Dive into Deep Learning，深度学习一直在音视频业内也是非常受到关注的热点，这里推荐10个免费的优质线上课程。
推荐大家开源项目Class Central，里面有31个在线课程（其中10个是完全免费的），涵盖了从深度学习的基础到今天最前沿的研究。
在线深度学习课程
Creative Applications of Deep Learning with TensorFlow ★★★★★
将介绍深度学习的基本组成部分，它的含义，工作原理，以及开发构建各种算法所需的代码，如深度卷积网络，变分自动编码器，生成性对抗网络和循环神经网络。本课程的主要重点是不仅要了解如何构建这些算法的必要组件，还要了解如何将它们应用于探索创造性应用程序。提供免费和付费选项。
这门课程的专业性和质量都非常好，被很多人强烈推荐。
Neural Networks for Machine Learning
多伦多大学
★★★★★
了解人工神经网络及其如何用于机器学习，应用于语音和对象识别，图像分割，建模语言和人体运动等。强调基本算法和获得所需的实用技巧他们运作良好。提供免费和付费选项。
比较厉害的是里面的讲师，Geoffrey Hinton，80年代研究人工智能和神经网络的最重要和最有影响力的研究人员之一。他现在也与Google合作开展人工智能/深度学习工程。
就是这个老爷爷，深度学习教父级别
Practical Deep Learning For Coders, Part 1
fast.ai
★★★★☆
课程为期7周，专门为一年编程经验以上的人设计，比较初级，帮你从0开始学习如何让GPU适合深度学习。免费的哟
6.S191：深度学习简介
麻省理工学院（MIT）
★★★★
课程为期1周，对深度学习方法做了介绍，包含了包括机器翻译，图像识别，游戏，图像生成等应用。MIT的课程，免费again
6.S094：自动驾驶汽车的深度学习
麻省理工学院（MIT）
★★★★☆
这门课程通过构建自动驾驶汽车的应用主题介绍深度学习的实践。为初学者开放，专为那些刚接触机器学习的人设计的，但资深人士也可以会从中获益，寻找深度学习方法及其应用的实用概述。免费again
自然语言处理的深度学习
牛津大学
★★★★☆
课程重点介绍使用递归神经网络分析和生成语音和文本的最新进展。介绍了相关机器学习模型的数学定义，并推导了相关的优化算法。
由Phil Blunsom带领，并与DeepMind自然语言研究小组合作。
免费哟
CS224n: Natural Language Processing with Deep Learning 斯坦福大学
这门课程全面介绍了应用于NLP的深度学习的前沿研究。免费
CS231n: Convolutional Neural Networks for Visual Recognition
斯坦福大学
课程深入探讨深度学习架构的细节，重点是学习这些任务的端到端模型，尤其是图像分类。在为期10周的课程中，学生将学习如何实施，训练和调试他们自己的神经网络，并详细了解计算机视觉的前沿研究。最终任务将涉及训练数百万参数卷积神经网络并将其应用于最大图像分类数据集（ImageNet）。这门课程专注于教授如何设置图像识别问题，学习算法（例如反向传播），培训和微调网络的实用工程技巧，并指导学生完成动手作业和最终课程项目。
斯坦福这两门课程都是在业内很受欢迎的。
Machine Learning Nando de Freitas /University of British Columbia
重点介绍了神经网络，反向传播，玻尔兹曼机器，自动编码器，卷积神经网络和递归神经网络的基本背景。它说明了深度学习如何影响我们对智能的理解并有助于智能机器的实际设计。
Deep Learning Summer School 2015and2016
受众是已经拥有机器学习基础知识（可能但不一定是深度学习）的研究生，工程师和研究人员，并希望更多地了解这一快速发展的研究领域。
它不像传统的在线课程那样组织，但它的组织者（包括Bengio和LeCun等深度学习名人）和他们吸引的讲师使这个系列成为深度学习内容的金矿。免费哟~
网易云信，你身边的即时通讯和音视频技术专家，了解我们，请戳网易云信官网
想要行业洞察和技术干货，请关注网易云信博客
更多精彩内容，关注网易云信