斯坦福全新机器学习课程，以及一些推荐

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_