本文整理了一些从入门到高级机器学习所需要的免费优质视频课程、一些优质书籍和经典代码实战项目。
本文整理自网络，来源地址：
所有资源链接下载地址：
关联：
提取码：usrq
1.1 吴恩达老师的机器学习课程：
• Coursera
• 网易云课堂
• 中文注释
• 英文注释、字幕
1.2 吴恩达深度学习课程
• Coursera
• 网易云课堂
•笔记
1.3 哈佛CS231231n：用于视觉识别的卷积神经网络
•官方网站
• 网易云课堂
1.4fast.ai
•官方网站
•第 1 部分：程序员实用深度学习
•第2部分：编码员的前沿深度学习
1.5 百度PaddlePaddle公开课：
• 机器学习简介
• 机器学习模型
• 深度学习基础知识
1.6 徐义达老师的机器学习课程：
•官方网站
• GitHub
•哔哩哔哩
•百度云
1.7 李宏毅深度学习课程
•官方网站
•哔哩哔哩
1.8 微软机器学习崩溃
•课程
•实践
•术语库
图书
2.1喀拉拉邦：
• “DeepLearningwithPython” 难度：低； 推荐：☆☆☆☆☆
• “DeepLearningwithKeras” 难度：低； 推荐度：☆☆☆☆
2.2TensorFlow：
•《Hands-OnMachine Learning with Scikit-Learn and TensorFlow》难度：中等； 推荐：☆☆☆☆☆
•《学习TensorFlow》
•《TensorFlowMachineLearningcookbook》难度：中； 推荐：☆☆☆☆☆
2.3自然语言处理：
•《自然语言处理中的深度学习》
•《使用TensorFlow进行自然语言处理》
•《用Python掌握自然语言处理》
•《Python文本分析》
2.4 机器学习：
•《统计学习技巧》难度：中； 推荐：☆☆☆☆☆
•《模式识别与机器学习》难度：高； 推荐：☆☆☆☆☆
• “机器学习实际应用”难度：低； 推荐度：☆☆☆☆
•《机器学习向往》
•《美团机器学习在行动》
•《集体智能编程》难度：低； 推荐度：☆☆☆☆
•《百面机器学习算法工程师带你参加笔试》
2.5 深度学习：
•中文版《深度学习》难度：高； 推荐：☆☆☆☆☆
•《神经网络与深度学习》难度：中； 推荐度：☆☆☆☆
•《Deep Learning with pythonAHandson介绍》
下载链接： 提取码：hucw
框架
基本框架
pandas、平衡学习、xLearn
机器学习
sklearn、LightGBM、XGBoost、CatBoost
深度学习
TensorFlow、Keras、PyTorch、PaddlePaddle
机器学习博客
•开放人工智能：
由埃隆·马斯克提出的一个人工智能非营利组织小说网站代码模板，定期发表自然语言处理、图像处理、语音处理等先进人工智能技术的研究成果。
•蒸馏：
编辑和策展团队由来自GoogleBrain、DeepMind、Tesla等著名机构的科学家组成。 旨在清楚地解释机器学习。
•BAIR 博客：
加州大学伯克利分校校园的伯克利人工智能研究（BAIR）小组正在准备成立。 BAIR博客致力于传播BAIR的研究成果、观点以及人工智能研究的最新进展。
•DeepMind：
我想很多人都已经知道DeepMind的名字了。
•Andrej Karpathy 的博客：
原创博客：Medium：@karpathy 特斯拉的人工智能经理，很多人其实都看过他的博客，而且不认识这个人。 现在他已经转战Medium小说网站代码模板，并且在Medium上发表了很多文章。
•Colah 的博客：
Christopher Olah 是 Google Brain 的研究科学家。 致力于以简单的形式剖析神经网络。
•WildML：
博主同样来自GoogleBrain，主要写作方向是深度学习。
•罗德博客：
博主是一名博士生，他的博客主要关注深度学习和自然语言处理。
•公平博客：
FAIR这个名字我就不多说了。 我想很多人都知道FAIR有很多精彩的论文。 该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自研产品中的实际应用。
• Adit Deshpande 的博客
一个UCLA的大专生（我水平不如自己），很多内容都是针对初学者的，由浅入深，循序渐进。
•inFERENCE 的博客：
剑桥博士，与 TwitterCortex 合作。 他撰写了有关概率推理、生成模型和无监督学习的文章。
•安德鲁·特拉斯克的博客：
特别推荐，博主是研究科学家，博士。 来自 DeepMind。 简单列出他的几篇博客：Tutorial:DeepLearninginPyTorch
任何人都可以在Python中学习代码LSTM-RNN（第1部分：RNN）
往期推荐内容
