从入门到进阶,所用到机器学习资料,包括书、视频、源码。
- 机器学习入门
- 机器学习模型
- 深度学习基础
- 《Deep Learning with Python》 难度:低;推荐:☆☆☆☆☆
- 《Deep Learning with Keras》 难度:低;推荐:☆☆☆☆
- 《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:☆☆☆☆☆
- 《Deep Learning in Natural Language Processing》
- 《Natural Language Processing with TensorFlow》
- 《Mastering Natural Language Processing with Python》
- 《Text Analytics with Python》
- 《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》
- 《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
| 基础框架 | 机器学习 | 深度学习 |
|---|---|---|
| pandas,imbalanced-learn | sklearn,LightGBM | TensorFlow,Keras |
| xLearn | XGBoost ,CatBoost | PyTorch,PaddlePaddle |
-
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)