程涵盖了高性能图形引擎的关键技术，这些引擎在计算机视觉的应用中发挥了重要作用。
课程评估方式包括构建和部署一个神经网络应用程序，虽然整个课程可以按照自己的进度学习，但建议你花大约8个小时阅读材料。
链接：
https://courses.nvidia.com/courses/course-v1:DLI+C-FX-01+V2/about
MIT：自动驾驶汽车中的深度学习
与其他课程一样，MIT也使用人工智能的一项现实应用，探索所涉及的具体技术。
人们普遍看好自动驾驶汽车会在我们的日常生活中普及。这种汽车依靠人工智能来理解汽车传感器收集的所有数据，并安全地在道路上行驶。机器要会解释传感器收集的数据，就像人脑可以解释来自视觉、听觉和触觉的信号一样。
课程还包括MIT DeepTraffic模拟器的使用，该模拟器要求学生在不与其他“司机”碰撞的情况下，教模拟车在路况复杂的环境中尽可能快地行驶。
这是去年在MIT开设的课程，所有材料(包括讲座视频和练习题)都可以在网上获得，但你得不到认证。
链接：
https://selfdrivingcars.mit.edu/
作者简介：
Bernard Marr是是一位畅销书作家，也是商业、技术和大数据方面的演说人。
原文链接：
https://www.forbes.com/sites/bernardmarr/2018/04/16/the-6-best-free-online-artificial-intelligence-courses-for-2018/4/#669150a04b56
来源：福布斯
作者：Bernard Marr
智能观 编译
—完—
想知道AI加教育领域有哪些最新研究成果？
想要AI领域更多的干货？
想了解更多专家的“智能观”？
请在对话界面点击“找找看”，去获取你想要的内容吧。
声明：
编译文章旨在帮助读者了解行业新思想、新观点及新动态，为原作者观点，不代表智能观观点。
网友评论