原文：
www.kdnuggets.com/2018/12/10-more-free-must-see-courses-machine-learning-data-science.html
评论
我们最后的集合 的免费机器学习和数据科学课程受到了好评，所以为什么不再编制一个呢？这里有 10 门课程，帮助你度过寒冬学习季。课程涵盖从入门机器学习到深度学习，再到自然语言处理及其他领域。
这份合集得益于哥伦比亚大学、克拉科夫理工大学、麻省理工学院、加州大学伯克利分校、华盛顿大学、威斯康星大学麦迪逊分校以及 Yandex 数据学校的支持。
1. 谷歌网络安全证书 - 快速进入网络安全职业生涯。
2. 谷歌数据分析专业证书 - 提升你的数据分析技能
3. 谷歌 IT 支持专业证书 - 支持你的组织 IT
如果在阅读了这个列表后，你还希望获得更多免费优质的学习材料，请查看下面相关的帖子。
1. 机器学习
华盛顿大学
本课程旨在提供机器学习基本方法和算法的全面基础。课程主题包括经典统计学、机器学习、数据挖掘、贝叶斯统计和优化。
先决条件：进入该课程的学生应对编程感到舒适，并且应具备线性代数、概率、统计和算法的预备知识。
2. 机器学习
威斯康星大学麦迪逊分校
本课程将涵盖机器学习的关键概念，包括分类、回归分析、聚类和降维。学生将学习机器学习算法背后的基本数学概念，但本课程同样注重使用来自 Python 编程生态系统的开源库进行机器学习算法的实际应用。
3. 算法（新闻学）
哥伦比亚大学
这是一个关于新闻中的算法数据分析的课程，也涉及社会中使用的算法的新闻分析。主要主题包括文本处理、高维数据可视化、回归、机器学习、算法偏见与问责、蒙特卡罗模拟和选举预测。
所有编码工作都在 Python 中完成，使用 Pandas、matplotlib、scikit learn。
4. 实用深度学习
Yandex 数据学校
5. 30 小时大数据
克拉科夫技术大学
本技术性、实践性的课程旨在向技术人员（包括企业、学术界或学生）介绍实用的数据工程和数据科学，通过 15 节课（每节 2 小时）。所有主题都通过实例进行讲解，学生需立即使用命令行或图形用户界面工具进行操作。
先决条件：参与者需要具备技术背景，通晓一般编程和操作系统，对 Linux shell、数据库和 SQL 有基本了解。讲座 9-15 需要具备 Python 的工作知识。
请注意，本课程仍在开发中，并非所有课程都已完成。
6. 深度强化学习训练营
加州大学伯克利分校（及其他）
强化学习考虑的是学习行动的问题，并有望为下一代 AI 系统提供动力，这些系统需要超越输入输出模式识别（目前已足够用于语音、视觉、机器翻译），而必须生成智能行为。示例应用领域包括机器人技术、营销、对话、HVAC、优化医疗保健和供应链。
这个为期两天的训练营将通过讲座和实践实验室课程教你深度强化学习的基础，以便你能够使用这些技术构建新的令人着迷的应用，并可能推进算法的前沿。
7. 人工智能导论
华盛顿大学
8. 大脑、心智与机器暑期课程
麻省理工学院
本课程探讨了智能的问题——其本质、大脑如何产生智能以及如何在机器中复制智能——采用一种综合认知科学（研究心理），神经科学（研究大脑）以及计算机科学和人工智能（研究开发智能机器所需的计算）的方式。材料来源于每年在海洋生物实验室举办的“大脑、心智与机器”暑期课程。
9. 算法设计与分析
麻省理工学院
这是一个中级算法课程，重点教授高效算法的设计和分析技术，强调应用方法。主题包括分治法、随机化、动态规划、贪心算法、增量改进、复杂性和密码学。
10. 自然语言处理
华盛顿大学
相关：
-
10 个免费必看的机器学习和数据科学课程
-
10 本免费必读的机器学习和数据科学书籍
-
10 本免费必读的机器学习和数据科学书籍