一种基于可见区域分割和形状先验的无模态分割模型 | AAAI 2021线上分享
1月26日（周二）20:00-21:00，来直播间预约听课和提问。
译者：AI研习社（小Y的彩笔）
双语原文链接：Course Recommendations for Introductory Machine Learning
在你入门深度学习之前，我强烈建议你学几门机器学习的入门课程来掌握一些诸如聚类、回归、评估指标等基本概念。
1. 科尔辛基大学的 Elements of AI
注：我已经学了许多线上的机器学习课程。我上一些课的本意是为了娱乐，不过总能学到一些新知识。“Elements of AI”这门课是我参加过的最易懂，免费且有趣的AI课程之一。他们增加了第二部分联系算法构建。
我建议观看第一部分，”Introduction to AI”。这部分介绍了诸如搜索，贝叶斯定理，最近邻居和神经网络等基础概念。并穿插着一些很棒的练习。在第一节课结束后，你会对这个领域有一个全局的高层次的认识。
第二部分（Building AI）也是免费的，但如果你想得到认证证书则需要付费。我想说这绝对是值得的！第二部分是关于一些基本算法的实现的（用Python)，会让你理解像优化和贝叶斯定理这样的概念。
2. 微软的 Create machine learning models 课程
注：聚类的章节讲的是真的棒！
3. 斯坦福大学 Andrew Ng 的 Stanford CS229: Machine Learning 课程
注：永远是我最喜欢的机器学习课程之一！
4. 谷歌提供的 Machine Learning Crash Course 课程
注：这个课程一发布我就学了，并且被课程的的高质量所吸引。
5. Jeremy Howard 的 Introduction to Machine Learning for Coders 课程
注：我看了一些 http://fast.ai 课程的视频，很快明白他们的课程为什么这么受欢迎。这里面介绍了非常实用的方法！
6. Bloomberg ML edu 提供的 Foundations of Machine Learning 课程
注：如果你热爱数学和理论，你会喜欢这门课程的深度。
人工智能和机器学习之间的区别，你真的清楚吗?
ML是我们期望实现人工智能的方法之一。
7. 机器学习大学提供的 Tabular Data 课程
注： 这门课程用容易掌握的解释和机器学习的应用实例，从高层次了重要的机器学习话题。
8. Sebastian Raschka 的 Stat 451: Intro to Machine Learning (Fall 2020) 课程
注：Aebastian 坚持在他的 YouTube 频道上发布很棒的机器学习内容，我真的超级感谢这些内容，非常易学！
当然还有许多其他课程，但我只能推荐一些我学过的。如果你找到其他好的课程欢迎要分享在评论区！如果你能分享你上课的经历以及你为什么喜欢它门或者觉得课程有用，那就太棒了。
一旦有新的有趣的课程出现，我将会保持更新这个列表。
其他小贴士：
列出你觉得有趣或者有挑战的主题。
在这些主题上做更多的调查
练习编代码
分享你的代码
写笔记
写下或者报告逆的有趣的写成果或者点子
慢慢来
参与机器学习论坛或讨论
AI研习社是AI学术青年和AI开发者技术交流的在线社区。我们与高校、学术机构和产业界合作，通过提供学习、实战和求职服务，为AI学术青年和开发者的交流互助和职业发展打造一站式平台，致力成为中国最大的科技创新人才聚集地。
如果，你也是位热爱分享的AI爱好者。欢迎与译站一起，学习新知，分享成长。
风情信息版权文章，未经授权禁止转载。详情见转载须知。
让审稿人更感兴趣的论文标题和摘要如何撰写？简洁、精确、周密是关键
“标题”和“摘要”是论文给人的“第一印象” 。
