ML YouTube Courses
1.0.0
在dair.ai，我们开设AI教育。在此存储库中，我们索引并组织了YouTube上一些最佳和最新的机器学习课程。
机器学习
深度学习
科学机器学习
实用的机器学习
自然语言处理
计算机视觉
强化学习
图机学习
多任务学习
其他的
涵盖基本理论，算法和应用的机器学习入门课程。
？链接到课程
学习ML的一些基础知识：
？链接到课程
一系列小型讲座涵盖了ML中的各种入门主题：
？链接到课程
课程提供了对神经网络的深入概述。
？链接到课程
涵盖了深度学习对艺术，美学和创造力的应用。
？链接到课程
涵盖深度学习的基础，如何建立不同的神经网络（CNN，RNN，LSTMS等），如何领导机器学习项目以及为深度学习从业者提供职业建议。
？链接到课程？链接到材料
在ML中学习一些最广泛使用的技术：
？链接到课程
该课程是机器学习的基本介绍，并涵盖了回归，分类，优化，正则化，聚类和降低维度的关键概念。
？链接到课程
涵盖了许多基本的ML概念：
？链接到课程
该课程涵盖了统计机器学习中的标准范式和算法。
？链接到课程
本课程涵盖了如何：
？链接到课程 - 第1部分
？链接到课程 - 第2部分
关于与建筑机器学习系统有关的各种主题的研讨会系列。
？链接到讲座
Andrew Ng的MLOPS专业课程。
？链接到讲座
涵盖了以数据为中心AI（DCAI）的新兴科学，该科学研究了改善数据集的技术，这通常是提高实际ML应用程序性能的最佳方法。主题包括：
？课程网站
？讲座视频
？实验室分配
要学习机器学习中一些最新的图形技术：
？链接到课程
学习ML的概率范式：
？链接到课程
本课程向学生介绍了医疗保健机器学习，包括临床数据的性质以及用于风险分层，疾病进展建模，精密医学，诊断，亚型发现以及改善临床工作流程的使用机器学习的性质。
？链接到课程
学习深度学习的一些基础知识：
？链接到课程
该课程从MLP（多层感知）逐渐开始，然后发展为诸如注意力和顺序到序列模型之类的概念。
？链接到课程
？讲座
？教程/朗诵
学习深度学习中一些广泛使用的技术：
？链接到课程
在深度无监督的学习中学习最新，最广泛使用的技术：
？链接到课程
要学习深度学习中的一些先进技术：
？链接到课程
了解GPT-3，剪辑，火烈鸟，法典和Dino等基础模型。
？链接到课程
本课程介绍了深神经网络的实用和理论原理。
？链接到课程
？链接到课程
本课程涵盖了：
？链接到课程
本课程由专注于变形金刚的讲座，提供深度潜水及其应用
？链接到课程
了解不同的NLP概念以及如何将语言模型和变压器应用于NLP：
？链接到课程
了解基于深度学习的NLP的最新方法：
？链接到课程
了解NLP的最新基于神经网络的技术：
？链接到课程
学习自然语言理解中的最新概念：
？链接到课程
学习：
？链接到2021版
？链接到2022版
？链接到2024版
要学习进行多语言NLP的最新概念：
？链接到2020课程
？链接到2022课程
在NLP中学习高级概念：
？链接到课程
斯坦福大学著名的CS231N课程。视频仅适用于2017年春季学期。该课程目前被称为计算机视觉的深度学习，但2017年春季版本的标题为卷积神经网络，可视觉识别。
？链接到课程？链接到材料
学习简历中的一些基本概念：
？链接到课程
学习计算机视觉的现代方法：
？链接到课程
学习计算机视觉的现代方法：
？链接到课程
了解几何深度学习中的概念：
？链接到课程
在深度RL中学习最新概念：
？链接到课程
深度学习讲座系列是DeepMind与UCL人工智能中心之间的合作。
？链接到课程
学习使用该领域中最新的工具和技术来使用LLM构建现代软件。
？链接到课程
您将学习：
？链接到课程
了解如何使用大型语言模型（LLM）快速构建新的和强大的应用程序。
？链接到课程
您将学习：
？链接到课程
您将学习：
？链接到课程
了解如何使用链条调用对大型语言模型自动化复杂的工作流程。
？链接到课程
了解如何在生产中使用Langchain和Vector DBS：
？链接到课程
了解如何使用LLM API构建LLM驱动的应用程序
？链接到课程
学习如何构建和部署LLM驱动的应用程序：
？链接到课程
要学习全栈生产深度学习：
？链接到课程
涵盖深度学习的基本概念
？链接到课程？链接到材料
涵盖了自动驾驶汽车最主要的范式：基于模块化管道的方法以及基于深度学习的端到端驾驶技术。
？链接到课程
设计自主决策系统是人工智能的长期目标之一。如果实现的话，这种决策系统可能会对机器人技术，游戏玩法，控制，医疗保健等人产生重大影响。本课程将增强学习作为设计这种自主决策系统的一般框架。
？链接到课程？链接到材料
彼得·阿贝尔（Pieter Abbeel）的一个小型6个讲座系列。
？链接到课程
涵盖了从强化学习到更高级学习的基本概念的主题：
？链接到课程？链接到材料
这是一个研究生级课程，涵盖了深度多任务和元学习的不同方面。
？链接到课程？链接到材料
在基因组学和生命科学领域应用ML基础的课程更广泛。
？链接到课程
？链接到材料
这是彼得·阿贝尔（Peter Abbeel）的课程，并涵盖了有关增强学习的审查，并继续在机器人技术中应用。
？链接到课程？链接到材料
如果您有任何疑问，请在Twitter上与您联系。
如果您有兴趣做出贡献，请随时开设具有指向该课程的链接的PR。这将需要一些时间，但是我计划在这些单独的讲座上做很多事情。我们可以总结讲座，包括注释，提供其他阅读材料，包括内容的难度等。
您现在可以在此处找到ML课程注释。
