课程体系阶段一、人工智能基础－高等数学必知必会本阶段主要从数据分析、概率论和线性代数及矩阵和凸优化这四大块讲解基础，旨在训练大家逻辑能力，分析能力。拥有良好的数学基础，有利于大家在后续课程的学习中更好的理解机器学习和深度学习的相关算法内容。同时对于AI研究尤为重要，例如人工智能中的智能很大一部分依托“概率论”实现的。一、数据分析1）常数e2）导数 3）梯度 4）Taylor5）gini系数6）信息熵与组合数7）梯度下降8）牛顿法二、概率论1）微积分与逼近论2）极限、微分、积分基本概念 3）利用逼近的思想理解微分，利用积分的方式理解概率4）概率论基础5）古典模型6）常见概率分布7）大数定理和中心极限定理 8）协方差(矩阵)和相关系数 9）最大似然估计和最大后验估计三、线性代数及矩阵1）线性空间及线性变换 2）矩阵的基本概念 3）状态转移矩阵 4）特征向量 5）矩阵的相关乘法6）矩阵的QR分解 7）对称矩阵、正交矩阵、正定矩阵 8）矩阵的SVD分解 9）矩阵的求导 10）矩阵映射/投影四、凸优化1）凸优化基本概念 2）凸集 3）凸函数4）凸优化问题标准形式 5）凸优化之Lagerange对偶化 6）凸优化之牛顿法、梯度下降法求解阶段二、人工智能提升－Python高级应用随着AI时代的到来以及其日益蓬勃的发展，Python作为AI时代的头牌语言地位基本确定，机器学习是着实令人兴奋，但其复杂度及难度较大，通常会涉及组装工作流和管道、设置数据源及内部和云部署之间的分流而有了Python库后，可帮助加快数据管道，且Python库也在不断更新发布中，所以本阶段旨在为大家学习后续的机器学习减负。一、容器1）列表:list2）元组:tuple3）字典:dict4）数组:Array5）切片6）列表推导式7）浅拷贝和深拷贝二、函数1）lambda表达式2）递归函数及尾递归优化3）常用内置函数/高阶函数 4）项目案例：约瑟夫环问题三、常用库1）时间库2）并发库 3）科学计算库4）Matplotlib可视化绘图库 5）锁和线程6）多线程编程阶段三、人工智能实用－机器学习篇机器学习利用算法去分析数据、学习数据，随后对现实世界情况作出判断和预测。因此，与预先编写好、只能按照特定逻辑去执行指令的软件不同，机器实际上是在用大量数据和算法去“自我训练”，从而学会如何完成一项任务。所以本阶段主要从机器学习概述、数据清洗和特征选择、回归算法、决策树、随机森林和提升算法、SVM、聚类算、EM算法、贝叶斯算法、隐马尔科夫模型、LDA主题模型等方面讲解一些机器学习的相关算法以及这些算法的优化过程，这些算法也就是监督算法或者无监督算法。一、机器学习1）机器学习概述二、监督学习1）逻辑回归 2）softmax分类 3）条件随机场 4）支持向量机svm5）决策树 6）随机森林 7）GBDT 8）集成学习三、非监督学习1）高斯混合模型 2）聚类 3）PCA4）密度估计5）LSI 6）LDA 7）双聚类 8）降维算法四、数据处理与模型调优1）特征提取2）数据预处理3）数据降维4）模型参数调优5）模型持久化6）模型可视化7）优化算法：坐标轴下降法和最小角回归法8）数据挖掘关联规则算法9）感知器模型阶段四、人工智能实用－数据挖掘篇本阶段主要通过音乐文件分类和金融反欺诈模型训练等项目，帮助大家对于上阶段的机器学习做更深入的巩固，为后续深度学习及数据挖掘提供项目支撑。项目一：百度音乐系统文件分类音乐推荐系统就是利用音乐网站上的音乐信息，向用户提供音乐信息或者建议，帮助用户决定应该听什么歌曲。而个人化推荐则是基于音乐信息及用户的兴趣特征、听歌历史行为，向用户推荐用户可能会感兴趣的音乐或者歌手。推荐算法主要分为以下几种：基于内容的推荐、协同过滤推荐、基于关联规则推荐、基于效用推荐、基于知识推荐等；推荐系统常用于各个互联网行业中，比如音乐、电商、旅游、金融等。