免费的麻省理工学院课程和资源（关注SDI，后台发送“MITAI”即可免费获得）
AI 101：了解人工智能，专为那些对该主题背景了解甚少或毫无了解的人们设计。 人工智能：通过麻省理工学院关于人工智能的基本知识表示、问题解决和学习方法的基础课程来探索人工智能的力量。 算法简介：探索计算问题的数学建模、常见算法、算法范式以及用于解决这些问题的数据结构。 计算思维和数据科学简介：了解如何使用计算来理解现实世界的现象。 机器学习简介：从建模和预测的角度了解机器学习的原理、算法和应用。 使用 Python 进行机器学习：从线性模型到深度学习：通过实践 Python 项目深入了解机器学习领域，从线性模型到深度学习和强化学习。 机器视觉：通过探索图像形成、图像分析、二进制图像处理和过滤的物理原理，了解从图像生成环境符号描述的过程。 机器学习及其他领域的矩阵微积分：学习一种连贯的矩阵微积分方法，展示一些技术，让您可以整体地思考矩阵（而不仅仅是标量数组），概括和计算重要矩阵分解的导数，并了解在大规模计算中如何重新构想微分公式。 数据分析、信号处理和机器学习中的矩阵方法：回顾线性代数在概率统计和优化中的应用，并获得深度学习的完整解释。 K-12 教育中的生成人工智能：了解生成人工智能技术的基础知识以及它为 K-12 教育带来的新机遇。 深度伪造时代的媒体素养：获得关键技能，以更好地了解过去和当代的错误信息威胁。 从虚构中区分真相：公民在线推理：掌握快速有效的实践来评估可以带回课堂的在线信息。 技术伦理：通过应用于当代技术问题来探索哲学伦理工具，包括隐私和监视、算法偏见、人工智能的前景和危险、自动化和工作的未来以及数字时代对民主的威胁等主题。 计算的社会和道德责任：人工智能和算法：学习如何通过人文和社会科学的见解和方法实践负责任的技术开发，包括强调社会责任。 探索机器学习在国际发展中的公平性：探索机器学习在国际发展中应用的方式和原因，探索机器学习偏见和公平性在这种背景下的道德挑战，并考虑其使用的指导原则。 通过数据了解世界：通过学习如何利用数据和基本的机器学习算法来了解世界，成为数据探索者。
为在职专业人士提供麻省理工学院的付费课程
机器学习、建模和仿真：人工智能时代的工程问题解决：通过专为工程师、科学家和研究人员设计的两门课程，通过计算工程原理和应用揭开机器学习的神秘面纱。
课程 1：机器学习、建模和仿真原理
课程2：将机器学习应用于工程和科学
