https://mp.weixin.qq.com/s/JGXe2CmOdTweHjRJPOgiLg
1.スタンフォード「確率と統計(確率と統計)」
リンクします。https://online.stanford.edu/courses/gse-yprobstat-probability-and-statistics
2.MIT「線形代数(線形代数)」
リンクします。https://ocw.mit.edu/courses/mathematics/18-06-linear-algebra-spring-2010/
3.スタンフォードCS231N「視覚的な認識のための畳み込みニューラルネットワーク(視覚認識のための畳み込みニューラルネットワーク)」
リンク:httpsの:? //Www.youtube.com/playlistリスト= PLzUTmXVwsnXod6WNdg57Yc3zFx_f-RYsq
4.fastai「本物のプログラマは深い学習(コーダーのための実用的なディープ・ラーニング)」
リンクします。https://course.fast.ai/
5. スタンフォードCS224N「深い学習NLP(ディープ学習と自然言語処理) 」
リンク:httpsの:? //Www.youtube.com/playlistリスト= PLU40WL8Ol94IJzQtileLTqGZuXtGlLMP_
6. スタンフォードコーセラの「機械学習」。
リンクします。https://www.coursera.org/learn/machine-learning
7.スタンフォード「確率的グラフィカルモデルの特別コース(確率グラフィカルモデルの専門)」
リンクします。https://www.coursera.org/specializations/probabilistic-graphical-models
8. DeepMind「強化学習の入門コース(強化学習の概要)」
リンクします。https://www.youtube.com/watch V = 2pWv7GOvuf0&リスト= PLqYmG7hTraZDM-OYHWgPebj2MfCFzFObQ?
9.フルスタックディープラーニング「フルスタックの深さの研究合宿(フルスタックディープ学習合宿)
リンクします。https://fullstackdeeplearning.com/march2019
「:トップKaggler学習(どのようにデータサイエンス競争に勝つために:トップKagglersから学ぶ)データ科学コンテストを勝つためにどのように」10コーセラ
リンクします。https://www.coursera.org/learn/competitive-data-science