项目二：千万级P2P金融系统反欺诈模型训练目前比较火的互联网金融领域，实质是小额信贷，小额信贷风险管理，本质上是事前对风险的主动把控，尽可能预测和防范可能出现的风险。本项目应用GBDT、Randomforest等机器学习算法做信贷反欺诈模型，通过数据挖掘技术，机器学习模型对用户进行模型化综合度量，确定一个合理的风险范围，使风险和盈利达到一个平衡的状态。阶段五、人工智能前沿－深度学习篇深度学习是实现机器学习的技术，同时深度学习也带来了机器学习的许多实际应用，拓展了AI的使用领域，本阶段主要从TensorFlow、BP神经网络、深度学习概述、CNN卷积神经网络、递归神经网、自动编码机，序列到序列网络、生成对抗网络，孪生网络，小样本学习技术等方面讲解深度学习相关算法以，掌握深度学习前沿技术，并根据不同项目选择不同的技术解决方案。针对公司样本不足，采用小样本技术和深度学习技术结合，是项目落地的解决方案。1）TensorFlow基本应用 2）BP神经网络3）深度学习概述4）卷积神经网络(CNN) 5）图像分类(vgg,resnet)6）目标检测(rcnn,fast-rcnn,faster-rcnn,ssd)7）递归神经网络(RNN)8）lstm,bi-lstm,多层LSTM9）无监督学习之AutoEncoder自动编码器10）Seq2Seq11）Seq2SeqwithAttension12）生成对抗网络13）irgan14）finetune及迁移学习15）孪生网络16）小样本学习阶段六、人工智能进阶－自然语言处理篇自然语言处理（NLP）是计算机科学领域与人工智能领域中的一个重要方向。它已成为人工智能的核心领域。自然语言处理解决的是“让机器可以理解自然语言”这一到目前为止都还只是人类独有的特权，被誉为人工智能皇冠上的明珠，被广泛应用。本阶段从NLP的字、词和句子全方位多角度的学习NLP，作为NLP的基础核心技术，对NLP为核心的项目，如聊天机器人，合理用药系统，写诗机器人和知识图谱等提供底层技术。通过学习NLP和深度学习技术，掌握NLP具有代表性的前沿技术。1）词（分词，词性标注）代码实战 2）词（深度学习之词向量，字向量）代码实战 3）词（深度学习之实体识别和关系抽取）代码实战 4）词（关键词提取，无用词过滤）代码实战5）句（句法分析，语义分析）代码实战6）句（自然语言理解,一阶逻辑）代码实战7）句（深度学习之文本相似度）代码实战阶段七、人工智能进阶－图像处理篇数字图像处理(DigitalImageProcessing)是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。广泛的应用于农牧业、林业、环境、军事、工业和医学等方面，是人工智能和深度学习的重要研究方向。深度学习作为当前机器学习领域最热门的技术之一，已经在图像处理领域获得了应用，并且展现出巨大的前景。本阶段学习了数字图像的基本数据结构和处理技术，到前沿的深度学习处理方法。掌握前沿的ResNet,SSD,FasterRCNN等深度学习模型，对图像分类，目标检测和模式识别等图像处理主要领域达到先进水平。实际工作中很多项目都可以转化为本课程的所学的知识去解决，如行人检测，人脸识别和数字识别。一、图像基础图像读，写，保存，画图（线，圆，多边形，添加文字）二、图像操作及算数运算图像像素读取，算数运算，ROI区域提取三、图像颜色空间运算图像颜色空间相互转化四、图像几何变换平移，旋转，仿射变换，透视变换等五、图像形态学腐蚀，膨胀，开/闭运算等六、图像轮廓长宽，面积，周长，外接圆，方向，平均颜色，层次轮廓等七、图像统计学图像直方图八、图像滤波高斯滤波，均值滤波，双边滤波，拉普拉斯滤波等阶段八、人工智能终极实战－项目应用本阶段重点以项目为导向，通过公安系统人脸识别、图像识别以及图像检索、今日头条CTR广告点击量预估、序列分析系统、聊天机器人等多个项目的讲解，结合实际来进行AI的综合运用。