如今，在人工智能这个炙手可热的领域，最尴尬的问题是日益庞大的行业规模与国家每年约500万相关人才需求之间的矛盾。广阔的发展前景、巨大的人才缺口、诱人的行业薪酬，让越来越多的年轻人选择进入这个行业。然而，国内开设人工智能专业的高校并不多，学科建设并不完善。相当一部分开发者是跨界入行，需要自学大量知识、在实践中摸索。面对网络信息的碎片化、培训课程种类繁多、费用昂贵，如何高效学习成为人工智能入门的首要问题。
下面，笔者列举了目前最受学生欢迎的人工智能在线课程英语培训，包括吴恩达的公司Coursera制作的在线课程、斯坦福大学的在线课程、伯克利大学的在线课程等等，希望能为大家的学习提供帮助。
1.机器学习
机器学习
主讲人：吴恩达 (Andrew Ng)
发布平台：Coursera
课程链接：
#常见问题
课程评价：在Coursera上，近5万人给Andrew Ng教授的课程打出了平均4.9分（满分5分）。根据Freecodecamp统计，这门课程是所有在线Machine Learning课程中最受欢迎的课程。这是一门打好机器学习基础的入门理论课程太原英语，不仅讲解了基本概念，还非常注重实际应用和经验总结：1、课程中，Andrew Ng教授列举了很多算法实际应用的例子；2、提到了很多他们刚接触AI时遇到的问题，以及处理这些问题的经验。考虑到它的受众很广，这门课程并没有涉及太多的数学知识株洲英语，对统计、IT基础知识薄弱的学生也很友好。
从数据中学习
发言人：Yaser Abu-Mostafa
发布平台：edX、网易公开课
课程链接：
；
课程评价：这是加州理工学院 Yaser Abu-Mostafa 教授的机器学习入门课程，但内容并不简单。课程强调数据学英语口语，因为机器学习与各个领域（如金融和医学）的大数据处理应用密切相关。课程涵盖基础理论、算法和应用，平衡理论和实践，既涵盖数理统计，也涵盖启发式概念理解。很多人评论说课程结构就像讲故事一样，有助于学习者对机器学习概念和模型形成深刻而直观的理解。学习者普遍认为内容非常丰富，但关于作业模块存在很大争议：有些人认为它很难，缺乏反馈快速英文外教网站，而另一些人则认为它是互联网上能找到的最好的机器学习练习。
机器学习的神经网络
演讲者：Geoffrey Hinton
发布平台：Coursera
课程链接：
#评级
课程评价：Geoffrey Hinton 的课程可以作为吴恩达机器学习课程的进阶课程，难度相对较高，要求学生具备微积分和 Python 基础知识，涉及专业术语较多，对初学者来说难度较大，需要自行查找相关资料。网友认为“上这门课真的是大开眼界，据我了解，这门课非常接近深度学习领域最前沿的技术英文网上，这门课的练习比吴恩达的课更详细，更有挑战性一节课多少钱学英语，所以学到的东西更多了。”
机器学习
演讲者：汤姆·米切尔
发布平台：CMU官网
课程链接：
~汤姆/10701_sp11/
课程评价：这门课是学术界的最爱，是一门全面而高级的入门课程，涵盖的内容很广泛，依次为：代数与概率论、机器学习基本工具、概率图模型、AI、神经网络、主动学习、强化学习。这门课可以帮助学习者梳理机器学习的发展脉络，适合打算系统学习、投入大量时间的人。对于初学者，建议至少在听完 Andrew Ng 的机器学习课程后再学习这门课。
机器学习基础
主讲人：林宣天
发布平台：Coursera
课程链接：
优越的：
向下：
课程评价：这是一门为华人学习者量身定制的入门课程，相当于台大机器学习课程的前半个学期，讲授机器学习最核心的知识。林老师是《Learning From Data》教材的作者之一，是华人机器学习领域的年轻有为学者。这门课讲得非常用心细致，内容比吴恩达老师的入门课略充实。林老师表示，鉴于目前顶尖机器学习公开课全部采用英文授课的情况，很多学生反映英文教学难以吸收，因此推出这门课程，希望帮助华人学生降低入门难度。
本科生机器学习
演讲者：Nando de Freitas
发布平台：Youtube
课程链接：
课程评价：Nando de Freitas 是机器学习领域非常杰出的学者，他的课程作为 Andrew Ng 教授的机器学习进阶课程也很合适，补充了一些“机器学习”的概念，强调了数学知识。Nando de Freitas 对概率论、对数似然等基本数学原理进行了很好的讲解，并在此基础上介绍了更高级的数学和统计概念。
2.深度学习
面向程序员的实用深度学习，第一部分
主讲人：杰里米·霍华德
发布平台：fast.ai
课程链接：
课程评价：这是一门非常实用的课程，Kaggle 比赛冠军 Jeremy Howard 亲自传授如何搭建业界最好的深度神经网络。在课程中，Jeremy Howard 分享的都是已经在工程实践中运用过、被证明有效的方法，而不仅仅是理论定义和公式。
Deepinglearning.ai 专业化
主讲人：吴恩达 (Andrew Ng)
发布平台：deeplearning.ai
