【1】Andrew NG Deep Learning.ai

http://deeplearning.ai/

網易云課堂（中文字幕）：http://mooc.study.163.com/smartSpec/detail/1001319001.htm

推薦理由：Andrew Ng老師是講課的能手，很多人認識他是從Stanford的經典《機器學習》課程上。Andrew老師授課思路清晰，簡潔明了。相信這門他宣布創業后推出的第一門課程一定不會讓人失望。

最近， Andrew Ng 在Twitter上發布了關于這門課程的消息。從2014年初開始，我就一直在關注他，我正在參加他在Coursera上的一門課程，學習和機器學習有關的數學知識。從工程背景出發，他的第一門課程非常有趣，同時也有點難度。2016年底的時候，吳先生從百度離職，不再擔任百度的首席科學家，并于今年8月8日推出了一個新的深度學習專業化的課程。我在今年晚些時候才想起來，因為我的時間之前一直被一些其他的項目所占據。然后我從Fast.ai上 Arvind N的學生那里讀到了一篇關于他如何在4天內完成所有3節課的博客以及他對fast.ai和deeplearning.ai的看法。

4天內完成所有3節課的博客

https://medium.com/towards-data-science/thoughts-after-taking-the-deeplearning-ai-courses-8568f132153

我想挑戰自己，看是否我可以在不到4天內完成相同的事情。并且我成功了，在3天內完成了3門課程。

關于指導老師：

Andrew Ng是斯坦福大學教授，共同創辦了Coursera，成立并領導了Google Brain的深度學習項目，并曾任百度首席科學家。課程反映了他在各種大規模問題上學習到的知識。

該課程幫助您了解深度學習所需的數學知識，并在課程2結束之后，學習如何從頭開始構建深度學習算法的幾個關鍵組件。

關于課程：

課程分為5節。截止到這篇博客發布（8月19日），已經發布了前3節課。 Andrew Ng在本門課中采用了自下而上的教學安排。在他早期的課程中，他選擇octave進行編程作業，但這個課程他選擇了python。

1.?在課程1中，他詳細地介紹了深度學習中許多概念所需的數學和直觀認識。他小心地對課程內容進行平衡，并教授數學知識，這是了解深度學習的基礎所必需的。指定會話對通過編程的方式實踐數學知識非常有幫助。所有的公式都已經提供好了，所以哪怕沒有太多的數學知識，你也可以專注于實現它們。

2. 課程2涵蓋了正則化，動量，批量歸一化和dropout等許多技術，來提高DL模型的性能。這個課程的最好的部分就是使用python和numpy來實現所有的技術。

3. 在第3節課中，他介紹了他從多年的經驗中學到的很多技巧和竅門。在第三部分課程結束時，他介紹了DL框架。課程3的作業是學習怎樣使用TensorFlow。作業設計的非常明確。

4. 課程4是關于CNN的。課程發布后，我將更新此部分。

5. 課程5是關于RNN或序列數據的。一旦課程發布，我將更新該部分。

亮點：

1.?當你學完前3節課后，你的基礎知識將非常強大。

2.?前3個課程采取了框架獨立的方法。這能讓你輕松使用任何框架。

3.?課程中包含了關于如何設計評估指標、如何分割數據集進行訓練以及避免方差和偏差問題的實用技巧。

4.?當然，最好的一部分是案例研究，您可以在這里找到一個機會，來驗證你已經理解了如何成功執行深度學習項目。

5.?所有的作業都是以jupyter notebook的形式提供的，并在Coursera服務器上運行，因此無需擔心基礎的框架。

6.?學完3節精彩的課后，仍有2節課值得期待。

7.?每周都有一個名為“深度學習英雄”的演講。這是一個很好的來源，讓我們了解深度學習背后的歷史和靈感。

局限：

1.?對于一些全新的深度學習或機器學習項目，從頭開始構建每一部分并了解其背后的數學原理，可能非常具有挑戰性。

2.?由于課程遵循自下而上的方法，所以即使在第三節課結束后，您仍然很難在您的領域中使用DL來構建解決方案。

3.?由于提供了基礎框架，所以您將不再學習如何管理自己的工作站。而且如果要使用很多技術，有能力在云端或家庭/辦公室配置機器這一點非常重要。

4.?課程提供了許多示例代碼，使得完成作業變的更容易。但是要真正掌握一個技能，還得不使用示例代碼，將整個作業復現一遍，這是非常重要的。這可能談不上是課程的局限性，但如果您想要充分利用它，這是非常重要的。

費用：

所有課程內容都是免費提供。但是我不知道這些作業是否也免費提供。如果你正在參加付費版本的課程，那么你最終每月花費大約367元或55 $。

【2】 fast.ai 的 Making neural nets uncool again

http://www.fast.ai/

中文字幕?https://edu.csdn.net/course/detail/5192

推薦理由：這門課和很多傳統的授課方式不同，它從應用入手，逐步往深了講，讓你先領會“開車”的樂趣，然后再興致盎然地去學習車的原理甚至去修車。有人建議，以此入門，找到樂趣，再學習更基礎的課程。

