课程主页:https://stanford-cs329s.github.io/
课程没有教材,笔记和 PPT 资料:https://stanford-cs329s.github.io/syllabus.html
讲师曾在英伟达、Netflix 等公司工作。个人Github主页:https://github.com/chiphuyen

课程大致包括:
概述
迭代过程
数据管理
创建训练数据集
构建和训练机器学习模型
部署
项目节点讨论
监控及维护
硬件设计和基础架构
将机器学习整合到业务中

学前知识配备:
基本的计算机原理和技能知识,基础程序编写能力,掌握机器学习算法,熟悉基本的概率论,了解一些Python,熟悉TensorFlow,PyTorch,JAX等等至少一个框架。

其他机器学习课程:

斯坦福 吴恩达的Machine Learning:
https://www.coursera.org/learn/machine-learning

CS 182:专门讲用深度神经网络的机器学习(深度学习)
https://bcourses.berkeley.edu/courses/1487769

CS 188: 人工智能导论
https://inst.eecs.berkeley.edu/~cs188/fa19/

纽约大学 DS1003 Machine Learning:https://davidrosenberg.github.io/ml2019/#home

斯坦福 概率和统计:
https://online.stanford.edu/courses/gse-yprobstat-probability-and-statistics

斯坦福 CS231N:用于视觉识别的卷积神经网络
https://www.youtube.com/playlist?list=PLzUTmXVwsnXod6WNdg57Yc3zFx_f-RYsq

斯坦福 CS224N:深度学习自然语言处理
https://www.youtube.com/playlist?list=PLU40WL8Ol94IJzQtileLTqGZuXtGlLMP_