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