深度学习李宏毅和吴恩达谁的课比较好？

利用闲暇时间了解AI，希望学习时间自由度高一些。我们最经典重要的AI知识整理成图，并推荐经典学习材料和链接，希望AI爱好者高效清晰的掌握AI的精髓，真正无师自通。

学习路线

参考台湾大学李宏毅老师的LearningMap，制定了这次培训的LearningMap,图中学习的顺序也做了相关的标注。我们先从监督学习中的线性回归问题开始学习。因为机器学习需要一定的数学基础，有些数学知识还是大学的时候学习的，可能大家有些已经忘记了，所以在线性回归之前我们也准备了线性代数、概率论和资讯理论的材料供大家复习。

学习材料

主要参考资料

1、《机器学习课程-吴恩达网易公开课》

吴恩达机器学习课程对应的课件

（视频课程：http://open.163.com/special/opencourse/machinelearning.html）

2、《机器学习实战》

这本书将理论和实践相结合，里面会有一些演算法应用的实际例子，供大家参考，主要采用python语言。

3、《machinelearninginaction.zip》

包含《机器学习实战》中的每章节实践代码和数据。

4、《深度学习_中文.pdf》

一本主要介绍深度学习演算法的材料，前面的章节也包含了数据基础知识 和机器学习的简单介绍。

5、《统计学习方法（李航）.pdf》

李航老师的统计学方法主要介绍了几种经典的演算法，LR,SVM，CART等，推导和演算法也比较详细，建议仔细阅读。

6、《机器学习（周志华)》

周老师的这本书讲解比较详细，内容也很丰富，除了我们相关的章节， 其他的内容大家有时间也可以都看看。

7、《李宏毅深度学习2017视频》

youtube上可以观看，每节课对应的视频详细网址会具体给出。

8、《深度学习2017ppt.rar》

辅助参考资料

1、《机器学习基石视频》

2、《机器学习技法视频》

这两门课程都是由台湾林轩田老师主讲的，像决策树，随机森林，GBDT 在这门课程中都有讲解，想详细了解的同学可以选择对应的视频观看。youtube上可以看。

3、《麻省理工公开课：线性代数》

4、Gilbert Strang教授的网易公开课

文章链接：

人工智慧园地：AI爱好者们看过来，一张图让你入门AI?

zhuanlan.zhihu.com图标

入门的话吴恩达更简单

毕竟定位本身就低一点，吴恩达是给业余讲的，李宏毅是给有相关基础的硕士生甚至博士生讲的

建议先吴恩达系列学完再李宏毅

当然是李宏毅教授！

一是中文授课比起其他英文中字和英字的更好理解！中文课好理解！中文课更好理解！

对于英语不太好的同学，上来就要用英语学深度学习的数学知识，会很受挫！

李课程里的项目和论文都很新，同时也很生动，可以迅速的接触一些新东西！十分接地气，亲近年轻人，为了讲清楚一个概念或技术，PPT的可视化做的非常非常非常用心，简洁易懂。如果想通过中文视频学习Deep Learning，他的课是首选。这里diss下国内那些几十年不换PPT的老师……

放一张他课程里的PPT，用了动漫女主做例子，讲解Matrix Factorization，太生动了有没有。一个教授居然知道科学磁电炮、轻音少女平泽唯，哈哈哈~~~

PS：一定要参与作业！只听不做作业是没有效果的！

只看过李宏毅的课，跟著ppt走的，感觉还可以，就是有点听不清。。

这俩老师的水平肯定没得说，至于哪个课好。。。哪个老师你跟得上跟著轻松，哪个就好

都好，时间允许的话可以都看。不过吴恩达更容易入门。

两个都好，各有各的讲法，值得都看，并不浪费时间

李宏毅吧

推荐阅读：
相关文章