【值得收藏】40个机器学习/深度学习最佳资源集合:书籍、课程、新闻博客、论文等

【导读】本文收集了40个机器学习、深度学习、人工智能领域最优质的书籍、课程、新闻博客、论文等资料,供各位AI-er查阅,一起学习。




Source: https://bestofml.com

目录

⊙书籍

⊙课程

⊙博客

⊙论文/代码


书籍 Books



《Grokking Deep Learning》

深度学习的使用方法 

by Andrew Trask


地址:

https://www.manning.com/books/grokking-deep-learning?ref=bestofml.com



《Deep Learning Book》

经典深度学习书籍 

by Goodfellow, Yoshua Benjio和Aaron Courville


地址:

https://www.deeplearningbook.org/?ref=bestofml.com



《Neural Networks and Deep Learning》

免费在线书籍


地址:

http://neuralnetworksanddeeplearning.com/?ref=bestofml.com



《Deep Learning with Python》

用python语言和强大的keras库进行深度学习


地址:

https://www.amazon.com/Deep-Learning-Python-Francois-Chollet/dp/1617294438/?ref=bestofml.com



《Hands-On Machine Learning》

简单、高效的工具,实现从数据中学习的程序


地址:

https://www.amazon.com/Hands-Machine-Learning-Scikit-Learn-TensorFlow/dp/1491962291/?ref=bestofml.com



《Deep Learning - A Practitioner's Approach》

机器学习-尤其是深层神经网络-如何才能对你的公司产生真正的影响? 


地址:

https://www.amazon.com/Deep-Learning-Practitioners-Josh-Patterson/dp/1491914254/?ref=bestofml.com



《Introduction to Machine Learning with Python - A Guide for Data Scientists》

机器学习已成为许多商业应用和研究项目的组成部分,但这一领域并不仅仅局限于大型公司和研究团队。如果你是Python的使用者,甚至初学者,这本书将教会你构建自己的机器学习解决方案的实用方法。


地址:

https://www.amazon.com/Introduction-Machine-Learning-Python-Scientists/dp/1449369413?ref=bestofml.com


课程 Courses

1

Machine Learning by Andrew Ng

最受欢迎的机器学习课程之一


地址:

https://www.coursera.org/learn/machine-learning?ref=bestofml.com


2

Machine Learing by ColumbiaX

机器学习算法要点


地址:

https://www.edx.org/course/machine-learning?ref=bestofml.com


3

Machine Learning A-Z

Udemy的动手Python课程

by Kirill Eremenko


地址:

https://www.udemy.com/machinelearning/?ref=bestofml.com


4

Intro to Machine Learning

Udacity的免费基础机器学习课程


地址:

https://cn.udacity.com/course/intro-to-machine-learning--ud120



5

Machine Learning for Trading

机器学习在交易中的应用 


地址:

https://www.udacity.com/course/machine-learning-for-trading--ud501


6

Oxford Deep NLP

牛津大学2017年开设的深度自然语言处理课程


地址:

https://github.com/oxford-cs-deepnlp-2017/?ref=bestofml.com


7

Stanford UFLDL Tutorial

本教程介绍无监督的特征学习和深度学习的主要思想


地址:

http://deeplearning.stanford.edu/tutorial/?ref=bestofml.com


8

Stanford CS231n

包含视觉识别的卷积神经网络


地址:

http://cs231n.stanford.edu/?ref=bestofml.com


9

Stanford CS224d

自然语言处理中的深度学习


地址:

http://cs224d.stanford.edu/?ref=bestofml.com


10

Fast.ai

完全免费并广受好评的深度学习课程


地址:

https://www.fast.ai/?ref=bestofml.com


11

Introduction to Deep Learning

本课程的目的是让学习者了解现代神经网络及其在计算机视觉和自然语言理解中的应用


地址:

https://www.coursera.org/learn/intro-to-deep-learning?ref=bestofml.com


新闻/博客 News &Blogs


Towards Data Science

以数据科学为中心的媒体出版物


地址:

https://towardsdatascience.com/?ref=bestofml.com


AI Weekly

关于AI当前媒体覆盖的每周新闻简报 


地址:

http://aiweekly.co/?ref=bestofml.com


Deep Learning Weekly

关于深度学习中的新发现、论文和探索的每周简报


地址:

https://www.deeplearningweekly.com/?ref=bestofml.com


The Algorithm

麻省理工关于AI的简报


地址:

https://go.technologyreview.com/newsletters/the-algorithm/?ref=bestofml.com


Import AI

Jack Clark(OpenAI)关于AI的博客


地址:

https://jack-clark.net/?ref=bestofml.com


Machine Learing Mastery

关于机器学习项目、tricks的很棒的初学者资源


址:

https://machinelearningmastery.com/blog/?ref=bestofml.com


FastML

数据科学和机器学习的项目、技巧


地址:

http://fastml.com/?ref=bestofml.com


Starts & Bots

机器学习,数据分析等


地址:

https://blog.statsbot.co/?ref=bestofml.com

Machine Learning Subreddit


地址:

https://www.reddit.com/r/machinelearning?ref=bestofml.com


Dynamically Typed Newsletter

每两周一次的时事简报,有关于人工智能、机器学习技术和技术/创业行业的想法和链接


地址:

https://dynamicallytyped.com/?ref=bestofml.com


Skynet today

致力于提供最新的人工智能新闻和趋势,和深入的社论,可访问和知情的报道


地址:

https://www.skynettoday.com/?ref=bestofml.com


The Gradient

旨在使AI&ML的研究民主化,并对最新发展和长期趋势的最重要的新论文和观点进行无障碍和技术知情的报道。


地址:

https://thegradient.pub/?ref=bestofml.com


Distill

一本在线杂志,以一种清晰、动态和生动的方式预告ML研究


地址:

https://distill.pub/?ref=bestofml.com


Stanford AI Lab Blog

一个让学生、教师和研究人员与公众分享他们的工作的地方。


地址:

https://ai.stanford.edu/blog/?ref=bestofml.com


Lil'Lgo


地址:

https://lilianweng.github.io/lil-log/?ref=bestofml.com


Colah's blog


地址:

https://colah.github.io/?ref=bestofml.com


论文/代码 Papers

Arxiv Stats


地址:

https://arxiv.org/list/stat.ML/recent?ref=bestofml.com


Arxiv Sanity Preserver


地址:

http://www.arxiv-sanity.com/?ref=bestofml.com


Papers with Code

不同主题的论文及其代码实现


地址:

https://paperswithcode.com/?ref=bestofml.com



《深度学习:算法到实战》课程


中科院自动化所教授博士主讲

2019

专知出品

专知《深度学习:算法到实战》课程全部完成!500+位同学在学习,现在报名,限时优惠!网易云课堂人工智能畅销榜首位!


【专知人工智能知识星球】

长按扫码加入【专知人工智能知识星球】,获取最新AI专业干货知识教程视频资料和与专家交流咨询!


【专知小助手】

长按扫码添加专知小助手微信,加入专知人工智能主题群,咨询《深度学习:算法到实战》课程,咨询技术商务合作。



   请PC登录www.zhuanzhi.ai或者点击阅读原文,注册登录专知,获取更多AI知识资料!



点击“阅读原文”,了解报名专知《深度学习:算法到实战》课程

戳这里,阅读原文
展开全文
Top
微信扫码咨询专知VIP会员