戰斗民族的ML戰斗力越來越強了，現在跑到reddit上安利起了自己的課程。
這個課程的名字叫mlcourse.ai，是一套開放、免費的機器學習課程，課程為期10周，包含5大主題12個部分。
主題1 使用Pandas探索數據分析
主題2
-Python可視化數據分析
-Seaborn、Matplotlib和Plotly庫概述主題3 分類、決策樹和k近鄰算法
主題4 線性分類和回歸
-Part 1 普通最小二乘法
-Part 2 邏輯回歸
-Part 3 正則化
-Part 4 優點和缺點
-Part 5 驗證和學習曲線主題5 算法和隨機森林
-Part 1 Bagging
-Part 2 隨機森林
-Part 3 特征重要性
如果想學這套課程的話，需要在國慶節之前填表（鏈接在文末），10月1日正式開課，學到12月9日就結束了，那一天正好是24節氣中的大雪。
mlcourse.ai課程在github上已經獲得了超過1900顆星，其中包含很多練習的部分，而且每周都會有作業，還有課程內的Kaggle比賽。
課程的發布者說，這套課程的重點是完美結合了理論與實踐，還有互動的激勵機制讓你能堅持下去，另外還有一個大型社區提供支持，可以去社區里問作業。
這套課程其實不太適合24k純初學者的，也即是說，需要一定的數學和Python基礎。
數學部分包括微積分、線性代數、概率論與數理統計；Python部分需要懂DataQuest，DataCamp甚至CodeAcademy這些東西。
如果你需要補充知識的話，可以去讀Ian Goodfellow、Yoshua Bengio和Aaron Courville寫的那本《深度學習》，或者Marc Peter Deisenroth、A Aldo Faisal和Cheng Soon Ong的《機器學習數學基礎》。（文末有鏈接）
如果還覺得這些數學不夠酸爽，可以去MIT的公開課網站上刷數學。（文末有鏈接 1）
另外，你最好是個github用戶，還懂一些bash和Docker。（文末有鏈接 2）
雖然從目錄來看，課程比較短，但是畢竟只有10周，所以課程節奏會很快，每周至少需要5~6個小時來學習。如果你想認真投入到課程內的Kaggle競賽的話，那可能每周20~25個小時都有。
有二刷的同學評論說，這是初級中級水平最好的實用教材之一，需要提前學習線性代數。雖然課程中大部分作業不算難，但是偶爾也會有幾個非常有挑戰性的題目，其中競賽的部分最難，不過確實對個人能力有很大提升。
也有網友問到該課程和吳恩達老師的Coursera課程比起來怎么樣，發布機構回應說：
吳恩達的課程已經過時了。
該機構認為，相比吳恩達，mlcourse.ai的成更難，需要的數學基礎更高；更新，不會在不起作用的事情上花太多時間；而且用的是Python而非Octave。
mlcourse.ai課程來自一個名為OpenDataScience的機構，他們號稱匯集了15000名說俄語的數據科學家。
此前他們已經用俄語講過一次mlcourse.ai課程了，10月這次是本課程第二次推出了，放心，這次是英文版。
當然，編寫者基本都是說俄語的科學家。比如主創人員之一Yury Kashnitskiy，畢業于號稱“俄羅斯MIT”莫斯科物理技術學院，目前是荷蘭皇家KPN電信集團的數據分析師。
課程主頁：
https://mlcourse.ai/
課程申請表：
https://docs.google.com/forms/d/e/1FAIpQLSevId-XgOe6n3m-RTbXQfeN-KpyMdvkzCDoG2BL6m90EBfasQ/viewform
（看到google域名了沒？打不開的話想想是為什么）
課程資源列表（包含github和視頻）：
https://mlcourse.ai/resources
《深度學習》github譯本：
https://github.com/exacity/deeplearningbook-chinese
《機器學習數學基礎》：
https://mml-book.github.io/
MIT的數學課：
https://ocw.mit.edu/courses/mathematics/
github小白指南：
http://try.github.io/
Docker小白指南：
https://github.com/Yorko/mlcourse.ai/wiki/Software-requirements-and-Docker-container
— 完 —
加入社群
