本文经AI新媒体量子位（公众号ID:QbitAI）授权转载，转载请联系出处。
价值2000美元的AI线上课程讲义，现在已经开源了。
一直致力于AI教育的前Kaggle首席科学家、fast.ai创始人Jeremy Howard放出免费福利，将他今年在旧金山大学春季课程的AI课程讲义公布了。
课程的Notebook代码如今可以免费获取。Jeremy Howard周末将讲义草稿发布在Github上，两天时间收获2k星，迅速登上日趋势榜第一名。
另外，这个项目也是Jeremy Howard新书的草稿，还未正式发售，等于又帮你省下了60美元。
这本书就是他和Sylvain Gugger合著的新书《Deep Learning for Coders with fastai and PyTorch》。
虽然这本书现在只是预订状态，但却倍受读者期待，长期位居亚马逊计算机图形类新书榜第一。
内容
全书草稿已公布22章（包括引言和结语），内容自然是从AI界的“Hello Word问题”——MNIST图像分类入手，再到NLP、循环神经网络、卷积神经网络和可解释性。
该课程并非面向零基础人士，必要的Python、PyTorch知识还是需要有的。
运行Notebook中的代码，你需要安装的软件有：
fastai v2、Graphviz、ipywidgets、matplotlib、nbdev、pandas、scikit-learn、Microsoft Azure Cognitive Services Image Search
它们都可以通过PyPI直接安装。
这本fastbook不仅仅是一本教材，也是一份AI社区资源。作者在最后寄语，希望所有学完本书的人和大家一起交流成功经验。
最后，这本书再强调一下该项目的版权问题，因为项目中包含线上课程与书本的付费内容，不是可以随意复制粘贴的。
GPLv3开源许可证仅覆盖项目的代码部分，至于Notebook中的Markdown板块不在此列，未经允许不可以随意分发或更改。该项目也禁止用于商业用途。
如果在其他地方托管这份代码的副本，可能被作者诉讼。若无视版权规定，作者表示未来可能不再考虑以这种方式发布其他材料。
因此，我们在这里就不展示项目中文字和图片了。感兴趣的朋友可以自行下载，作为私下的学习材料使用。
传送门
项目地址：https://github.com/fastai/fastbook
课程地址：https://www.usfca.edu/data-institute/certificates/deep-learning-part-one
