引言
机器学习是一门涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科的多3领域交叉学科，在当下各个领域运用十分广泛。不仅是业内人士，许多业外人士为了丰富自己的知识涉猎领域，提升自身竞争力，也或多或少的开始尝试接触机器学习。但是对于初学者来说，选择一个真正适合自己的课程，往往是一个令人头大的问题。
在这篇文章中我总结了四个网上比较受欢迎的课程，在讲师、课程内容、亮点、局限性、课程难度、建议基础知识几个方面进行了对比，希望对大家有所帮助。
1.李宏毅-机器学习公开课
讲师
李宏毅现任台湾大学电气工程助理教授，研究重点是机器学习，特别是深度学习领域。他的一系列机器学习课程公开课视频，被很多人在机器学习领域当做入门教材。
李老师的课程中干货满满，其课程视频被许多人称赞为最好的中文机器学习课程视频。李老师的讲课风格偏向于幽默风趣，经常会使用一些卡通形象来增加课程的趣味性。一些晦涩难懂的理论知识，在他形象生动的讲解下往往会变的容易掌握。
课程内容
这门课程在内容方面其实更加偏向于深度学习领域，相对来说比较进阶，但李宏毅老师自信的表示，这并不会影响这门课“机器学习入门课”的属性，仍然会让绝大多数人听得懂，大家仍然可以尝试着将它作为机器学习的第一门课。
既然是入门课，那它的课程设置必然就相对比较容易上手，“从最基本的观念讲到最前瞻的技术”是这门课的一大特色，其年的课程是这样设置的：
课程介绍
深度学习
自注意力
机器学习理论
Transformer
生成式模式
自监督学习
可解释AI/对抗攻击
域自适应/强化学习
量子机器学习
终身压缩
元学习
亮点
李宏毅老师的课程总结下来有两大亮点：
1.结合卡通形象来讲解理论知识，风格幽默风趣、生动形象
2.适合初学者，有配套作业题
3.使用Python作为编程语言，对大多数初学者比较友好
局限
这门课许多人誉为机器学习领域最好的中文入门课程，确实难以找出值得指点的不足之处。对有些完全没有接触过机器学习的同学来说，独自完成其课后作业也许有些吃力，去网上找到一些配套答案或者编码思路也是一件让人头疼的事。
课程难度
这是一门适合初学者的入门课程，重点偏向于深度学习，想对深度学习有所了解的同学可以尝试去听听看。
基础知识
这门课需要提前掌握数学和编程上的一些基础知识。
数学上需要掌握：微积分、线性代数、概率论；
编程上需要掌握：Python相关语法、套件。在课程中需要能读懂并修改课上给出的一些范例代码，老师会默认你已经基本掌握Python语法。
2.贪心科技-人工智能与机器学习
讲师
贪心科技是一家热门的专注于AI教育的科技公司，核心团队由海内外AI专家组成，旗下目前已经出品了好几门出色的AI领域课程。这门课程是由贪心科技团队的李文哲和JerryYuan讲师合作进行讲授，课程之外还专门配备了多名助教老师负责课后答疑以及作业批改工作。
李文哲
曾任金融科技独角兽公司的首席科学家、美国亚马逊的高级工程师，先后负责过聊天机器人、量化交易、自适应教育、金融知识图谱等项目，并在AAAI、KDD、AISTATS等顶会上发表过15篇以上论文，并荣获IAAI，IPDPS的最佳论文奖，多次出席行业峰会发表演讲。分别在USC,TAMU，南开攻读博士、硕士和本科。在荷兰访问期间，师从AI顶级学者MaxWelling教授。
JerryYuan
拥有14年人工智能、推荐系统、自然语言处理、数字图像和视频处理项目经验，主导多款核心推荐系统的研发，是人工智能、分布式系统、云计算方面的专家。曾师从中国科学院王守觉院士从事人脸识别研究、共同发表论文。在美国博士期间，主要研究NASA（美国航天局）支持的基于人工智能的空间天气预测项目。先后在AI相关会议和杂志上发表过15篇以上的论文。
课程内容
这门课程主要面向想系统性学习AI的在职人士（IT、运营、产品、财务等等）以及在校学生，通过这门课程的学习可以为后续的转型做准备，或者用这些学到的技术来提升工作的效率。在课程当中，所有核心机器学习算法背后的技术细节以及推导都得到了全面的阐述。除了每章之后的作业之外，课程中间还单独设置了几个实训章节（见下图），因此相较于诸如吴恩达等老师侧重于理论方面的教学模式，这门课程更加偏向于理论与实战的结合。
每次实训作业的时候，作为新手免不了会遇到很多解决不掉的难题，贪心科技的课程相较于公开课而言，课后配置的助教答疑以及作业批改环节是一个很大的亮点。
这门课程全套共有17个章节，其中包括5个项目作业章节，所有的实训案例都来自医疗、生物、社会科学等十几个不同领域，与现实生活十分贴切，比如第一个项目作业“广告点击率预测”，就是去设计一个算法来匹配平台用户与广告，达到撮合广告主与平台之间双方利益的目的。相较于网上可以找到的公开课而言，它的内容覆盖非常全面。从它的课程目录中我们就可以看出：
人工智能基础
线性回归
逻辑回归
模型泛化
-广告点击率预测
朴素贝叶斯
-情感分析项目
决策树
随机森林
提升树
-信用卡欺诈预测
K-Means
主成分分析
-零售场景中的用户分层
神经网络
支持向量机
-手势语识别
按照他们给出的学习方案，当你完整学完全套课程之后，将差不多可以达到初级算法工程师的技术标准，可以深入理解每一个机器学习算法细节和全部推导过程，并且通过大量案例的实战，获得今后独立解决任何AI问题的能力。
亮点
这门课程由于是专门面向初学者的商业课程，所以相对来说它更加注重满足用户群的需求。先来看看贪心科技