一个网站拿下机器学习优质资源!搜索效率提高 50%

现在大家平时会遇到很多不错的机器学习资源,但是大多数情况下,资源比较分散,不方便集中管理和查阅。更重要的是往往很难找到一个系统完整的资源导航,形成系统的学习路线,方便搜索。

重磅!今天小编在网上“闲逛”的时候发现了一个超级棒的机器学习优质资源分类导航。至少节约大家 50% 的时间。

下面详细给大家介绍一下!

首先,放上这个机器学习优质资源分类导航的网站:

https://madewithml.com/topics/

该网站整理收集了机器学习最佳的资源,并持续更新中。如果你正在寻找当前的热门内容,请查看主页。如果你在没有看到想要的主题,你可以使用顶部的搜索栏来搜索它。

该网站总共收集了 10 大主题内容,分别是:

  • 框架
  • 算法
  • 自然语言处理
  • 机器视觉
  • 综合
  • 概念
  • 数据、模型和训练
  • 全栈
  • 工业
  • 收藏
  • 下面,分别来看一下!

1. 框架

这部分主要收集了一些编程用的框架,例如最常见的 Python、Numpy、TensorFlow 等。点开相应的框架,就会跳转到比较全面的关于该框架的资源。

例如 Python:

除了 Getting started,还有 Tutorials、Toolkits、Research、Recent 等,内容真的太丰富了。

2. 算法

算法部分是比较核心的主题。包含了各个机器学习主要算法和理论,例如:线性代数、最大似然估计(MLE)、线性回归、支持向量机(SVM)、对抗生成网络(GAN)等。每个内容下都包含了丰富的内容。

3. 自然语言处理

自然语言处理包括文本处理、语言建模(LM)、机器翻译(MT)等。

4. 机器视觉

机器视觉主要包括图像识别、物体检测、图像生成、动作识别等。

5. 综合

这部分涵盖的内容比较杂,包括异常检测、时间序列、聚类语音识别等。

6. 概念

这部分主要包括迁移学习、非监督式学习、半监督式学习、强化学习等。

7. 数据、模型和训练

这部分主要包括模型压缩、数据收集、标注、可视化、分布式训练等。

8. 全栈

这部分主要包括 API、Docker、Web Scraping、SQL。

9. 工业

这部分主要包括 AI 应用,例如在健康领域等。

10. 收藏

这部分列举了用于搜索非常有趣的集合的标签列表。

总结

可以不说这是一份超赞的机器学习优质资源的分类导航。工欲善其事必先利其器,这个利器记得收藏哦!

最后,再次放上该分类导航的网站:

https://madewithml.com/topics/


本文首发于公众号:AI有道(ID: redstonewill),欢迎关注!

未经允许不得转载:红色石头的个人博客 » 一个网站拿下机器学习优质资源!搜索效率提高 50%

赞 (1) 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