这是一份超全机器学习&深度学习资源清单(105个AI站点),请收藏!

本文由专知整理

howie6879在Github上维护了一个机器学习网站导航以及资源的目录,包含了新闻资讯、课程、比赛、项目、文档等导航链接,主流的都涵盖到,是深度学习从业者不错的一个导航,欢迎使用!

网址:

https://github.com/howie6879/mlhub123

新闻资讯

  • Analytics Vidhya (https://www.analyticsvidhya.com/blog/): 为数据科学专业人员提供基于社区的知识门户
  • Distill (https://distill.pub/): 展示机器学习的最新文章
  • Google News (https://news.google.com/topics/CAAqIggKIhxDQkFTRHdvSkwyMHZNREZvZVdoZkVnSmxiaWdBUAE?hl=en-US&gl=US&ceid=US%3Aen): Google News Machine learning
  • MIT News (http://news.mit.edu/topic/machine-learning): Machine learning | MIT News
  • 17bigdata (http://www.17bigdata.com ): 专注数据分析、挖掘、大数据相关领域的技术分享、交流
  • 机器之心 (https://www.jiqizhixin.com): 机器之心 | 全球人工智能信息服务
  • 雷锋网 (https://www.leiphone.com): 雷锋网 | 读懂智能,未来
  • 数据分析网 (https://www.afenxi.com): 数据分析网 - 大数据学习交流第一平台
  • 知乎主题 (https://www.zhihu.com/topic/19559450/hot): 知乎机器学习热门主题
  • 专知(http://www.zhuanzhi.ai/):专业可信的人工智能知识分发,包含5000+AI主题,荟萃、链路等资料

社区交流

  • AIQ (http://www.6aiq.com ): 机器学习大数据技术社区
  • DataTau (https://www.datatau.com): 人工智能领域的Hacker News
  • MathOverflow (https://mathoverflow.net): 数学知识问答社区
  • Medium (https://medium.com/): 一个涵盖人工智能、机器学习和深度学习相关领域的自由、开放平台
  • 专知(http://www.zhuanzhi.ai/):专业可信的人工智能知识分发,包含5000+AI主题,荟萃、链路等资料
  • PaperWeekly (http://www.paperweekly.site): 一个推荐、解读、讨论和报道人工智能前沿论文成果的学术平台
  • Quora (https://www.quora.com/pinned/Machine-Learning): Quora | 机器学习主题
  • Reddit (https://www.reddit.com/r/MachineLearning): Reddit | 机器学习板块
  • ShortScience (http://www.shortscience.org): 用最简单的篇幅去概况科学著作
  • SofaSofa (http://sofasofa.io/index.php): 做最好的数据科学社区
  • Twitter (https://twitter.com/StatMLPapers): Twitter | 机器学习论文版块
  • 极智能 (http://www.ziiai.com): 人工智能技术社区

优质博文

  • Google AI Blog (https://ai.googleblog.com/): 谷歌AI博客
  • handong1587 (https://handong1587.github.io/): 深度学习各个方向资源汇总,及各大顶级会议/期刊资源
  • Machine Learning Mastery (https://machinelearningmastery.com/blog): 帮助开发人员使用机器学习的知识解决复杂的问题
  • Stats and Bots - Medium (https://blog.statsbot.co): 机器学习应用程序和代码的实用指南
  • tornadomeet的博客 (https://www.cnblogs.com/tornadomeet/archive/2012/06/24/2560261.html): 很详细的ML&DL学习博客
  • 爱可可-爱生活 (https://weibo.com/fly51fly?topnav=1&wvr=6&topsug=1): 知名互联网资讯博主
  • 超智能体 (https://zhuanlan.zhihu.com/YJango): 分享最通俗易懂的深度学习教程
  • 人工智能笔记 (https://zhuanlan.zhihu.com/ainote): 人工智能从入门到AI统治世界