项目一：公安系统人脸识别、图像识别使用深度学习框架从零开始完成人脸检测的核心技术图像类别识别的操作，从数据预处理开始一步步构建网络模型并展开分析与评估，方便大家快速动手进行项目实践！识别上千种人靓，返回层次化结构的每个人的标签。项目二：公安系统图像检索本项目基于卷积神经网在训练过程中学习出对应的『二值检索向量』，对全部图先做了一个分桶操作，每次检索的时候只取本桶和临近桶的图片作比对，而不是在全域做比对，使用这样的方式提高检索速度，使用Tensorflow框架建立基于ImageNet的卷积神经网络，并完成模型训练以及验证。项目三：今日头条CTR广告点击量预估点击率预估是广告技术的核心算法之一，它是很多广告算法工程师喜爱的战场。广告的价值就在于宣传效果,点击率是其中最直接的考核方式之一,点击率越大,证明广告的潜在客户越多,价值就越大,因此才会出现了刷点击率的工具和技术。通过对于点击量的评估，完成对于潜在用户的价值挖掘。项目四：序列分析系统时间序列分析(TimeSeriesAnalysis)是一种动态数据处理的统计方法，主要基于随机过程理论和数理统计方法，研究随机数据序列所遵从的统计规律以便用于解决实际问题。主要包括自相关分析等一般的统计分析方法，构建模型从而进行业务推断。经典的统计分析是假定数据序列具有独立性，而时间序列分析则侧重于研究数据样本序列之间的依赖关系。时间序列预测一般反应了三种实际变化规律：趋势变化、周期性变化和随机性变化。时间序列预测常应用于国民经济宏观控制、企业经营管理、市场潜力量预测、天气预报、水文预报等方面，是应用于金融行业的一种核心算法之一。项目五：京东聊天机器人/智能客服聊天机器人/智能客服是一个用来模拟人类对话或者聊天的一个系统，利用深度学习和机器学习等NLP相关算法构建出问题和答案之间的匹配模型，然后可以将其应用到客服等需要在线服务的行业领域中，聊天机器人可以降低公司客服成本，还能够提高客户的体验友好性。在一个完整的聊天机器人实现过程中，主要包含了一些核心技术，包括但不限于：爬虫技术、机器学习算法、深度学习算法、NLP领域相关算法。通过实现一个聊天机器人可以帮助我们队AI整体知识的一个掌握。项目六：机器人写诗歌机器人写诗歌/小说是一种基于NLP自然语言相关技术的一种应用，在实现过程中可以基于机器学习相关算法或者深度学习相关算法来进行小说/诗歌构建过程。人工智能的一个终极目标就是让机器人能够像人类一样理解文字，并运用文字进行创作，而这个目标大致上主要分为两个部分，也就是自然语言理解和自然语言生成，其中现阶段的主要自然语言生成的运用，自然语言生成主要有两种不同的方式，分别为基于规则和基于统计，基于规则是指首先了解词性及语法等规则，再依据这样的规则写出文章；而基于统计的本质是根据先前的字句和统计的结果，进而判断下一个子的生成，例如马尔科夫模型就是一种常用的基于统计的方法。项目七：机器翻译系统机器翻译又称自动翻译，是指利用计算机将一种自然语言转换为另外一种自然语言的过程，机器翻译是人工智能的终极目标之一，具有很高的研究价值，同时机器翻译也具有比较重要的实用价值，机器翻译技术在促进政治、经济、文化交流等方面起到了越来越重要的作用；机器翻译主要分为以下三个过程：原文分析、原文译文转换和译文生成；机器翻译的方式有很多种，但是随着深度学习研究取得比较大的进展，基于人工网络的机器翻译也逐渐兴起，特别是基于长短时记忆(LSTM)的循环神经网络(RDD)的应用，为机器翻译添了一把火。项目八：垃圾邮件过滤系统邮件主要可以分为有效邮件和垃圾邮件两大类，有效邮件指的邮件接收者有意义的邮件，而垃圾邮件转指那些没有任何意义的邮件，其内容主要包含赚钱信息、成人广告、商业或者个人网站广告、电子杂志等，其中垃圾邮件又可以发为良性垃圾邮件和恶性垃圾邮件，良性垃圾邮件指的就是对收件人影响不大的信息邮件，而恶性垃圾邮件指具有破坏性的电子邮件，比如包含病毒、木马等恶意程序的邮件。