Fast.ai

我是在kddnudgets的一篇文章中發現的這門課程。當時是我第一次聽說Jeremy Howard，于是我在維基百科搜索了他，印象非常深刻。于是我購買了這門由Jeremy和Rachel Thomas教授的MOOC。看完第一堂課，我就被他們的教學風格深深震撼了。

您將在幾個小時內學到如何構建頂尖水準的圖像分類器，這甚至連幾美元的價格都不到。

Jeremy Howard：

https://medium.com/@jeremyphoward

https://en.wikipedia.org/wiki/Jeremy_Howard_%28entrepreneur%29

關于指導老師：

Jeremy的背景與通常的教授非常不同，他不是任何頂尖大學的博士生導師，也未曾就職于谷歌，百度，微軟等頂級公司。他自學成才，是kaggle競賽高手，企業家和Fast.ai的CEO，目前唯一的目標就是讓深度學習不再神秘。他的獨特背景讓這門課程變得與眾不同，因為他教會了不同背景的人如何使用深度學習，而無需大量數據或計算能力。

關于課程：

課程分為2部分，每7周學完一個部分。

課程的第一部分講授如何在計算機視覺和自然語言處理(NLP)領域使用深度學習。

第二部分講授生成網絡，GAN，序列模型等前沿研究工作，如何閱讀研究論文，以及如何在深入學習領域保持領先的實用技巧。這些技巧正在以驚人的速度發展。

本課程教學風格獨特。課程作者習慣于這種獨特的方法。

我們不會讓您在先了解有關速度，動量，分析等方面的信息之后，再去學習打板球（或任何游戲），最后在18點進場。相反，我們先帶您先去現場，握著球或棒球棒，然后在實戰中學習其他知識。

通過這種獨特的方法，您將首先學習如何在云上部署工作站，安裝軟件，并使用深度學習快速構建解決方案。每周Jeremy會挑選一個新的問題，然后他教授你如何使用技術來提高模型的性能。他教的東西很實用，比如使用預卷積特征，偽標記和許多非常有用的技巧。到第一部分結束，您將能夠使用深度學習在您工作的領域構建實用的應用程序。

課程的第二部分介紹了前沿研究，幫助您閱讀，理解和實施生成式模型，圖像分割和序列到序列模型的各種研究論文。您將學習構建一些有趣的項目，如風格轉移，低分辨率圖像到高分辨率圖像，GAN，圖像分割，翻譯以及如何將深度學習應用于結構化數據。第二部分最重要的部分是建立自己的工作站。如果您對深度學習充滿激情，并希望構建各種深度學習應用程序，這將非常有用。

亮點：

構建一流的計算機視覺或NLP系統的能力。

了解和使用為深度學習應用程序提供支持的現代主流架構。

當您的數據和計算能力有限時，如何快速應用DL的實用技巧。

一個龐大的社區，支持您在不同階段學習和實施您的解決方案。

輕松使用3種流行的DL框架：Keras，TensorFlow，PyTorch。

在課程結束之后，您將不再為閱讀研究論文，構建新項目而頭痛。Fast.ai的博客以及整個社區都將為您提供支持。

局限：

由于本課程遵循自上而下的方法，您將非常依賴一個框架來對基礎數學有一定的理解。如果您正在籌備一項工作或計劃在該領域進行更多的研究，那么提高你理解DL中的數學知識的能力將很有幫助。

有些機構對證書很看重，他們認為這是你完成課程的證明。但我猜Jeremy認為我們都是成熟的孩子，所以沒有提供任何形式的證書。 Jeremy和Rachel鼓勵撰寫博客，構建項目，在會議中進行討論等活動，以實力來代替傳統證書的證明作用。我個人認為這是非常有用的。

費用：

MOOC本身沒有相關費用。但是要上手實踐這些項目，您最終需要在AWS上產生支出，或許您會選擇自己配置機器，但這樣做很貴。當然在家里有一個強大的工作站是非常有幫助的

【3】斯坦福大學的課程 CS231n --- Convolutional Neural Networks for Visual Recognition

http://cs231n.stanford.edu/

推薦理由：此門課有斯坦福人工智能實驗室主任Fei-Fei Li主講，作為IMAGE-NET的主要發起人，Li的實驗室一直活躍在計算機視覺前沿研究領域，培養了眾多青年才俊。建議從事計算機視覺方向的同學關注此課程。

【4】 2016 年蒙特利爾深度學習暑期班

https://www.youtube.com/watch?list=PL5bqIc6XopCbb-FvnHmD1neVlQKwGzQyR&v=xK-bzjIQkmM

推薦理由：看看嘉賓陣容吧，Yoshua Bengio 教授循環神經網絡，Surya Ganguli 教授理論神經科學與深度學習理論，Sumit Chopra 教授 reasoning summit 和 attention，Jeff Dean 講解 TensorFlow 大規模機器學習，Ruslan Salakhutdinov 講解學習深度生成式模型，Ryan Olson 講解深度學習的 GPU 編程，等等。