论文检索

  • arXiv (https://arxiv.org): 康奈尔大学运营的学术预印本发布的平台
  • Arxiv Sanity (http://www.arxiv-sanity.com): 论文查询推荐
  • GitXiv (http://www.gitxiv.com): arXiv的成果开源实现平台
  • Papers with Code (https://paperswithcode.com): 将论文与开源代码实现结合
  • SCI-HUB (https://sci-hub.tw/): 找论文必备
  • 猫咪论文 (https://lunwen.im): 简单自由的论文下载平台

比赛实践

  • Biendata (https://biendata.com/):数据科学竞赛平台
  • DataCastle (http://www.pkbigdata.com): 中国领先的数据科学竞赛平台
  • DataFountain (http://www.datafountain.cn/#/): DF,CCF指定专业大数据竞赛平台
  • Kaggle (https://www.kaggle.com): 为数据科学家提供举办机器学习竞赛
  • KDD-CUP (http://www.kdd.org/kdd-cup): 国际知识发现和数据挖掘竞赛
  • 滴滴新锐 (http://research.xiaojukeji.com/trainee.html): 滴滴面向全球高校博士、硕士、优秀本科生的精英人才计划
  • JDD空间站 (https://jdder.jd.com/): 京东算法赛事平台
  • 赛氪网 (http://www.saikr.com): 汇集以高校竞赛为主,活动、社区为辅的大学生竞赛活动平台
  • 天池大数据 (https://tianchi.aliyun.com): 大数据竞赛、大数据解决方案、数据科学家社区、人工智能、机器学习

课程学习

  • Data-science-complete-tutorial (https://github.com/zekelabs/data-science-complete-tutorial): 数据科学完整入门指南
  • David Silver (https://v.youku.com/v_show/id_XMjcwMDQyOTcxMg==.html?spm=a2h0j.11185381.listitem_page1.5!4~A&&f=49376145):David Silver 深度强化学习课程
  • fast.ai (http://www.fast.ai/): Making neural nets uncool again
  • liuyubobobo (https://coding.imooc.com/class/169.html): Python3 入门机器学习
  • Metacademy (https://metacademy.org/): 知识点检索并画出通向这个知识点的知识图谱
  • Two Minute Papers (https://www.youtube.com/channel/UCbfYPyITQ-7l4upoX8nvctg): YouTube | 最简短的语言概况最新的热点论文
  • 3Blue1Brown (https://www.youtube.com/channel/UCYO_jab_esuFRV4b17AJtAw): YouTube | 数学基础频道
  • 3Blue1Brown 中文 (http://space.bilibili.com/88461692/#/): Bilibili | 数学基础频道
  • 机器学习速成课程 (https://developers.google.cn/machine-learning/crash-course/): Google制作的节奏紧凑、内容实用的机器学习简介课程
  • 林轩田 (https://www.bilibili.com/video/av4294020/): 机器学习基石
  • 林轩田 (https://www.bilibili.com/video/av12469267): 机器学习技法
  • 邱锡鹏(复旦大学) (https://github.com/nndl/nndl.github.io):神经网络与深度学习
  • 吴恩达 (http://study.163.com/course/introduction/1004570029.htm): 机器学习课程
  • 吴恩达 (https://mooc.study.163.com/smartSpec/detail/1001319001.htm): 深度学习课程

