郭一璞 发自 凹非寺

量子位 报道 | 公众号 QbitAI

战斗民族的ML战斗力越来越强了，现在跑到reddit上安利起了自己的课程。

mlcourse.ai

这个课程的名字叫mlcourse.ai，是一套开放、免费的机器学习课程，课程为期10周，包含5大主题12个部分。

课程目录

主题1 使用Pandas探索数据分析

主题2

-Python可视化数据分析

-Seaborn、Matplotlib和Plotly库概述

主题3 分类、决策树和k近邻算法

主题4 线性分类和回归

-Part 1 普通最小二乘法

-Part 2 逻辑回归

-Part 3 正则化

-Part 4 优点和缺点

-Part 5 验证和学习曲线

主题5 算法和随机森林

-Part 1 Bagging

-Part 2 随机森林

-Part 3 特征重要性

如果想学这套课程的话，需要在国庆节之前填表（链接在文末），10月1日正式开课，学到12月9日就结束了，那一天正好是24节气中的大雪。

mlcourse.ai课程在github上已经获得了超过1900颗星，其中包含很多练习的部分，而且每周都会有作业，还有课程内的Kaggle比赛。

课程的发布者说，这套课程的重点是完美结合了理论与实践，还有互动的激励机制让你能坚持下去，另外还有一个大型社区提供支持，可以去社区里问作业。

课程到底好不好，众说纷纭

不太适合纯·初学者

这套课程其实不太适合24k纯初学者的，也即是说，需要一定的数学和Python基础。

数学部分包括微积分、线性代数、概率论与数理统计；Python部分需要懂DataQuest，DataCamp甚至CodeAcademy这些东西。

如果你需要补充知识的话，可以去读Ian Goodfellow、Yoshua Bengio和Aaron Courville写的那本《深度学习》，或者Marc Peter Deisenroth、A Aldo Faisal和Cheng Soon Ong的《机器学习数学基础》。（文末有链接）

如果还觉得这些数学不够酸爽，可以去MIT的公开课网站上刷数学。（文末有链接+1）

另外，你最好是个github用户，还懂一些bash和Docker。（文末有链接+2）

压力有点大

虽然从目录来看，课程比较短，但是毕竟只有10周，所以课程节奏会很快，每周至少需要5~6个小时来学习。如果你想认真投入到课程内的Kaggle竞赛的话，那可能每周20~25个小时都有。

有二刷的同学评论说，这是初级中级水平最好的实用教材之一，需要提前学习线性代数。虽然课程中大部分作业不算难，但是偶尔也会有几个非常有挑战性的题目，其中竞赛的部分最难，不过确实对个人能力有很大提升。

比吴恩达老师的课fashion

也有网友问到该课程和吴恩达老师的Coursera课程比起来怎么样，发布机构回应说：

吴恩达的课程已经过时了。

该机构认为，相比吴恩达，mlcourse.ai的成更难，需要的数学基础更高；更新，不会在不起作用的事情上花太多时间；而且用的是Python而非Octave。

一群俄国人

mlcourse.ai课程来自一个名为OpenDataScience的机构，他们号称汇集了15000名说俄语的数据科学家。

此前他们已经用俄语讲过一次mlcourse.ai课程了，10月这次是本课程第二次推出了，放心，这次是英文版。

当然，编写者基本都是说俄语的科学家。比如主创人员之一Yury Kashnitskiy，毕业于号称“俄罗斯MIT”莫斯科物理技术学院，目前是荷兰皇家KPN电信集团的数据分析师。

这位老师的github头像很好看呢

传送门

课程主页：

https://mlcourse.ai/

课程申请表：

https://docs.google.com/forms/d/e/1FAIpQLSevId-XgOe6n3m-RTbXQfeN-KpyMdvkzCDoG2BL6m90EBfasQ/viewform

（看到google域名了没？打不开的话想想是为什么）

课程资源列表（包含github和视频）：

https://mlcourse.ai/resources

《深度学习》github译本：

https://github.com/exacity/deeplearningbook-chinese

《机器学习数学基础》：

https://mml-book.github.io/

MIT的数学课：

https://ocw.mit.edu/courses/mathematics/

Docker小白指南：

https://github.com/Yorko/mlcourse.ai/wiki/Software-requirements-and-Docker-container

—完—

加入社群

量子位AI社群28群开始招募啦，欢迎对AI感兴趣的同学，在量子位公众号（QbitAI）对话界面回复关键字“交流群”，获取入群方式；

此外，量子位专业细分群(自动驾驶、CV、NLP、机器学习等)正在招募，面向正在从事相关领域的工程师及研究人员。

进专业群请在量子位公众号（QbitAI）对话界面回复关键字“专业群”，获取入群方式。（专业群审核较严，敬请谅解）

诚挚招聘

量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复“招聘”两个字。