垃圾邮件过滤主要使用使用机器学习、深度学习等相关算法，比如贝叶斯算法、CNN等，识别出所接收到的邮件中那些是垃圾邮件。项目九：手工数字识别人认知世界的开始就是从认识数字开始的，深度学习也一样，数字识别是深度学习的一个很好的切入口，是一个非常经典的原型问题，通过对手写数字识别功能的实现，可以帮助我们后续对神经网络的理解和应用。选取手写数字识别的主要原因是手写数字具有一定的挑战性，要求对编程能力及神经网络思维能力有一定的要求，但同时手写数字问题的复杂度不高，不需要大量的运算，而且手写数字也可以作为其它技术的一个基础，所以以手写数字识别为基础，贯穿始终，从而理解深度学习相关的应用知识。项目十：癌症筛选检测技术可以改变癌症患者的命运吗，对于患有乳腺癌患者来说，复发还是痊愈影响这患者的生命，那么怎么来预测患者的患病结果呢，机器学习算法可以帮助我们解决这一难题，本项目应用机器学习logistic回归模型，来预测乳腺癌患者复发还是正常，有效的预测出医学难题。项目十一：葡萄酒质量检测系统随着信息科技的快速发展,计算机中的经典算法在葡萄酒产业中得到了广泛的研究与应用。其中机器学习算法的特点是运用了人工智能技术,在大量的样本集训练和学习后可以自动地找出运算所需要的参数和模型。项目十二：淘宝网购物篮分析推荐算法购物篮分析(MarketBasketAnalysis)即非常有名的啤酒尿布故事的一个反应，是通过对购物篮中的商品信息进行分析研究，得出顾客的购买行为，主要目的是找出什么样的物品会经常出现在一起，也就是那些商品之间是有很大的关联性的。通过购物篮分析挖掘出来的信息可以用于指导交叉销售、追加销售、商品促销、顾客忠诚度管理、库存管理和折扣计划等业务；购物篮分析的最常用应用场景是电商行业，但除此之外，该算法还被应用于信用卡商城、电信与金融服务业、保险业以及医疗行业等。项目十三：手工实现梯度下降回归算法梯度下降法（英语：Gradientdescent）是一个一阶最优化算法，通常也称为最速下降法。要使用梯度下降法找到一个函数的局部极小值，必须向函数上当前点对应梯度（或者是近似梯度）的反方向的规定步长距离点进行迭代搜索。如果相反地向梯度正方向迭代进行搜索，则会接近函数的局部极大值点；这个过程则被称为梯度上升法。项目十四：基于TensorFlow实现回归算法回归算法是业界比较常用的一种机器学习算法，通过应用于各种不同的业务场景，是一种成熟而稳定的算法种类；TensorFlow是一种常用于深度学习相关领域的算法工具；随着深度学习热度的高涨，TensorFlow的使用也会越来越多，从而使用TensorFlow来实现一个不存在的算法，会加深对TensorFlow的理解和使用；基于TensorFlow的回归算法的实现有助于后续的TensorFlow框架的理解和应用，并可以促进深度学习相关知识的掌握。项目十五：合理用药系统合理用药系统，是根据临床合理用药专业工作的基本特点和要求，运用NLP和深度学习技术对药品说明书，临床路径等医学知识进行标准化，结构化处理。如自动提取药品说明书文本里面的关键信息如：药品相互作用，禁忌，用法用量，适用人群等，实现医嘱自动审查，及时发现不合理用药问题，帮助医生、药师等临床专业人员在用药过程中及时有效地掌握和利用医药知识，预防药物不良事件的发生、促进临床合理用药工作。项目十六：行人检测行人检测是利用图像处理技术和深度学习技术对图像或者视频序列中是否存在行人并给予精确定位。学习完行人检测技术后，对类似的工业缺陷检测，外观检测和医疗影像检测等目标检测范畴类的项目可以一通百通。该技术可与行人跟踪，行人重识别等技术结合，应用于人工智能系统、车辆辅助驾驶系统、智能机器人、智能视频监控、人体行为分析、智能交通等领域。由于行人兼具刚性和柔性物体的特性，外观易受穿着、尺度、遮挡、姿态和视角等影响，使得行人检测成为计算机视觉领域中一个既具有研究价值同时又极具挑战性的热门课题。