课程链接：
课程推荐：这是吴恩达离开百度后上线的第一个深度学习项目 deeplearning.ai 的一门课程，课程口号是：精通深度学习，闯入 AI。这门课程是一个从底层讲解神经网络原理的课程体系，通俗易懂，属于初中级水平，有助于加强对深度学习的理解，对于已经有一定神经网络基础的人来说，这门课程还可以加强参数搜索的技能。很多人认为这是网上最适合入门深度学习的系列课程，可以帮助学者建立对该领域的基本了解。
2015 年牛津深度学习大会
演讲者：Nando de Freitas
出版平台：牛津官网
课程主页：
课程评价：Nando de Freitas 于 2013 年转至牛津任教，这是他在 2014-2015 学年在牛津大学的全套深度学习课程。介绍了神经网络、反向传播、玻尔兹曼机、自编码器、卷积神经网络和循环神经网络的基本背景，并说明了深度学习如何影响我们对智能的理解，并为智能机器的实际设计做出贡献。
CS231n：用于视觉识别的卷积神经网络
主讲人：李飞飞
发布平台：GitHub
课程地址：
课程评价：这门深度学习课程是李飞飞教授讲授的计算机视觉课程，内容针对斯坦福大学学生，内容正宗，评价很高。虽然课程名称是卷积神经网络与图像识别，但前期介绍了很多Python开发环境搭建、神经网络原理等基础知识，适合初学者仔细学习。
深度学习
演讲者：Yann Lecun
发布平台：法国文学院官网
课程地址：
课程评价：Yann Lecun 于 2016 年初开始在法国学院授课，这是 8 门关于深度学习的课程。课程当时以法语授课，后来添加了英文字幕。作为人工智能领域的大咖和 Facebook AI Lab（FAIR）负责人，Yann Lecun 走在了业界机器学习研究的最前沿。他曾公开表示外教少儿，现有的一些机器学习公开课有些过时了。通过 Yann Lecun 的课程，可以了解到近年来深度学习研究的最新进展。这一系列可以作为探索深度学习的进阶课程。
自然语言处理的深度学习：2016-2017
演讲者：Phil Blunsom
发布平台：GitHub
课程链接：
课程评价：这是牛津大学 & DeepMind 联合开设的深度学习 NLP 应用课程。课程介绍了相关机器学习模型的数学定义，并推导了相关的优化算法。课程涵盖了神经网络在 NLP 中的一系列应用，包括分析文本中的潜在维度、将语音转录为文本、语言间转换以及回答问题。这些主题分为三个高级主题，从理解使用神经网络进行顺序语言建模，到理解它们作为条件语言模型用于传导任务，最后是将这些技术与其他高级应用相结合的方法。在整个过程中，还将讨论这些模型在 CPU 和 GPU 硬件上的实际实现。
2016 斯坦福湾区深度学习学校第一天
课程链接：
课程评价：本视频是2016年湾区深度学习学校第一天的演示。视频中涵盖的内容包括：1）Hugo Larochelle 的《前馈神经网络简介》；2）Andrej Karpathy 的《计算机视觉深度学习》；3）Richard Socher 的《自然语言处理深度学习》；4）Sherry Moore 的《TensorFlow 教程》；5）Ruslan Salakhutdinov 的《深度无监督学习基础》；6）Andrew Ng 的《深度学习的基本应用》。这些深度学习专家将以通俗易懂的方式讲解深度学习的底层概念，让你对深度学习有一个基本的了解。同时，他们还会分享与各自教学主题相关的应用示例。
2016 年湾区深度学习学校第二天在线网络课程，斯坦福 CEMEX 礼堂
课程链接：
课程评价：这是湾区深度学习学校的第二天，视频中涵盖的内容有：1）John Schulman 讲授深度强化学习基础；2）Pascal Lamblin 讲授 Theano 简介：用于建模和训练的快速 Python 库；3）Adam Coates 和 Vinay Rao 讲授语音识别和深度学习；4）Alex Wiltschko 讲授使用 Torch 和 Autograd 的机器学习；5）Quoc Le 讲授深度学习的 Sequence to Sequence；5）Yoshua Bengio 讲授深度学习的基础和挑战。这些深度学习从业者都是经常被搜索的深度学习应用专家，他们也服务于 Google Brain、Twitter 等大型公司。
斯坦福大学深度学习应用课程：用深度学习进行自然语言处理
课程链接：
课程简介：本课程由NLP领域两位专家Chris Manning和Richard Socher讲授，是学习深度学习自然语言处理的经典课程。本课程全面介绍了深度学习应用于NLP的前沿研究。在模型方面，将讨论词向量表示、基于窗口的神经网络、循环神经网络、长短期记忆模型、循环神经网络、卷积神经网络以及一些涉及记忆成分的近期模型。
谷歌深度学习（中文/英文）
演讲者：Vincent Vanhoucke、Arpan Chakraborty
发布平台：Udacity
课程链接：
