郭一璞 發(fā)自 凹非寺 
量子位 報道 | 公眾號 QbitAI

戰斗民族的ML戰斗力越來(lái)越強了，現在跑到reddit上安利起了自己的課程。

mlcourse.ai

這個(gè)課程的名字叫mlcourse.ai，是一套開(kāi)放、免費的機器學(xué)習課程，課程為期10周，包含5大主題12個(gè)部分。

課程目錄

主題1 使用Pandas探索數據分析

主題2
-Python可視化數據分析
-Seaborn、Matplotlib和Plotly庫概述

主題3 分類(lèi)、決策樹(shù)和k近鄰算法

主題4 線(xiàn)性分類(lèi)和回歸
-Part 1 普通最小二乘法
-Part 2 邏輯回歸
-Part 3 正則化
-Part 4 優(yōu)點(diǎn)和缺點(diǎn)
-Part 5 驗證和學(xué)習曲線(xiàn)

主題5 算法和隨機森林
-Part 1 Bagging
-Part 2 隨機森林
-Part 3 特征重要性

如果想學(xué)這套課程的話(huà)，需要在國慶節之前填表（鏈接在文末），10月1日正式開(kāi)課，學(xué)到12月9日就結束了，那一天正好是24節氣中的大雪。

mlcourse.ai課程在github上已經(jīng)獲得了超過(guò)1900顆星，其中包含很多練習的部分，而且每周都會(huì )有作業(yè)，還有課程內的Kaggle比賽。

課程的發(fā)布者說(shuō)，這套課程的重點(diǎn)是完美結合了理論與實(shí)踐，還有互動(dòng)的激勵機制讓你能堅持下去，另外還有一個(gè)大型社區提供支持，可以去社區里問(wèn)作業(yè)。

課程到底好不好，眾說(shuō)紛紜

不太適合純·初學(xué)者

這套課程其實(shí)不太適合24k純初學(xué)者的，也即是說(shuō)，需要一定的數學(xué)和Python基礎。

數學(xué)部分包括微積分、線(xiàn)性代數、概率論與數理統計；Python部分需要懂DataQuest，DataCamp甚至CodeAcademy這些東西。

如果你需要補充知識的話(huà)，可以去讀Ian Goodfellow、Yoshua Bengio和Aaron Courville寫(xiě)的那本《深度學(xué)習》，或者M(jìn)arc Peter Deisenroth、A Aldo Faisal和Cheng Soon Ong的《機器學(xué)習數學(xué)基礎》。（文末有鏈接）

如果還覺(jué)得這些數學(xué)不夠酸爽，可以去MIT的公開(kāi)課網(wǎng)站上刷數學(xué)。（文末有鏈接 1）

另外，你最好是個(gè)github用戶(hù)，還懂一些bash和Docker。（文末有鏈接 2）

壓力有點(diǎn)大

雖然從目錄來(lái)看，課程比較短，但是畢竟只有10周，所以課程節奏會(huì )很快，每周至少需要5~6個(gè)小時(shí)來(lái)學(xué)習。如果你想認真投入到課程內的Kaggle競賽的話(huà)，那可能每周20~25個(gè)小時(shí)都有。

有二刷的同學(xué)評論說(shuō)，這是初級中級水平最好的實(shí)用教材之一，需要提前學(xué)習線(xiàn)性代數。雖然課程中大部分作業(yè)不算難，但是偶爾也會(huì )有幾個(gè)非常有挑戰性的題目，其中競賽的部分最難，不過(guò)確實(shí)對個(gè)人能力有很大提升。

比吳恩達老師的課fashion

也有網(wǎng)友問(wèn)到該課程和吳恩達老師的Coursera課程比起來(lái)怎么樣，發(fā)布機構回應說(shuō)：

吳恩達的課程已經(jīng)過(guò)時(shí)了。

該機構認為，相比吳恩達，mlcourse.ai的成更難，需要的數學(xué)基礎更高；更新，不會(huì )在不起作用的事情上花太多時(shí)間；而且用的是Python而非Octave。

一群俄國人

mlcourse.ai課程來(lái)自一個(gè)名為OpenDataScience的機構，他們號稱(chēng)匯集了15000名說(shuō)俄語(yǔ)的數據科學(xué)家。

此前他們已經(jīng)用俄語(yǔ)講過(guò)一次mlcourse.ai課程了，10月這次是本課程第二次推出了，放心，這次是英文版。

當然，編寫(xiě)者基本都是說(shuō)俄語(yǔ)的科學(xué)家。比如主創(chuàng )人員之一Yury Kashnitskiy，畢業(yè)于號稱(chēng)“俄羅斯MIT”莫斯科物理技術(shù)學(xué)院，目前是荷蘭皇家KPN電信集團的數據分析師。

△ 這位老師的github頭像很好看呢

傳送門(mén)

課程主頁(yè)：
https://mlcourse.ai/

課程申請表：
https://docs.google.com/forms/d/e/1FAIpQLSevId-XgOe6n3m-RTbXQfeN-KpyMdvkzCDoG2BL6m90EBfasQ/viewform
（看到google域名了沒(méi)？打不開(kāi)的話(huà)想想是為什么）

課程資源列表（包含github和視頻）：
https://mlcourse.ai/resources

《深度學(xué)習》github譯本：
https://github.com/exacity/deeplearningbook-chinese

《機器學(xué)習數學(xué)基礎》：
https://mml-book.github.io/

MIT的數學(xué)課：
https://ocw.mit.edu/courses/mathematics/

github小白指南：
http://try.github.io/

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