有關機器學習的十大免費線上課程
人工智慧是下一波科技趨勢。以機器學習來建構人工智慧系統，逐漸成為市場顯學。若想要學習「機器學習」相關技術，該如何著手？以下列舉有關機器學習的十大免費線上課程，不但適合初學者從頭開始，也很適合已有一些經驗的開發者精益求精。以下課程多為免費，不用註冊便可依自己的進度開始自學。
1. Introduction to Neural Networks and Machine Learning 神經網路和機器學習簡介
講師資訊：Geoffrey E. Hinton. University of Toronto. 2014
本課程採用「翻轉教學」的模式。與傳統講師單向授課方式不同，學員要先觀看 Geoffrey Hinton 所錄製的三段教學影片，然後在課堂上主動提出討論。
2. Introduction to Machine Learning 機器學習簡介
講師資訊：Russ Salakhutdinov. Director of AI Research at Apple.
本課程涵蓋機器學習的部分理論及統計方法，包括：
- 線性回歸方法
- 用於分類的線性模型
- 正規化方法
- 神經網路
3. Machine Learning and Pattern Recognition 機器學習和模式識別
講師資訊：Yann LeCun. Director of AI Research at Facebook 2010.
本課程不但提供模式識別、機器學習，統計模型及神經計算等各種主題，還包含數學方法與理論，但主要仍著重於實務及演算上的議題。
4. Machine Learning 機器學習
講師資訊：Kilian Weinberger. Cornell. 2017
本課程的目的在於介紹機器學習領域，並教導基本技能，使學員能編寫自己的學習演算法、決定使用哪種學習演算法來解決問題、進行評估並除錯。
5. Machine Learning and Adaptive Intelligence 機器學習和自動調適型智慧
講師資訊：Neil Lawrence. University of Sheffield, Director of Machine Learning at Amazon. 2015
本課程旨在幫助學員了解現代人工智慧的基礎技術，提供機率和統計模型的基本知識、監督式學習會用到的迴歸分析與分類，以及用於資料探勘的非監督式學習。
6. Introduction to Neural Networks and Machine Learning 神經網路和機器學習簡介
講師資訊：Roger Grosse. University of Toronto. 2017
本課程旨在概述神經網路算法的基本思想和最新進展。前 2/3 課程聚焦在監督式學習 – 訓練網路當有大量被標記的行為範例發生時產生一個特定的行為。後 1/3 課程著重於非監督式學習 – 此演算法不給予任何正確行為的範例，其目的在於找出資料中饒有興味的規律性。
7. Machine Learning 機器學習
講師資訊： Andrew Ng. Founder of Coursera. 2017
藉由這門課可學習到目前最有效率的機器學習技術，並藉由實作練習將其應用在自己的工作上。更能進一步了解矽谷目前在機器學習和人工智慧領域上的創新發展。本課程亦提供資料探勘、統計模式識別和機器學習的廣泛知識。
8. Machine Learning 機器學習
講師資訊：Tom Mitchell 與 Maria-Florina Balcan. Carnegie Mellon University. 2015
本課程主要對象為研究生，旨在讓想要深入探究機器學習的人員學到必要技術、數學和演算法，以及方法論。
9. Machine Learning 機器學習
講師資訊：Michael Littman、Charles Isbell 與 Pushkar Kolhe. Goergia Institute of Technology. 2017
本課程第一部分詳述監督式學習的一切，這項機器學習工作能讓電話能夠識別聲音、電子郵件以過濾垃圾郵件等等。第二部分則為非監督式學習。
10. Introduction to Machine Learning 機器學習簡介
講師資訊：Sargur Srihari. University at Buffalo. 2017
本課程涵蓋機器學習相關必要理論，原理及演算法。這些方法建構在統計和概率之上，為設計人工智慧系統的關鍵。
有興趣實作機器學習的朋友，可由 Apple 開發者官網中的 Machine Learning 取得最新資訊，同時也可以參考如何將 Core ML 整合進 app 的技術文件。