【IT168 资讯】自从今年早些时候离开百度AI事业部之后，吴恩达一直很忙。他创办了Deeplearning.ai，旨在继续提供深度学习方面的服务。近期，Deeplearning.ai与Coursera合作带来了一系列深度学习在线课程。因为该在线课程的开通，斯坦福大学教授承诺的的三个项目也总算完成了一个。

　　关于Deeplearning.ai，百度词条只有两句话：

　　作为人工智能和深度学习领域最权威的国际专家之一，吴恩达也算是在自己的老本行里打拼了。深度学习作为目前最受追捧的技能之一，其技术门槛之高让很多人有心无力。吴恩达公司和Coursera本次合作推出的课程可以帮助开发人员学习深度学习基础知识、如何构建神经网络以及如何成功运行机器学习项目。

　　该项目目前包含五大课程，主要是Python和TensorFlow，其中一部分将在课程中教授编码，包括卷积网络、RNN、LSTM、Adam、Dropout、BatchNorm、Xavier / He初始化等等，同时有实践的动手测验和应用，或许对就业有所帮助。

　　吴恩达表示，希望建立一个以人为本的社会，为每个人提供负担得起的医疗保障，为每一个孩子提供个性化教育，为所有人提供便宜的自驾车，为每个人提供有意义的工作，Deeplearning.ai旨在使未来变得更光明。

　　但是，虽然这个课程似乎很迷人，但并不是免费的，每个月要交49美元，而且普通人通常一个月是学不完的，何况第4课和第5课还在制作中。不过，笔者找到了一些同样很棒的免费课程。

　　机器学习

　　牛津大学自然语言处理项目——DEEPNLP

　　这是一个应用课程，侧重于使用循证神经网络分析生成语音和文本的最新进展，并介绍机器学习模型相关的数学定义，并得出相关的优化算法。该课程涵盖NLP神经网络的一系列应用，包括分析文本的潜在维度，将语音转录为文本，翻译语言和回答问题。本课程由Phil Blunsom主办，并与DeepMind自然语言研究小组合作交付。

　　(该课程开源地址：https://github.com/oxford-cs-deepnlp-2017/)

　　COMS 4771：哥伦比亚大学机器学习项目

　　由Tony Jebara教授开设的机器学习课程介绍了一系列相关算法和模型，包括最小二乘法、高斯分布、线性分类、线性回归、最大相似数、指数分布、贝叶斯网络、贝叶斯推理、混合模型、EM算法、图形模型、隐马尔可夫模型等。

　　(该课程地址：http://www.cs.columbia.edu/~jebara/4771/index.html)

　　CS20si斯坦福大学深度学习框架 Tensorflow研究

　　本课程将涵盖Tensorflow的基础知识和相关应用。该课程的目标是帮助学生了解Tensorflow并探索其提供的功能，并学习如何构建最适合深度学习项目的模型。通过课程，学生将使用Tensorflow构建不同复杂性的模型，从简单的线性/逻辑回归到卷积神经网络和具有LSTM的循证神经网络来解决诸如字嵌入、翻译、光学字符识别等任务。学生还将学习构建模型并研究非常好的实践。

　　(该项目地址：http://web.stanford.edu/class/cs20si/index.html)

　　CS 156 机器学习基础课程

　　这是机器学习(ML)的介绍性课程，涵盖了基本理论、算法和应用。ML是大数据中的关键技术，在金融、医疗、制造业等众多领域均有应用。它使计算系统通过观察积累数据来自适应提高其性能。ML已经成为今天最热门的研究领域之一，该课程由加州理工学院15个不同专业的本科和研究生负责。本课程既有理论也有实践，涵盖了数学和一些基础知识。

　　(该项目地址：https://work.caltech.edu/telecourse.html)

　　CS 287加州大学伯克利分校 Advanced Robotics

　　该课程介绍了非常先进的机器人系统下的数学和算法，这些技术中大多数都基于概率推理和优化，在现代人工智能中广泛适用。

　　(该项目地址：https://people.eecs.berkeley.edu/~pabbeel/cs287-fa13/)

　　DS-GA 1008纽约大学深度学习项目

　　这个日益流行的课程是通过纽约大学数据科学中心进行的。原本由Yann Lecun先生介绍，现在由Zaid Harchaoui领衔。它涵盖了用于在计算机视觉和自然语言处理中实现机器学习任务非常高精度的理论、技术和技巧。

　　(该项目地址：http://cilvr.cs.nyu.edu/doku.php?id=deeplearning2015:schedule)

　　人工智能

　　CS 188加州大学伯克利分校人工智能项目

　　本课程将介绍智能计算机系统设计的基本思路和技术，特别强调统计和决策理论建模范式。在本课程结束之前，将建立自主代理商以有效的方式做出决策，其中的机器学习算法将对手写数字和照片进行分类。本课程介绍的技术适用于各种人工智能问题，并将作为选择追求任何应用领域进一步学习的基础。

　　(该项目地址：http://ai.berkeley.edu/home.html)

　　CS 4700康奈尔大学人工智能项目

　　本课程将介绍计算机视觉，主题包括图像生成、特征检测、运动估计、图像镶嵌、3D形状重建以及对象面部检测和识别。这些技术的应用包括构建3D地图、创建虚拟人物、组织照片和视频数据库、人机交互、视频监控、自动车辆导航和移动计算机视觉。

　　(该项目地址：http://www.cs.cornell.edu/courses/cs4700/2014fa/)

　　6.868J麻省理工学院 心灵理解项目

　　本课程旨在解释如何通过简单过程的集合来构思心灵理论。它将思维方式视为视觉、语言、学习、推理、记忆、意识、理想、情感和个性。它结合了心理学、人工智能和计算机科学的思想，以解决理论问题，如整体与部分，结构与功能描述，声明与程序性表示，符号与连接主义模型，逻辑与常识理论学习。

　　(该项目地址：https://ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-868j-the-society-of-mind-fall-2011/index.htm)