翻譯 | AI科技大本營（公眾號ID：rgznai100）

校對 | 成龍

編輯 | 明明

Intel於近期釋出了三門AI系列的免費課程，分別是關於機器學習基礎、深度學習基礎、TensorFlow基礎三個方面。據悉，該系列免費課程主要針對研究生階段的學生，營長將三門課程概要及連結整理如下。

▌課程1：機器學習基礎

概要

本課程介紹了Intel架構中的機器學習基礎知識。涵蓋的主題包括：

• 回顧了機器學習可以解決的問題型別

• 理解機器學習演算法中的各組成模組

• 學習在機器學習中構建模型的基礎知識

• 探索關鍵演算法

在本課程結束時，學生將瞭解以下內容：

• 監督學習演算法

• 機器學習關鍵概念：如過擬合，正則化和交叉驗證

• 如何識別待解決問題的型別，選擇正確的演算法，調整引數並驗證模型

本次免費課有12周的課程，每週至少需要3個小時才能完成。並且這些課程的練習需要用Python來實現。

課程網址

▌課程2：深度學習基礎

概要

本課程介紹了Intel架構中的深度學習基礎知識。深度學習在計算機視覺和自然語言處理方面所實現的優異表現，使其在業界引起了極大關注。

在本課程結束時，學生將對以下內容有一個明確的理解：

• 深度學習的技術，專業術語和有關數學知識

• 神經網路基本框架：前饋神經網路，卷積神經網路和迴圈神經網路

• 如何適當地構建和訓練這些模型

• 各種深度學習應用

• 如何使用預先訓練好的模型獲得最佳結果

本次免費課有12周的課程，每週至少需要3個小時才能完成。

課程網址

▌課程3：TensorFlow基礎

概要

TensorFlow是一個流行的機器學習框架和資料流程式設計的開源庫。在本課程中，您將瞭解：

• 用TensorFlow構建模型的基礎

• 機器學習基礎知識：如線性迴歸，損失函式，梯度下降

• 重要的技術：如標準化、正則化和小批量處理（mini-batching）

• “核化”以及如何將它們應用於卷積神經網路（CNN）

• CNN的基本模板以及不同的可調引數

• TFRecord, queues, coordinators

在本課程結束時，學生將對以下內容有一個明確的理解：

• 基礎網路結構，卷積核，池化和多分類任務

• 如何將基礎網路擴充套件到更復雜的網路

• 通過在現有網路上使用遷移學習來利用它們的優勢

本次免費課有8周的課程，每週至少需要3個小時才能完成。

課程網址