linxid/machine_learning_study_path

机器学习过程中所看的书，视频和源码

从入门到进阶，所用到机器学习资料，包括书、视频、源码。

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》

下载链接：https://pan.baidu.com/s/12w9NjsnOSPUAX5U4BVvBIg 提取码: hucw

3.框架

基础框架	机器学习	深度学习
pandas,imbalanced-learn	sklearn,LightGBM	TensorFlow,Keras
xLearn	XGBoost ,CatBoost	PyTorch,PaddlePaddle

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。简单列几篇他的博客： Tutorial: Deep Learning in PyTorch
  Anyone Can Learn To Code an LSTM-RNN in Python (Part 1: RNN)

machine_learning_study_path's Issues

ai

大神啊膜拜

从csdn跳转过来的，tensorflow入门总算能看懂了。