战斗民族的ML战斗力越来越强了，现在跑到reddit上安利起了自己的课程。
mlcourse.ai
这个课程的名字叫mlcourse.ai，是一套开放、免费的机器学习课程，课程为期10周，包含5大主题12个部分。
课程目录
主题1 使用Pandas探索数据分析主题2-Python可视化数据分析-Seaborn、Matplotlib和Plotly库概述主题3 分类、决策树和k近邻算法主题4 线性分类和回归-Part 1 普通最小二乘法-Part 2 逻辑回归-Part 3 正则化-Part 4 优点和缺点-Part 5 验证和学习曲线主题5 算法和随机森林-Part 1 Bagging-Part 2 随机森林-Part 3 特征重要性
如果想学这套课程的话，需要在国庆节之前填表（链接在文末），10月1日正式开课，学到12月9日就结束了，那一天正好是24节气中的大雪。
mlcourse.ai课程在github上已经获得了超过1900颗星，其中包含很多练习的部分，而且每周都会有作业，还有课程内的Kaggle比赛。
课程的发布者说，这套课程的重点是完美结合了理论与实践，还有互动的激励机制让你能坚持下去，另外还有一个大型社区提供支持，可以去社区里问作业。
课程到底好不好，众说纷纭
不太适合纯·初学者
这套课程其实不太适合24k纯初学者的，也即是说，需要一定的数学和Python基础。
数学部分包括微积分、线性代数、概率论与数理统计；Python部分需要懂DataQuest，DataCamp甚至CodeAcademy这些东西。
如果你需要补充知识的话，可以去读Ian Goodfellow、Yoshua Bengio和Aaron Courville写的那本《深度学习》，或者Marc Peter Deisenroth、A Aldo Faisal和Cheng Soon Ong的《机器学习数学基础》。（文末有链接）
如果还觉得这些数学不够酸爽，可以去MIT的公开课网站上刷数学。（文末有链接+1）
另外，你最好是个github用户，还懂一些bash和Docker。（文末有链接+2）
压力有点大
虽然从目录来看，课程比较短，但是毕竟只有10周，所以课程节奏会很快，每周至少需要5~6个小时来学习。如果你想认真投入到课程内的Kaggle竞赛的话，那可能每周20~25个小时都有。
有二刷的同学评论说，这是初级中级水平最好的实用教材之一，需要提前学习线性代数。虽然课程中大部分作业不算难，但是偶尔也会有几个非常有挑战性的题目，其中竞赛的部分最难，不过确实对个人能力有很大提升。
比吴恩达老师的课fashion
也有网友问到该课程和吴恩达老师的Coursera课程比起来怎么样，发布机构回应说：
吴恩达的课程已经过时了。
该机构认为，相比吴恩达，mlcourse.ai的成更难，需要的数学基础更高；更新，不会在不起作用的事情上花太多时间；而且用的是Python而非Octave。
一群俄国人
mlcourse.ai课程来自一个名为OpenDataScience的机构，他们号称汇集了15000名说俄语的数据科学家。
此前他们已经用俄语讲过一次mlcourse.ai课程了，10月这次是本课程第二次推出了，放心，这次是英文版。
当然，编写者基本都是说俄语的科学家。比如主创人员之一Yury Kashnitskiy，毕业于号称“俄罗斯MIT”莫斯科物理技术学院，目前是荷兰皇家KPN电信集团的数据分析师。
传送门
课程主页：
https://mlcourse.ai/
课程申请表：
https://docs.google.com/forms/d/e/1FAIpQLSevId-XgOe6n3m-RTbXQfeN-KpyMdvkzCDoG2BL6m90EBfasQ/viewform
（看到google域名了没？打不开的话想想是为什么）
课程资源列表（包含github和视频）：
《深度学习》github译本：
https://github.com/exacity/deeplearningbook-chinese
《机器学习数学基础》：
MIT的数学课：
https://ocw.mit.edu/courses/mathematics/
github小白指南：
Docker小白指南：
https://github.com/Yorko/mlcourse.ai/wiki/Software-requirements-and-Docker-container
“