资源收集

  • awesome-machine-learning-cn (https://github.com/jobbole/awesome-machine-learning-cn): 机器学习资源大全中文版,包括机器学习领域的框架、库以及软件
  • Coursera-ML-AndrewNg-Notes (https://github.com/fengdu78/Coursera-ML-AndrewNg-Notes): 吴恩达老师的机器学习课程个人笔记
  • daily-paper-computer-vision (https://github.com/amusi/daily-paper-computer-vision): 记录每天整理的计算机视觉/深度学习/机器学习相关方向的论文
  • deeplearning_ai_books (https://github.com/fengdu78/deeplearning_ai_books): 吴恩达老师的深度学习课程笔记及资源
  • Deep-Learning-Papers-Reading-Roadmap (https://github.com/floodsung/Deep-Learning-Papers-Reading-Roadmap): 深度学习论文阅读路线图
  • Getting Started in Computer Vision Research (https://sites.google.com/site/mostafasibrahim/research/articles/how-to-start):计算机视觉研究入门全指南
  • lihang_book_algorithm (https://github.com/WenDesi/lihang_book_algorithm): 《统计学习方法》算法python实现
  • Machine Learning、Deep Learning (https://github.com/ty4z2008/Qix/blob/master/dl.md): ML&DL资料
  • MachineLearning_Python (https://github.com/lawlite19/MachineLearning_Python): 机器学习算法python实现
  • ml_cheatsheet (https://github.com/remicnrd/ml_cheatsheet):机器学习算法速查手册
  • ml_tutorials (https://github.com/MorvanZhou/tutorials): 机器学习相关教程
  • NLP-progress (https://github.com/sebastianruder/NLP-progress):跟踪NLP各项技术的state-of-the-art进展
  • 周志华 - 机器学习 (https://github.com/Vay-keen/Machine-learning-learning-notes): 周志华《机器学习》笔记

开源书籍

  • deeplearningbook-chinese (https://github.com/exacity/deeplearningbook-chinese): 深度学习中文版
  • deep_learning_cookbook (https://github.com/DOsinga/deep_learning_cookbook): 深度学习手册
  • hands_on_Ml_with_Sklearn_and_TF (https://github.com/apachecn/hands_on_Ml_with_Sklearn_and_TF): Sklearn与TensorFlow机器学习实用指南
  • Interpretable Machine Learning (https://christophm.github.io/interpretable-ml-book/): 一份指南,教你如何构建具有可解释性的黑盒模型
  • Neural Networks and Deep Learning (http://neuralnetworksanddeeplearning.com/index.html): 深度学习开源书籍
  • Neural Networks and Deep Learning (https://github.com/zhanggyb/nndl): 深度学习开源书籍 - 中文
  • PythonDataScienceHandbook (https://github.com/jakevdp/PythonDataScienceHandbook): Python数据科学手册
  • TensorFlow-Course (https://github.com/open-source-for-science/TensorFlow-Course): 简单易学的TensorFlow教程
  • 机器学习实战 (https://github.com/apachecn/MachineLearning): Machine Learning in Action(机器学习实战)
  • 简单粗暴TensorFlow (https://github.com/snowkylin/TensorFlow-cn): 本手册是一篇精简的TensorFlow入门指导

实战项目

  • face_recognition (https://github.com/ageitgey/face_recognition): 世界上最简单的人脸识别库
  • style2paints (https://github.com/lllyasviel/style2paints): 线稿自动上色

Python

  • Caffe (http://caffe.berkeleyvision.org/): 一个基于表达式,速度和模块化原则创建的深度学习框架
  • Caffe2 (https://caffe2.ai/docs/getting-started.html?platform=windows&configuration=compile): Caffe2官方文档
  • Chainer (https://docs.chainer.org/en/stable/): 基于Python的独立的深度学习模型开源框架
  • CNTK (https://docs.microsoft.com/en-us/cognitive-toolkit/): CNTK官方文档
  • Gensim (https://radimrehurek.com/gensim/index.html): 包含可扩展的统计语义,分析纯文本文档的语义结构,以及检索相似语义的文档等功能
  • Keras (https://keras.io/): Keras官方文档
  • Matplotlib (https://matplotlib.org/tutorials/index.html): Matplotlib官方文档
  • MXNet (http://mxnet.incubator.apache.org/tutorials/index.html): MXNet官方文档
  • Neon (http://neon.nervanasys.com/index.html/): Nervana公司一个基于Python的深度学习库
  • NumPy (http://www.numpy.org/): NumPy官方文档
  • pandas (http://pandas.pydata.org/pandas-docs/stable/): pandas官方文档
  • PyBrain (http://pybrain.org/docs/): 一个模块化的Python机器学习库
  • Pylearn2 (http://deeplearning.net/software/pylearn2/): 构建于Theano之上的机器学习库
  • PyTorch (https://pytorch.org/tutorials/): PyTorch官方文档
  • Seaborn (https://seaborn.pydata.org/): Seaborn官方文档
  • scikit-learn (http://scikit-learn.org/stable/documentation.html): scikit-learn官方文档
  • Statsmodels (http://www.statsmodels.org/stable/index.html): 用来探索数据,估计统计模型,进行统计测试
  • TensorFlow (https://www.tensorflow.org/tutorials/): TF官方文档
  • Theano (http://deeplearning.net/software/theano/): 允许高效地定义、优化以及评估涉及多维数组的数学表达式