项目十七：时间序列算法模型拿到一个观察序列后，首先要对它的平稳性和纯随机性进行检验，这两个重要的检验称为序列的预处理。根据检验的结果可以将序列分为不同的类型，对不同的类型我们采用不同的分析方法。1）移动平均法(MA)2）自回归模型(AR)AR模型是一种线性预测，即已知N个数据，可由模型推出第N点前面或后面的数据（设推出P点）。本质类似于插值，其目的都是为了增加有效数据，只是AR模型是由N点递推，而插值是由两点（或少数几点）去推导多点，所以AR模型要比插值方法效果更好。3）自回归滑动平均模型(ARMA)其建模思想可概括为：逐渐增加模型的阶数，拟合较高阶模型，直到再增加模型的阶数而剩余残差方差不再显著减小为止。4）指数平滑法移动平均法的预测值实质上是以前观测值的加权和，且对不同时期的数据给予相同的加权。这往往不符合实际情况。指数平滑法则对移动平均法进行了改进和发展，其应用较为广泛。基本思想都是：预测值是以前观测值的加权和，且对不同的数据给予不同的权，新数据给较大的权，旧数据给较小的权。根据平滑次数不同，指数平滑法分为：一次指数平滑法、二次指数平滑法和三次指数平滑法等项目十八：PySpark大数据机器学习框架Spark由AMPLab实验室开发，其本质是基于内存的快速迭代框架，“迭代”是机器学习最大的特点，因此非常适合做机器学习。得益于在数据科学中强大的表现，Python是一种解释型、面向对象、动态数据类型的高级程序设计语言，结合强大的分布式内存计算框架Spark，两个领域的强者走到一起，自然能碰出更加强大的火花（Spark可以翻译为火花）。 Spark的PythonAPI几乎覆盖了所有ScalaAPI所能提供的功能，只有极少数的一些特性和个别的API方法，暂时还不支持。但通常不影响我们使用SparkPython进行编程。项目十九：天池、kaggle比赛2014年3月，阿里巴巴集团董事局主席马云在北京大学发起“天池大数据竞赛”。首届大赛共有来自全球的7276支队伍参赛，海外参赛队伍超过148支。阿里巴巴集团为此开放了5.7亿条经过严格脱敏处理的数据。2014年赛季的数据提供方为贵阳市政府，参赛者根据交通数据模拟控制红绿灯时间，寻找减轻道路拥堵的方法。 Kaggle是一个数据分析的竞赛平台，网址：https://www.kaggle.com/企业或者研究者可以将数据、问题描述、期望的指标发布到Kaggle上，以竞赛的形式向广大的数据科学家征集解决方案，类似于KDD-CUP（国际知识发现和数据挖掘竞赛）。Kaggle上的参赛者将数据下载下来，分析数据，然后运用机器学习、数据挖掘等知识，建立算法模型，解决问题得出结果，最后将结果提交，如果提交的结果符合指标要求并且在参赛者中排名第一，将获得比赛丰厚的奖金。项目二十：量化交易量化交易(QuantitativeTrading)是指借助现代统计学和数学的方法，利用计算机技术来进行交易的证券投资方式。量化交易从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略，用数量模型验证及固化这些规律和策略，然后严格执行已固化的策略来指导投资，以求获得可以持续的、稳定且高于平均收益的超额回报。 量化交易起源于上世纪七十年代的股票市场，之后迅速发展和普及，尤其是在期货交易市场，程序化逐渐成为主流。有数据显示，国外成熟市场期货程序化交易已占据总交易量的70%-80%，而国内则刚刚起步。手工交易中交易者的情绪波动等弊端越来越成为盈利的障碍，而程序化交易天然而成的精准性、100%执行率则为它的盈利带来了优势。阶段九、百度云实战体系课程一、深入理解百度云计算基础产品/基于百度云弹性计算服务实现基础架构解决方案全面介绍BCC（CDS、EIP）、BLB、RDS、BOS、VPC等百度云弹性计算服务，介绍百度云的安全防护方案，深入介绍传统架构下如何通过百度云弹性计算服务快速构建更稳定、安全的应用； 认证培训专家将通过深入浅出，理论和实践相结合的课程帮助学员深入掌握百度云弹性计算服务。