无论国内国外，这是最火的机器学习入门课程，没有之一。无数新手都是通过这门课对机器学习初窥门径。吴恩达老师用极其清楚直白的语言，对机器学习的几种主要算法做了初步介绍。
这门课最大的特点，是它侧重于概念理解而不是数学。数学推导过程基本被略过，重点放在让初学者理解这背后的思路。另外，它还十分重视联系实际和经验总结：1.课程中吴恩达老师列举了许多算法实际应用的例子2.他提到当年他们入门AI时面临的许多问题，以及处理这些难题的经验。
课程中代码教程使用的是Octave/MATLAB，因此不需要会Python、C语言，适合没有编程基础的新手。
总结起来，这门课对数学、统计、IT基础薄弱的童鞋十分友好。其实很多机器学习入门课，都是假定学生已修完这一门，于是重点对其进行补充——讲解这门课程中吴恩达老师未涉及、或是涉及不深的话题。因此，对于机器学习“一张白纸”的童鞋，雷锋网强烈推荐从这门课起步，然后选择其他入门课程进阶，以在脑海中建立起更全面的知识体系。另外，Coursera上这门课的论坛十分活跃，不管抛出什么问题都会有人解答，算是一个额外的好处。
这同样是一门机器学习的入门课，但并不简单。该课程强调数据，是因为机器学习与各领域的大数据处理应用（比如金融、医疗）联系十分紧密。这门课内容涵盖基础理论、算法和应用，平衡了理论与实践，既覆盖数学统计，也包含启发式的概念理解。
课程结构是这样的：
彩蛋：YaserAbu-Mostafa出版了同名著作《LearningFromData》，可作为该课程的教材和补充。
这门课是学界人士的最爱，是入门课程之中较全面、高阶的一门。课时为15周，远超大多数机器学习慕课。其覆盖的话题非常广，按先后次序包括：代数和概率论，机器学习的基础工具，概率图模型，AI，神经网络，主动学习，增强学习。课程内容和练习十分简洁明白，概念解释清楚到位。
对于初学者，建议至少听完吴恩达的机器学习课程之后，再修这一门。
这是为汉语学子量身定做的入门课，相当于台湾大学机器学习课程前半学期的课，教给大家的是机器学习最核心的知识。林老师是教科书《LearningFromData》的作者之一，是华人机器学习领域年轻有为的青年学者。这门课程十分用心细致，内容比吴恩达老师的入门课程稍稍充实一些。
林老师表示，针对顶级机器学习公开课全是英语授课的现状，不少学生反映英语教学有不易吸收之处。因此，借推出这门课程，希望帮助汉语为母语的学生减少入门难度。
针对如何让学生接受枯燥的算法，林老师说道：
“我们的课程设计中，大家会看到我们把对算法与数学式的推导，以‘解决问题’的过程方式呈现。也就是说，我们对算法的介绍是环绕着‘为什么’出发的，当同学们脑中有‘为什么’的时候，就有目标去理解这些算法与数学式的内容了。”
《LearningFromData》也可作为这门课的教科书。学习YaserAbu-Mostafa的课程有不解之处，可与这门课互相印证。
该课程久享盛名，是AI入门最好的公开课之一（雷锋网注：有人认为可以去掉“之一”）。
严格来说，它并不是一门机器学习课程。但其中有一周的主题是机器学习，它还介绍了另外几个AI主要领域：概率推理、信息检索、机器人学、自然语言处理等。鉴于学习机器学习的童鞋，几乎都会对AI这个大学科有兴趣——这门课程便是探索机器学习周边与交叉领域的绝好机会。
两位主讲者，PeterNorvig和SebastianThrun，一个是谷歌研究总监，一个是斯坦福著名机器学习教授，均是与吴恩达、YannLecun同级别的顶级AI专家。
需要强调的是，该课程倾向于介绍AI的实际应用。课程练习广受好评。
