想系统学习人工智能知识的同学,可以优先选择以下几门质量较好的课程:
- 机器学习
斯坦福大学Andrew Ng教授的机器学习课程,从线性回归、神经网络到支持向量机全面介绍机器学习基础算法。课程内容丰富,案例实践强。
- 深度学习
深度学习是当前人工智能的核心技术,推荐Berkeley的深度学习课程,会具体介绍各类神经网络模型。课程趣味性强。
- 计算机视觉
计算机视觉也是人工智能重要组成部分,斯坦福大学Feifei Li教授的计算机视觉课程内容比较系统。项目实践环节收益良多。
- 自然语言处理
作为人机交互的关键技术之一,推荐伯克利的深度学习自然语言处理课程,内容从词向量到Seq2Seq模型全面。
- 强化学习
强化学习专门研究如何通过奖励机制进行学习,伯克利的相关课程以Python实践为主,对理解方法很有帮助。
- 专家系统
哈佛大学的知识工程导论课程讲授构建专家系统的方法,让我们了解传统AI的发展历程。
- 数学基础
MIT的微积分、线性代数等课程可以打牢数学基础,对学习机器学习算法原理必不可少。
通过这些课程的学习,可以较系统地把握人工智能技术的主要内容和发展方向。也可以根据自己的需求和特色课程的推出,进行选择性学习。