翻譯 | AI科技大本營（公眾號ID：aibbtcom）
校對 | 成龍
編輯 | 明明
Intel於近期發布了三門AI系列的免費課程，分別是關於機器學習基礎、深度學習基礎、TensorFlow基礎三個方面。據悉，該系列免費課程主要針對研究生階段的學生，營長將三門課程概要及鏈接整理如下。
▌課程1：機器學習基礎
概要
本課程介紹了Intel架構中的機器學習基礎知識。涵蓋的主題包括：
- 回顧了機器學習可以解決的問題類型
- 理解機器學習算法中的各組成模塊
- 學習在機器學習中構建模型的基礎知識
- 探索關鍵算法
在本課程結束時，學生將了解以下內容：
- 監督學習算法
- 機器學習關鍵概念：如過擬合，正則化和交叉驗證
- 如何識別待解決問題的類型，選擇正確的算法，調整參數並驗證模型
本次免費課有12周的課程，每周至少需要3個小時才能完成。並且這些課程的練習需要用Python來實現。
課程網址：
https://software.intel.com/en-us/ai-academy/students/kits/machine-learning-501
▌課程2：深度學習基礎
概要
本課程介紹了Intel架構中的深度學習基礎知識。深度學習在計算機視覺和自然語言處理方面所實現的優異表現，使其在業界引起了極大關注。
在本課程結束時，學生將對以下內容有一個明確的理解：
- 深度學習的技術，專業術語和有關數學知識
- 如何適當地構建和訓練這些模型
- 各種深度學習應用
- 如何使用預先訓練好的模型獲得最佳結果
本次免費課有12周的課程，每周至少需要3個小時才能完成。
課程網址：
https://software.intel.com/en-us/ai-academy/students/kits/deep-learning-501
▌課程3：TensorFlow基礎
概要
TensorFlow是一個流行的機器學習框架和數據流編程的開源庫。在本課程中，您將了解：
- 用TensorFlow構建模型的基礎
- 機器學習基礎知識：如線性回歸，損失函數，梯度下降
- 重要的技術：如標准化、正則化和小批量處理（mini-batching）
- “核化”以及如何將它們應用於卷積神經網絡（CNN）
- CNN的基本模板以及不同的可調參數
- TFRecord, queues, coordinators
在本課程結束時，學生將對以下內容有一個明確的理解：
- 基礎網絡結構，卷積核，池化和多分類任務
- 如何將基礎網絡擴展到更復雜的網絡
- 通過在現有網絡上使用遷移學習來利用它們的優勢
本次免費課有8周的課程，每周至少需要3個小時才能完成。
課程網址：
https://software.intel.com/en-us/ai-academy/students/kits/tensor-flow-501