NandodeFreitas是机器学习领域非常杰出的学者。他的这门课很适合作为吴恩达老师“机器学习”的进阶课程，因为：1.“机器学习”省略掉的一些概念，可以在这门课中找到。2.“机器学习”课不重视数学，而数学是这门课的重点内容。NandodeFreitas对诸如概率论、loglikelihood等基础数学原理做了很好的讲解，并以此为基础介绍更高级的数学、统计概念。
对于机器学习新手，完全略过数学细节是很危险的，这门课会帮助你打下基础。
YannLecun在2016年初于法兰西学院开课，这是其中关于深度学习的8堂课。当时是用法语授课，后来加入了英文字幕。
作为人工智能领域大牛和FacebookAI实验室（FAIR）的负责人，YannLecun身处业内机器学习研究的最前沿。他曾经公开表示，现有的一些机器学习公开课内容已经有些过时。通过YannLecun的课程能了解到近几年深度学习研究的最新进展。该系列可作为探索深度学习的进阶课程。
深度学习必修课程，讲师为该领域的一代宗师GeoffreyHinton。
这门课程聚焦于神经网络和深度学习，是深入了解该领域最好的课程之一（雷锋网注：很多人认为可以去掉“之一”）。
课程官方介绍：
“（你会在这门课）学习人工神经网络以及它们如何应用于机器学习，比方说语音、物体识别，图像分割（imagesegmentation），建模语言、人体运动等等。我们同时强调基础算法，以及对它们成功应用所需的实用技巧。”
在这份大牛云集的榜单中，该课程的主讲者——哥伦比亚大学副教授JohnPaisley，只是一名相对普通的青年学者。但是，这门课程将于两天后，也就是2017年1月16日首次开课。这使它成为时下最新的机器学习入门课程。要知道，近一两年来人工智能和机器学习的发展完全可以用“日新月异”来形容——涌现的新方法、新理论，即便是一流专家也有目不暇接之感。换句换说，三、四年前的课程，可能现在有许多内容已经过时了。
这是YannLeCun提醒大家注意学习资源时效性的原因所在。
可惜许多一流的机器学习公开课，距离录制都有些久了。我们知道一堂公开课背后所耗费的巨大人力。因此，对于部分课程在近两三年并没有更新的事实，倒也不能去怪主讲者和平台。但这使得比较新、时效性较强的课程格外可贵。
这门课中，学习者会了解到机器学习的算法、模型和方法，以及它们在现实生活中的应用。
由于是首次开课，尚没有对该课程的反馈。但鉴于哥伦比亚大学的研究、教学实力，课程品质应当值得期待。
这就是雷锋网为您盘点的十大最有价值的机器学习入门公开课。这些课程有浅有深，分别对机器学习不同领域、方面有所侧重。各位童鞋可根据自己所需，自行选择最适合自己的课程。不过，小编必须提醒各位，所有盘点都不可避免得掺杂了主观因素。虽然雷锋网已尽力按照课程质量与业内人士的评价来制定该推荐榜，但自知无法做到十足的公正客观。比方说，该榜单倾向于机器学习的“入门”，而非开发者进阶；倾向于概念、算法学习，而非实战技巧（比如Python教程）；倾向于把全世界范围内最好的课程推荐给诸君，而对英语基础较差的学习者照顾不足。榜单之外尚有许多有价值、适应不同层次人士需求的公开课。因此，雷锋网特意列举了几个比较好的系统性机器学习课程以及学习平台，弥补该榜单不足，以供参考。
友情提醒，以下包含收费课程。
国外的Coursera、edX、优达学城（Udacity）、Udemy；国内的网易公开课、七月在线都集中了相对优质的学习资源。当然，英语不错的童鞋推荐国外学习网站，尤其它们的问答论坛非常有帮助。
对于英语基础不是那么好的童鞋，Coursera和优达学城很重视中国市场，它们的大部分机器学习资源都添加了汉语字幕。对于edX和可汗学院的部分课程，网易公开课有字幕翻译。
对于需要在数学、统计方面补课的童鞋，除了以上几个平台之外，强烈推荐可汗学院KhanAcademy，它的数学课非常有名，连比尔·盖茨都推荐给他子女，很适合从零起步打基础。