すべてのAI公開コースが無料でご利用いただけます！ 14 のカテゴリ、230 のコース、6,000 以上の GitHub スター

十分に読書をして直感を養い、直感を信じて挑戦してみましょう。

たくさんの読書を通して直感を養い、自分の本能を信じて行動しましょう！

——ジェフリー・ヒントン

この記事はAI新メディアQuantum Bit（公開アカウントID：QbitAI）より許可を得て転載しています。転載の際は出典元にご連絡ください。

過去 2 年間で最も人気のある機械学習コースは、Andrew Ng の「機械学習」でしょう。

これはもともと、スタンフォード大学の Andrew Ng 氏が教えたコースでした。このコースのビデオはインターネット上の学習者から広く好評を博し、後に特別なオンライン コースが開始されました。

△Courseraプラットフォーム上の機械学習コース

最近では、ビデオコースを視聴して知識を学ぶことを選択する人が増えています。一方では、講師の指導により難しい内容を理解しやすくなり、他方では、通勤や待ち時間などの断片的な時間を最大限に活用することができます。

現在、ディープラーニングが人気を集めており、多くの人がコース動画を通じてさまざまな分野の知識を学んでいます。

多くの世界的に有名な大学が、ディープラーニングに興味のある世界中の学習者のために、授業や講義のビデオを公開しています。

しかし、どこで勉強するかは誰もが直面する難しい問題となっています。

今回ご紹介する Github リポジトリ「 Deep Learning Drizzle」は、著名な学術専門家による講座をはじめ、ディープラーニング関連の講座・講義動画が多数収録されています。

現在、このプロジェクトは Github で 6,000 以上のスターを獲得しており、フォークの数も 1.4K を超えています。

リポジトリ管理者は、14 のカテゴリに合計 232 のビデオ コースをまとめており、この数はまだ増加しています。これらには以下が含まれます:

• ディープニューラルネットワーク、43コース
• 機械学習の基礎（12 コース）
• 機械学習の最適化（機械学習最適化手法）、12 コース
• 一般的な機械学習、39 コース
• 強化学習、14コース
• ベイジアンディープラーニング、5コース
• グラフニューラルネットワーク、9コース
• 確率的グラフィカルモデル（5コース）
• 自然言語処理、10コース
• 自動音声認識（音声認識）5コース
• 現代のコンピュータビジョン、25コース
• ブートキャンプまたはサマースクール（サマーキャンプおよびサマースクール講義）、44コース
• 医用画像、5コース
• 人工知能の俯瞰（人工知能の概要）4コース

△ 現在倉庫にある全コースの一覧

以下では、各タイプのコースでカバーされる内容を簡単に紹介し、最も権威のあるコースのいくつかをお勧めします。

ディープニューラルネットワーク

主にニューラル ネットワークの動作原理と基本的なアプリケーションについて説明します。

おすすめコース

1. 機械学習のためのニューラルネットワーク

ジェフリー・ヒントン、トロント大学、2012/2014

[[279686]]

△トロント大学教授ジェフリー・ヒントン

ヒントンという名前を見た人は誰でも、必然的に身震いするだろう。彼はディープラーニングの創始者の一人であり、2019年のチューリング賞受賞者である。

2. CS231n: 視覚認識のためのCNN

ジャスティン・ジョンソン、スタンフォード大学、2015-2017

[[279687]]

△スタンフォード大学教授、中国学者 李菲菲

これは、中国の学者である李飛飛氏のチームによって制作され、過去 2 年間インターネット上で人気のあるコースでもあります。コースの内容は最新の研究結果に基づいて毎年更新されるため、コンピュータービジョンの入門コースとして最適です。

3.CS320: ディープラーニング

アンドリュー・ン、スタンフォード大学、2018年

[[279688]]

△元スタンフォード大学教授、中国学者アンドリュー・ン氏

中国の学者アンドリュー・ン氏自身が教えるディープラーニング講座、包括的なディープラーニングハンドブックに、専用のオンラインコースができました。

機械学習の基礎

機械学習の原理を深く理解するには、数学的な知識が不可欠です。このカテゴリには、線形代数、確率と統計、微積分、情報理論などの基礎数学コースが含まれます。

おすすめコース:

線形代数

ギルバート・ストラング、MIT

機械学習の最適化

最適化手法は、機械学習アルゴリズムの核心です。このカテゴリは最適化に基づいており、凸最適化コースと機械学習の最適化理論コースが含まれます。

おすすめコース

1. 凸最適化

スティーブン・ボイド、スタンフォード大学

△ボイドの凸最適化教科書の中国語版の表紙

Stephen Boyd 著の「凸最適化」は、中国の多くの大学の凸最適化コースの教科書です。今なら著者本人の講義を聞くチャンスです!

