秋招已進入尾聲，網際網路行業也逐漸進入冬天，很多大廠都傳來了縮招或停止招聘的訊息。但由一些崗位仍然是求賢若渴，即人工智能、大資料行業。在近日的世界網際網路大會上，這兩個也是熱門話題，可以預見到，這些行業在未來的十年裡都是比較熱門的。可以說，誰掌握了資料和人工智能，它就掌握了未來。是以，對于那些還在猶豫是否進入這一領域的人來說，在掌握一門傍身技能的同時，如果不想在之後的時代裡落伍，那就趕緊補充這方面的技能吧。網上關于這方面的學習資源有很多，讓人無從下手。本文總結了一系列免費的機器學習和資料科學課程，友善讀者在這個冬天及行業冬天裡補充和提升自己。課程範圍涵蓋入門機器學習（Machine Learning）、深度學習（Deep Learning）及自然語言處理（NLP）等。如果在閱讀此清單後，你還有些其它好的學習資料，可以在下面的留言欄給出相關的學習連結。
1. 計算思維和資料科學簡介|MIT
6.0002是6.0001計算機科學和Python程式設計簡介的延續，适用于程式設計經驗很少或沒有程式設計經驗的學生。它旨在讓學生了解計算在解決問題方面可以發揮的作用，并讓其對自己有所幫助。無論屬于什麼專業，他們都有理由相信他們能夠編寫出一些小程式，使其能夠實作一些有用的目标。本教程使用Python3.5。
2. 機器學習|Stanford
本課程提供機器學習和統計模式識别的基礎介紹。主要主題包括：監督學習（生成/判别學習、參數/非參數學習、神經網絡、支援向量機）; 無監督學習（聚類、降維、核方法）; 學習理論（偏差/方差權衡、VC理論、最大邊緣）; 強化學習和自适應控制。本課程還将讨論機器學習的最新應用，例如機器人控制、資料挖掘、自主導航、生物資訊學、語音識别以及文本和網頁資料處理。
3. 針對程式設計者的機器學習簡介|fast.ai
本課程有大約24小時學時，但如果你想完成所有的學習素材，你應該計劃每周花大約8小時，為期12周。該課程是以
舊金山大學資料科學碩士課程記錄的筆記為基礎。學習之前，本教程假設學習者具備至少一年的編碼經驗，如果你沒有達到這個要求，那麼需要複習一些高數中學到的知識，以及做一些額外的學習來更新掌握的知識。
4. 機器學習速成課程|Google
準備好開始實戰機器學習了嗎？通過速成課程的學習和應用一些基本的機器學習概念，以及在Kaggle競賽中獲得的真實的體驗，或者通路Google AI學習來首頁探索完整的學習資源庫來進行機器學習實戰。
5. 深度學習簡介|MIT
本課程是一門深度學習方法入門課程，教程中涵蓋機器翻譯、圖像識别、遊戲、圖像生成等應用場景。此外，本教程也是一個TensorFlow實驗室和同行合作的課程，課程結束時可以提供一些項目建議，你回得到從業人員和行業贊助商小組的回報。
6. 針對程式設計者的深度學習實戰（part I）|fast.ai
歡迎閱讀2018年版fast.ai的為期7周的課程，深度學習實戰第1部分。該教程是由Enlitic的創始人傑裡米·霍華德（Jeremy Howard）講授。學習如何在不需要研究所學生水準數學知識的情況下建立最先進的模型，同時也不會疏忽任何事情，并且該學習社群有成千上萬的其他學習者，在整個學習過程中，如果你有任何學習的問題需要幫助時，請前往forums.fast.ai，相信你的小夥伴們能夠給予及時且準确的回答。請注意，本課程還有第二部分：
針對程式設計者的深度學習實戰（part II）。
7. 自然語言處理 |Yandex
該課程為期七周，分别講述詞嵌入、文本分類、語言模型、注意機制、最大期望以及機器翻譯。
8. 從語言到資訊|Stanford
線上世界以語言和社交網絡的形式提供大量非結構化資訊。本課程将教你學習如何了解它以及如何通過語言與人類互動，互動的形式不局限于回答，還包括提供建議等。
9. 實用強化學習|Yandex
- 出于好奇心：對于未詳細介紹的所有材料，可以連結到更多相關資訊和材料（D.Silver / Sutton / blogs / whatever）。如果你想深入挖掘，完成作業将将會有部分獎勵。
- 出于實用性：解決強化學習問題所必需的知識都是值得一提。本課程不會避免涉及技巧和啟發式。對于每個主要的想法，都應該有一次試驗，通過實踐讓你在實際問題上“感受”它。
10. 針對程式設計者的計算線性代數| fast.ai
本課程的重點是以下問題：如何以可接受的速度和可接受的準确度進行矩陣計算？
本課程于2017年夏季在舊金山大學的分析科學碩士課程中講授。本課程使用Jupyter筆記本進行Python教學，使用Scikit-Learn和Numpy等大多數擴充庫，以及Numba（将Python編譯為C以獲得更快性能的庫）和PyTorch（GPU替代Numpy）。
作者資訊
Matthew Mayo，機器學習和資料科學
本文由阿裡雲雲栖社群組織翻譯。
文章原标題《10 Free Must-See Courses for Machine Learning and Data Science》，譯者：海棠，審校：Uncle_LLD。
文章為簡譯，更為詳細的内容，
請檢視原文