2018年6个最佳免费在线人工智能课程

围绕人工智能（AI）、自动化和认知系统原则和实践的基本基础可能会变得越来越有价值，无论你所在的是哪个业务领域、专业知识或专业技能。

所幸的是，如今你不需要花费数年时间在大学学习，以熟悉掌握这项看起来非常复杂的技术。近年来，有越来越多的在线课程涌现出来，涵盖从基础到高级实施的所有内容。

有些课程是针对想要直接编码他们自己人工神经网络的人，并且可以理解为具有一定的技术能力。还有一些课程，是针对那些想要了解如何让人工智能技术被任何人使用的人，无论是否具备前沿的技术专业知识，都可以用于解决实际问题。

在这篇文章中，我们将简要介绍一些目前现有最好的免费在线课程。

Learn with Google AI

这个新推出的资源，是Google计划扩大公众对人工智能理解的一个举措。目前Learn with Google AI正在慢慢增加材料，但已经包含了一个毛宁为材料正在慢慢添加，但它已经包含了一个名为Machine Learning with TensorFlow的速成课程。

本课程涵盖了机器学习的基本介绍、TensorFlow入门、神经网络的设计和培训。

Learn with Google AI的设计目标，是让那些没有机器学习知识的人可以从一开始就进入正题，那些有经验的人可以选择他们感兴趣的模块，而机器学习专家可以把它作为TensorFlow的入门介绍。

Google – Machine Learning

这是Google通过Udacity提供的一个更为深入的课程。因此，该课程并不针对完全的新手，并假设积累了一定的机器学习经验，达到至少熟悉监督式学习方法的程度。

该课程侧重于深度学习，以及可以从大型复杂数据集中进行学习的自学系统设计。

该课程面向那些希望将机器学习、神经网络技术用于工作中的数据分析师、数据科学家或机器学习工程师，以及那些想要利用大量开源库和材料的企业个人。

Stanford University – Machine Learning

本课程是通过Coursera提供的，由Google深度学习研究部门“Google Brain”创始人、前百度人工智能负责人Andrew Ng教授。

整个课程可以免费学习，如果你打算利用你的人工智能的理解来提高职业前景的话，也可以选择支付认证费用，这当然也是很有用处的。

该课程涵盖了从语音识别和增强网页搜索的实际机器学习实施范围，同时也涉及统计学主题的深入讨论，例如线性回归、神经网络“学习”的反向传播方法以及Matlab教程——Matlab是基于概率的人工智能工具最广泛使用的编程语言。

Columbia University – Machine Learning

该课程是免费在线提供的，如果需要的话也可以选择支付认证费用。

该课程承诺教授用于解决现实问题的模型、方法和应用，使用概率和非概率方法，以及监督和无监督式学习。

要充分利用该课程，你需要每周花费大约8到10个小时、超过12周的时间在材料和练习上。但这是免费的常春藤盟级课程，你不会失望的。

该课程是通过非营利edX在线课程提供商提供的，是人工智能纳米学位认证项目的一个组成部分。

Nvidia – Fundamentals of Deep Learning for Computer Vision

计算机视觉是一个人工智能子学科，可以打造像我们大脑那样通过处理视觉信息来“看到”的计算机。

除了技术基础外，该课程还教你如何识别那些能够从能够进行物体识别和图像分类的机器应用中受益的情况或问题。

作为GPU制造商，Nvidia毫不意外地涵盖了高性能图形引擎的重要组成部分，这部分以前主要是为了展示尖端图像，如今已经在计算机视觉应用的广泛运用中发挥了作用。

最终的评估包含建立和部署一个神经网络应用，同时整个课程可以按自己的步调进行研究，预计需要在材料上花费大约八个小时的时间。

MIT – Deep Learning for Self Driving Cars

与上面的课程一样，麻省理工学院是把人工智能在现实世界中的一个重要方面，作为了探索相关具体技术的一个起点。

被广泛认为将成为我们日常生活一部分的自动驾驶汽车，是依靠人工智能来利用车辆传感器的所有数据，确保在道路上安全驾驶。这涉及训练机器来解释这些传感器数据，就像我们自己的大脑解读来自我们的眼睛、耳朵和触觉的信号一样。

该课程涵盖了对MIT DeepTraffic模拟器的使用，要求学生训练一辆模拟汽车以尽可能快速地沿着繁忙街道进行行驶，而不与其他道路使用者发生碰撞。

这是去年在麻省理工大学首次开设的一门课程，所有材料包括讲座视频和练习都可以在线获得——但是在线无法获得认证。