2. 最適化

ジェフ・ゴードン & ライアン・ティブシラニ、CMU

3. 凸最適化

ライアン・ティブシラニ、CMU

4. 機械学習のアルゴリズム的側面 / 高度なアルゴリズム

アンクル・モイトラ、MIT

一般的な機械学習

このカテゴリでは主に機械学習理論、統計的機械学習手法などを学びます。

おすすめコース

CS229: 機械学習

アンドリュー・ン、スタンフォード大学

[[279689]]

△ スタンフォード大学アンドリュー・ン氏の機械学習講座

Andrew Ng が教える機械学習コースでは、古典中の古典とも言える、一般的に使用されているさまざまな統計機械学習モデルについて詳しく説明されます。

強化学習

このカテゴリでは、主に強化学習の基礎と高度な技術を紹介します。有名な AlphaGo やさまざまなゲーム AI はすべて強化学習の産物です。

おすすめコース

1. 強化学習入門

デビッド・シルバー、ディープマインド

△ AlphaGo vs. 李世ドル

Deepmindは長年強化学習の分野で努力を続けてきました。AlphaGo、AlphaZero、Texas Hold'em AI、StarCraft AIなどは、すべて彼らの手によるものです。 Deepmind の研究者 David Silver が強化学習をどう説明しているかをご覧ください。

2. 深層強化学習

セルゲイ・レヴィン、カリフォルニア大学バークレー校

3. CS234: 強化学習

エマ・ブランスキル、スタンフォード大学

ベイジアンディープラーニング

主にベイジアンネットワークに基づくディープラーニング手法を教えます。

おすすめコース

ディープラーニングとベイズ法

伝説がいっぱい、HSEモスクワ

グラフニューラルネットワーク

近年、グラフニューラルネットワークに関する研究がますます増えています。グラフニューラルネットワークは、ソーシャルネットワークなどのグラフデータを効果的に処理できるため、注目されている研究分野です。

このセクションには、3次元幾何学に基づくディープラーニングコンテンツも含まれています。3Dビジョンも近年広く研究されているトピックです。

これらの指導は始まったばかりなので、主にワークショップや講義に基づいています。

確率的グラフィカルモデル

確率的グラフィカル モデルは研究で広く使用されています。たとえば、よく知られている隠れマルコフ モデル (HMM) や条件付きランダム フィールド (CRF) はすべて確率的グラフィカル モデルです。同時に、確率グラフ モデルはグラフ ニューラル ネットワークの基礎でもあります。

おすすめコース

確率的グラフィカルモデル

エリック・シン、CMU

このコースは、機械学習、計算生物学などの分野を専門とする中国人教授、邢波氏が教えています。

自然言語処理

このセクションでは、主にディープラーニングに基づく計算言語学と自然言語処理 (NLP) について紹介します。

おすすめコース

1. 自然言語処理のためのニューラルネットワーク

グラハム・ニュービッグ、CMU

2. ディープラーニングによる自然言語処理

アビゲイル・シー、クリス・マニング、リチャード・ソッチャー、スタンフォード大学

自動音声認識

主に音声認識にディープラーニング技術を適用する方法を教えます。

現代のコンピュータビジョン

いわゆる現代のコンピューター ビジョンには、実際には従来の方法とディープラーニングに基づく方法の 2 つの部分が含まれています。

このタイプのコースには、デジタル画像処理やコンピュータービジョンの分野における従来の手法の説明、写真、ビデオ処理、ロボット工学などの分野におけるディープラーニングの研究が含まれます。

おすすめコース

1. 畳み込みニューラルネットワーク

アンドリュー・ン、スタンフォード大学

2. CS205A: ロボット工学、視覚、グラフィックスの数学的手法

ジャスティン・ソロモン、スタンフォード大学

ブートキャンプまたはサマースクール

このパートは、有名大学のサマーキャンプやサマースクールでの特別講義が中心で、内容も最先端のものが多く一見の価値があります。

医療画像

主にサマースクールのコースとして、医療画像解析に機械学習の手法を使用する方法を教えます。

人工知能の鳥瞰図

このパートは主に専門家による講義とスピーチで構成されており、人工知能の発展方向、および人工知能と認知、感情、道徳、倫理、社会などの関係を探ります。これはテクノロジーを超えた人工知能のより高度な探究であり、人工知能をより深く理解するのに役立ちます。

最後に、プロジェクト ポータルは次のとおりです。

https://github.com/kmario23/deep-learning-drizzle