：COO、执行总编、主编、高级编译、主笔、运营总监、客户经理、咨询总监、行政助理等 9 大岗位全面开放。

　　简历投递：j[email protected]

　　HR 微信：13552313024

　　新智元为COO和执行总编提供最高超百万的年薪激励；为骨干员工提供最完整的培训体系、高于业界平均水平的工资和奖金。

　　加盟新智元，与人工智能业界领袖携手改变世界。

　　【新智元导读】Hackerlists 盘点了机器学习十大免费入门课程，都可以在线学习。其中包括吴恩达在 Coursera上的机器学习。从授课内容来看，涵盖了案例研究、统计学习、回归、无监督机器学习隐马尔可夫模型Python 等方面。

　　1. 机器学习

　　https://www.coursera.org/learn/machine-learning#

　　授课：Andrew Ng

　　制作：斯坦福大学

　　开课时间：10月31日

　　这是本列表中最受欢迎的课程。该课程将广泛介绍机器学习、数据挖掘和统计模式识别。

　　相关主题包括：

监督式学习（参数和非参数算法、支持向量机、核函数和神经网络）。

无监督学习（集群、降维、推荐系统和深度学习）。

机器学习实例（偏见/方差理论；机器学习和AI领域的创新）。

　　课程将引用很多案例和应用，你还需要学习如何在不同领域应用学习算法，例如智能机器人（感知和控制）、文本理解（网络搜索和垃圾邮件过滤）、计算机视觉、医学信息学、音频、数据库挖掘等领域。

　　本课程持续11周，用户评分平均4.9/5.0分。课程免费，你也可以在完成课程后花79美元获得证书。

　　2. 机器学习基础：案例研究

　　https://www.coursera.org/learn/ml-foundations

　　授课：Carlos Guestrin, Emily Fox

　　制作：华盛顿大学

　　开课时间：10月24日

　　本课程将让你从一系列案例研究中获得机器学习的实践经验。学完本课程，你将学会如何根据房屋特征预测房价，分析用户评论的情绪，检索感兴趣的文档，开奖，推荐产品，以及搜索图片。通过这些实用案例，你将能够在各种领域中应用机器学习方法。

　　学完本课程，你将能够：

发掘机器学习的潜在应用

描述回归、分类和聚类的核心区别

为潜在的应用选择合适的机器学习任务

应用回归、分类、聚类、数据检索、推荐系统，以及深度学习

把数据表示为机器学习模型输入的特征

根据每个任务的相关误差度量评估模型质量

使用数据集来拟合模型以分析新数据

构建一个核心使用机器学习的端到端的应用程序

用Python实现这些技术

　　本课程将持续6周，每周要求5-8小时的投入。用户评分平均4.6/5.0分。课程免费，你也可以在完成课程后花59美元获得证书。

　　3. 从数据中学习（机器学习导论）

　　https://www.edx.org/course/learning-data-introductory-machine-caltechx-cs1156x#!

　　授课：Yaser S. Abu-Mostafa

　　制作：加州理工学院

　　本课程是机器学习的入门课程，将涵盖基本理论，算法和应用程序。本课程平衡理论和实践，并覆盖数学和启发式算法。讲座的以故事性的风格进行：

什么是学习？

机器能学习吗？

怎样使机器学习？

怎样使机器好好学习？

拓展讲座

　　你将：

了解机器学习的基本理论原则、算法和应用

了解机器学习理论与实践之间的联系

掌握机器学习的数学和启发式算法及其在现实世界中的应用

　　本课程持续10周，每周要求10-20小时的投入。课程免费，你也可以在完成课程后花49美元获得证书。

　　4.统计学习

　　授课：Trevor Hastie, Rob Tibshirani

　　机构：斯坦福大学

　　这是一个介绍性的有监督学习课程，重点是回归和分类方法。

　　教学大纲如下：

线性回归和多项式回归，逻辑回归和线性判别分析

交叉验证和自举，模型选择和正则化方法（ridge和lasso）

非线性模型，样条和广义可加模型

基于树的方法，随机森林和boosting；支持向量机

　　此外，课程还会讨论一些无监督学习方法，例如主成分和聚类