1）快速体验百度云服务器BCC的功能全貌2）基于BCC的云磁盘CDS的操作与管理3）基于BCC的磁盘快照、自定义镜像的操作与管理4）基于自定义镜像快速生成BCC的实验5）基于磁盘快照实现数据备份与恢复的最佳实践6）基于百度云安全组完成定义IP＋端口的入站和出站访问策略7）快速体验百度云私有网络VPC的功能全貌8）基于百度云VPC+VPN快速搭建Stie-to-Stie的混合云架构9）在百度云VPC网络下实现NAT地址映射的实践10）快速体验百度云数据库RDS的功能全貌11）云数据库RDS的备份与恢复操作体验12）熟悉数据传输服务DTS的使用13）快速体验百度云负载均衡BLB的功能全貌14）快速体验百度云存储BOS的功能全貌15）快速体验百度云数据库RDS的功能全貌16）快速体验百度云内容分发网络CDN17）基于BLB、BCC、RDS、BOS和CDN快速部署Discuz论坛实现弹性架构综合实验18）快速体验百度云安全BSS和DDOS防护服务19）快速体验百度云监控BCM课程二、基于百度云的迁移上云实战基于百度云弹性计算服务的基础产品，实现传统IT架构迁移到百度云上的实战，为客户业务上云提升能力，提升客户上云前的信心，上云中和上云后的技术能力。以真实的客户案例，结合设计好的动手实验课提升实战经验，介绍了业务上云的过程、方法、工具以及案例等。1）基于BCC快速部署LNMP基础环境2）基于BCC快速部署LAMP基础环境3）基于BCC快速部署MySQL数据库4）基于BCC快速部署MSSQL数据库服务5）基于BCC快速部署Tomcat基础环境6）云数据库RDS结合数据传输服务DTS实现数据迁移上云的最佳实践7）基于BOS桌面实现BOS的可视化管理8）基于BOSFS实现BOS服务挂载到本地文件系统9）基于BOS-Util实现BOS的批量文件操作的演示10）基于BOSCLI实现BOS文件的单机操作课程三、在百度云平台上进行开发全面介绍使用百度云产品进行应用开发，理解百度云主要产品特性，包括BCC、BOS、RDS、SCS在应用开发中的使用，结合实际应用开发案例全面的介绍整个开发流程和百度云产品使用方法，以提升学员开发技能和了解百度云产品开发特点，根据一天或者两天的课程，提供多个实际动手实验，认证讲师指导实验，真正做到学以致用，为学员实现上云开发保驾护航。1）基于百度云OpenAPI实现简化版控制台的综合实验2）基于百度云BOSOpenAPI实现简化版的百度网盘课程四、百度云“天工·智能物联网”与“天像·智能多媒体”服务平台介绍与案例分析百度天工物联平台是“一站式、全托管”的物联网服务平台，依托百度云基础产品与服务，提供全栈物联网核心服务，帮助开发者快速搭建、部署物联网应用。通过全面介绍天工的IoTHub、IoTParser、RuleEngine、IoTDevice、BML、BMR、OCR和语音识别等产品与服务，解析天工典型的产品架构方案，应用到工业4.0、车联网、能源、物流和智能硬件等各行业解决方案。1）基于百度云LSS快速搭建音视频直播平台最佳实践2）基于百度云VOD快速搭建音视频点播平台最佳实践3）体验百度云音视频转码MCT的转码计算服务4）基于百度云文档服务DOC体验文档存储、转码、分发播放一站式服务体验5）基于百度云物接入IoTHub实现智能设备与百度云端之间建立安全的双向连接6）体验百度云的物管理IoTDevice端到端配置实践课程五、百度云“天智·人工智能”服务平台介绍与实战天智是基于世界领先的百度大脑打造的人工智能平台，提供了语音技术、文字识别、人脸识别、深度学习和自然语言NLP等一系列人工智能产品及解决方案，帮助各行各业的客户打造智能化业务系统。本课程力求对百度人工智能服务平台进行整体、全面的介绍，包括天智平台与解决方案介绍、主要产品（百度语音、人脸识别、文字识别、百度深度学习、百度机器学习BML、自然语言NLP等）的介绍、客户

