完备的机器学习资源:书、视频、源码,都汇总在这份清单里!

今天给大家介绍一份不错的机器学习学习资源汇总:从入门到进阶,所用到机器学习资料,包括书、视频、源码。而这份汇总资源被整理在一张清单里,非常便于查阅。

首先放上这份资源的 GitHub 地址:

https://github.com/linxid/Machine_Learning_Study_Path

下面,分别来看主要包含的内容。

1. 视频

1.1 吴恩达老师机器学习课程:

  • Coursera

  • 网易云课堂

  • 英文笔记

  • 中文笔记、字幕

1.2 吴恩达 深度学习课程

  • Coursera

  • 网易云课堂

  • 笔记

1.3 斯坦福CS231n:Convolutional Neural Networks for Visual Recognition

  • 官网

  • 网易云课堂

1.4 fast.ai

  • 官网

  • Part1:Practical Deep Learning For Coders

  • Part2: Cutting Edge Deep Learning For Coders

1.5 百度PaddlePaddle公开课:

  • 机器学习入门

  • 机器学习模型

  • 深度学习基础

1.6 徐亦达老师机器学习课程:

  • 官网

  • Github

  • 哔哩哔哩

  • 百度云

1.7 李宏毅深度学习课程

  • 官网

  • 哔哩哔哩

1.8 谷歌机器学习速成

  • 课程

  • 练习

  • 术语库

2. 书籍

2.1 Keras:

  • 《Deep Learning with Python》 难度:低;推荐:☆☆☆☆☆

  • 《Deep Learning with Keras》 难度:低;推荐:☆☆☆☆

2.2 TensorFlow:

  • 《Hands-On Machine Learning with Scikit-Learn and TensorFlow》 难度:中;推荐:☆☆☆☆☆

  • 《Learning TensorFlow》

  • 《TensorFlow Machine Learning cookbook》 难度:中;推荐:☆☆☆☆☆

2.3 NLP:

  • 《Deep Learning in Natural Language Processing》

  • 《Natural Language Processing with TensorFlow》

  • 《Mastering Natural Language Processing with Python》

  • 《Text Analytics with Python》

2.4 机器学习:

  • 《统计学习方法》 难度:中;推荐:☆☆☆☆☆

  • 《Pattern Recognition and Machine Learning》 难度:高;推荐:☆☆☆☆☆

  • 《机器学习实战》 难度:低;推荐:☆☆☆☆

  • 《Machine Learning yearning》

  • 《美团机器学习实战》

  • 《集体智慧编程》 难度:低;推荐:☆☆☆☆

  • 《百面机器学习 算法工程师带你去面试》

2.5 深度学习:

《Deep Learning》 中文版 难度:高;推荐:☆☆☆☆☆

《神经网络与深度学习》 难度:中;推荐:☆☆☆☆

《Deep Learning with python A Hands on Introduction》

3. 框架

4. 机器学习博客

Open AI:
由Elon Musk提出建立的一个人工智能非营利组织,定期发布有关自然语言处理,图像处理和语音处理等先进人工智能技术的研究。

Distill:
编辑和策展团队由来自Google Brain,DeepMind,Tesla和其他着名组织的科学家组成。致力于清晰的解释机器学习。

BAIR 博客:
加州大学伯克利分校的伯克利AI研究(BAIR)小组设立。BAIR博客旨在传播BAIR在人工智能研究方面的研究成果,观点和最新情况。

DeepMind:
DeepMind的大名,我想很多人已经知道了。Andrej Karpathy的博客:原博客:http://karpathy.github.io/

Medium:
https://medium.com/@karpathy 特斯拉的人工智能总监,很多人也许看过他的博客,但是不知道这个人。现在他已经转战Medium,很多文章发布在Medium。

Colah的博客:
Christopher Olah是Google Brain的研究科学家。旨在用简单的方式解读神经网络。

WildML:
博主同样来自Google Brain,写作的主要焦点是深度学习。

Ruder的博客:
博主是一位博士生,博客以深度学习和自然语言处理为主。

FAIR博客:
FAIR的大名就不多讲了,我想很多人知道,很多精彩论文出自FAIR,博客讨论了人工智能,深度学习,机器学习,计算机视觉及其在Facebook自研产品上的实际应用。

Adit Deshpande的博客:
UCLA的一名本科生(自愧不如啊),很多内容为初学者准备,由浅入深,层层递进。

inFERENCe的博客:
剑桥的博士,与Twitter Cortex合作。他撰写了关于概率推理,生成模型,无监督学习。

Andrew Trask的博客:
非常推荐,博主是DeepMind的研究科学家和博士。

以上清单的所有内容在 GitHub 里都有对应的网页链接。凭借这份机器学习清单,大家可以轻松获取自己需要的知识资源。


未经允许不得转载:红色石头的个人博客 » 完备的机器学习资源:书、视频、源码,都汇总在这份清单里!

赞 (2) 打赏

评论 0

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

微信扫一扫打赏