课程评价：该课程由Udacity和谷歌首席科学家、谷歌智库技术经理Vincent Vanhoucke联合开发，可以免费学习如何训练和优化基础神经网络、卷积神经网络、长短期记忆网络，学习者可以通过项目和任务接触完整的机器学习体系TensorFlow。
2016 年蒙特利尔深度学习暑期学校
课程链接：
课程评价：蒙特利尔深度学习暑期学校汇聚了来自不同年龄段的众多专家和从业者，课程旨在让人们对深度学习和神经网络有一个基本的了解短期外教，有 Yoshua Bengio 讲授循环神经网络、Surya Ganguli 讲授理论神经科学和深度学习理论、Sumit Chopra 讲授推理高峰和注意力、Jeff Dean 讲解 TensorFlow 大规模机器学习、Ruslan Salakhutdinov 讲解学习深度生成模型、Ryan Olson 讲解深度学习的 GPU 编程等众多讲座。
机器学习及其深度和结构化
主讲人：李宏毅
课程链接：
课程评价：这是一门难得的免费中文课程少儿英文，有网友评论说这门课程对 GAN 讲解得非常好外教网上，也有人认为李宏毅擅长给学生一个直观的形象和对算法的理解。这门课程对初学者不太友好实用信息 | 20余个AI在线课程资源（附链接），适合上完他的机器学习课程再学习。
3.人工智能
人工智能简介
演讲者：Peter Norvig、Sebastian Thrun
发布平台：Udacity
课程地址：
课程评价：这门课程久负盛名好吗外教，被公认为AI初学者最好的公开课之一。课程介绍了AI的几大领域：概率推理、信息检索、机器人、自然语言处理等，偏向于介绍AI的实际应用在线网络课程，课程练习广受好评。这门课程的两位讲师Peter Norvig和Sebastian Thrun，一位是谷歌的研究总监，另一位是斯坦福著名的机器学习教授，都是和Andrew Ng、Yann Lecun同级别的顶尖AI专家。
基于知识的人工智能：认知系统
演讲者：Ashok Goel David Joyner
发布平台：Udacity
课程链接：
课程评价：该课程是人工智能的核心课程，挑战性极高，涉及大量独立工作、阅读、任务和项目，涵盖结构化知识解释和基于知识的问题解决、规划、决策和学习方法。网友认为“最吸引人的部分是课程项目：构建一个人工智能代理来解决瑞文进化矩阵，这基本上是一个视觉智商测试。这很有趣，也很有挑战性。对于那些相对‘容易’的问题网站英语，它仍然很容易解决，但对于那些困难的问题英语学习，它很难解决。”
4. 计算机科学
Scala 函数式编程原则
演讲者：马丁·奥德斯基
发布平台：Coursera
课程链接：
课程评价：这门课程注重实践，课程中大部分单元都会用一些短小的程序来说明基本原理和概念，听众可以尝试运行这些程序，并尝试重写它们。对Scala感兴趣的人都可以尝试这门课程。网友们普遍认为这门课程难度有点大，有人认为课程结构不合理，需要学生查阅很多其他资料。支持者认为“让一门语言的创造者亲自讲授这门语言的课程，让我获得了一些原本无法获得的见解。”“这门课程太棒了在线网络课程，需要大力推荐，它显示了Scala的设计投入了多少心血和技巧。”
数据库
演讲者：Jennifer Widom
发布平台：斯坦福大学官网
课程链接：
课程评价：该课程是斯坦福大学2011年秋季推出的三门大型开放式在线课程之一；2013年和2014年再次以MOOC形式提供。有网友评价该课程是“组织最好的在线课程”福州英语，“讲座中的所有内容都是相关的，所有内容都会在练习中得到应用和测试，练习量很大，每周的作业会从简单逐渐扩展到中等难度。网络环境设计得很好杭州外教，提供了极好的反馈，可以指导你正确回答问题。”
概率图模型专业化
主讲人：Daphne Koller
发布平台：coursesa
课程链接：
课程评价：有网友认为这门专题课程是他上过的最有趣的网络课程，但课程对学习者的要求很高，需要付出很多努力才能将讲课内容应用到作业中。还有人评论说，“这门专题课程的第一节课开头很好网络英语，很吸引人，但之后泉州外教，讲课和练习之间很快就出现了巨大的差距（也许这也是作者夸口这是一门具有挑战性的课程英语网课，并不适合所有人的原因）。PGM 是解决许多机器学习问题的有力工具，但确实很难。”有网友表示，“在斯坦福英语儿童，只要能通过 PGM 考试，学生们就太开心了。”
5. 平台推荐
海外：Coursera、edX、Udacity、Udemy等。
国内：网易公开课、七月在线、Bilibili等。
如果你英语水平不错，Hacker News 等国外问答论坛会很有帮助；如果英语基础不够好，Coursera、Udacity 上大部分机器学习资源都添加了中文字幕；网易公开课也为很多课程提供了字幕翻译；如果需要补充数学、统计学基础，Khan Academy 值得推荐。
以上课程分为不同级别几个级别英文，大家可以根据自己的需求选择最适合自己的课程。如果有你觉得不错的AI课程没有上榜，欢迎留言补充~