AI学习资源推荐原则

权威：本文介绍的课程都是由国内外知名企业或高校推出的，课程内容的权威性、前沿性有保障。免费：课程基本都是免费的，就算收费也是象征性收1元那种。正版：所有课程资源都是发布者通过正规渠道发布的，而不是有些营销号那样收集很多收费课程的视频，通过病毒营销的方式传播。实用：我选的课程都是那种有代码的，你可以动手写程序实践。没有选那种只讲理论或者技术过于超前的课程。

针对人群

想进入人工智能领域的学生、在职人员以及高校老师。专业要求：不光是计算机专业，数学、统计、自动化、机械电子、通信、电气等理工类专业，或者经管、心理学等专业都可以学习。因为人工智能本来就是交叉学科，与上述学科都有交叉。

微软：人工智能公开课

这套课程通过服务和API、数据分析平台、深度学习框架和工具这三个部分介绍微软公有云平台Azue上与人工智能相关的服务、技术和工具产品。

比如，学习服务和API这部分课程，你可以通过微软的BotFramework–会话机器人框架，快速地搭建起自己的智能助手，同时支持各种不同的消息、应用渠道，比如手机应用、微信公众号、小程序等，让你的智能助手通过自然交流帮助用户完成一些复杂应用操作。

整套课程是由微软亚洲研究院和微软中国云计算事业部的开发人员主讲，课程内容都是中文的。虽说介绍的都是微软的平台，初学者可以从中学习到AI都有哪些技术，能干什么事情，况且从工程上讲，不要重复造轮子，如果别人的轮子好用，就用别人的就行了。

课程网址  http://t.cn/RC7oRj4

科大讯飞：AI大学

科大讯飞的优势在语音识别、语音合成、语义理解。这些都是人工智能领域关键的技术。滴滴、高德地图、携程等企业都在用他们的语音交互服务的接口。

课程都是中文的。

网址 http://t.cn/RuKdKdc

IBM：认知计算课程体系

IBM中国研究院认知计算系列课程从科研和产业相结合的角度，深入浅出地介绍了认知计算和人工智能技术的起源、发展和未来方向，以及机器学习和深度学习的基本、工具和应用。

课程分为六个部分：认知计算与人工智能、机器学习、机器学习与大数据、深度学习、CPU与认知计算、深度学习框架与工具。

课程网址 http://t.cn/RVofq4e

微软专业学位课程（MPP）

所有内容均由微软与哈佛、麻省理工等国际顶尖教育机构联手开发而来。与edX慕课平台合作，通过在线培训的方式提供给大家。以专家讲解和动手实验的方式帮助大家了解并学习专业技能经验。

近日正式上线的人工智能课程共分为四部分，从概念入门到技术解析，从实践应用到解决方案构建，可以帮助你掌握AI的基本原理和最新应用实践，并以此为基础开发自己的产品和服务。

通过9门必修课程和一个毕业设计项目，即可顺利习得人工智能相关的技能。

课程依据工作岗位需求规划，通过在线教学弭平数码鸿沟与技术升级。全面拥抱开源技术、培养可适用于不同平台的数据科学与人工智能等技能。严谨的线上课程，搭配Hands-on-lab在线操作和实例应用。上课与考试，确保学生对于AI技术有一定的掌握度。

课程网址  http://t.cn/RuKdcaj

除了人工智能的课程，MPP还有数据科学、大数据等课程，有兴趣的可以看http://t.cn/RuKgnhT

Google：机器学习速成课程

课程有个副标题：使用TensorFlowAPI，可见课程重点是介绍Google开发的人工智能学习系统TensorFlow。

这个课程节奏紧凑、内容实用，而且免费。从“汉化版”这方面讲，这门课做的可以说是很彻底了，从画面内容到课程声音再到字幕，全都有中文。虽然视频画面中讲课的人是老外，但声音仍为中文，只是听起来不那么自然，因为课程中的声音都是谷歌用机器学习技术生成的。

这门课程不仅有指导性课程视频，还有练习题以及交互性可视化内容，将学习和实践融为一体。谷歌将其定义为“机器学习热爱者的自学指南”。

不过课程网站和视频都在墙外，需要科学上网才能学习，请自备梯子。

课程网址 https://developers.google.com/machine-learning/crash-course

哥伦比亚大学：人工智能微硕士课程

跟微软的MPP课程一样，哥伦比亚的这套课程也是在慕课平台edx上，包含四门课：

ArtificialIntelligence(AI)MachineLearningRoboticsAnimationandCGIMotion

完成了微硕士（MicroMasters）课程的学习，可以申请哥大计算机专业硕士的学分，不过你首先得是哥大的学生，或者即将是哥大的学生（微硕士的学分两年内有效）。

课程网址 http://t.cn/RI6Fy6u

coursera

coursera是著名的MOOC平台，人工智能和机器学习领域国际上最权威的学者吴恩达就是它的创始人之一。要说人工智能相关的课程，在coursera上可真的太多了，比如：

台湾大学的人工智慧IBM的AppliedAIwithDeepLearningIntel的AnIntroductiontoPracticalDeepLearning