C & C++

  • dlib (http://dlib.net): 实用的机器学习和数据分析工具包

Java & Scala

  • DeepLearning4j (https://deeplearning4j.org/): 基于JAVA和Scala的商业级开源分布式深度学习框架

原文发布于微信公众号 - 机器学习算法与Python学习(guodongwei1991)

原文发表时间:2018-11-21

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏华章科技

普通程序员如何转向AI方向?

本文的目的是给出一个简单的,平滑的,易于实现的学习方法,帮助 “普通” 程序员踏入AI领域这个门。这里,我对普通程序员的定义是:拥有大学本科知识;平时工作较忙;...

7420
来自专栏CreateAMind

智能机器的现实风险

当人们问我是干什么的,我常常对回答的深度感到困惑。说“人工智能”我很满意,但太宽泛,而说“图像处理”可能又太具体。然而,一听到接下的来的毫不相干的问题我总是气不...

9810
来自专栏量子位

谷歌传奇Jeff Dean给创业者的一小时AI讲座 | 86页PPT+视频

李林 若朴 编译整理 量子位 出品 | 公众号 QbitAI ? 少年,你知道Jeff Dean么? 传奇一般的Jeff Dean现在领导着Google Bra...

37330
来自专栏机器人网

写给非技术人员的机器学习指南

  作者:Kannan Chandrasegaran   这里是另一家创业公司的聚会,你靠在吧台上,一边喝着小酒。这样的夜晚你只考虑自己,尽情享受社交活动。  ...

37180
来自专栏新智元

计算机视觉导览:如何快速上手,是否该读博?

【新智元导读】 Learning OpenCV 3 Application Development 一书的作者 Samyak Datta 在一次专访中解答了初学...

45130
来自专栏机器之心

深度 | 吴恩达对话Yann LeCun:从相识Hinton到深度学习崛起

机器之心整理 机器之心编辑部 深度学习专项课程 Deeplearning.ai 中,也包含吴恩达和多位深度学习大牛的对话视频,之前 YouTube 上已经公开了...

29450
来自专栏CSDN技术头条

在人工智能和大数据产品的开发中,有哪些需要特别注意的点?

人工智能是近年来科技发展的重要方向,大数据的采集、挖掘、应用的技术越来越受到瞩目。在人工智能和大数据产品的开发过程中,有哪些特别需要注意的要点?人工智能领域的算...

20070
来自专栏AI科技评论

人和人吵架生气,但AI和AI吵架反倒可以带来安全

AI 科技评论按:OpenAI 近日的一篇新文章简述了如何通过辩论使 AI 系统矫正自身的问题来保证系统的安全,人类是辩论的最终评价者。由于人类直接决定辩论胜负...

12430
来自专栏CDA数据分析师

机器学习领域的突破性进展(附视频中字)

机器学习的发展涉及到各个方面,从语音识别到智能回复。但这些系统中的“智能”实际上是如何工作的呢?还存在什么主要挑战?在本次讲座中将一一解答。 Google I/...

208100
来自专栏新智元

DeepMind用深度学习模仿大脑推理,预测编码智能推进一大步!

【新智元导读】预测编码理论认为,大脑的感知、运动控制、记忆及其他高级功能,取决于真实经历和大脑对未来的预测之间的差异。DeepMind新推出的“生成查询网络”模...

11310

扫码关注云+社区

领取腾讯云代金券