精品伊人久久大香线蕉,开心久久婷婷综合中文字幕,杏田冲梨,人妻无码aⅴ不卡中文字幕

本文共1200字，建議閱讀5分鐘。

本文收集了豐富的機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、人工智能領(lǐng)域最優(yōu)質(zhì)的學(xué)習(xí)資料，供各位AI-er查閱，一起學(xué)習(xí)。

目錄

• 書籍

• 課程

• 博客

• 論文/代碼

書籍 Books

1. 《Grokking Deep Learning》

簡介：

深度學(xué)習(xí)的使用方法

作者：

Andrew Trask

地址：

https://www.manning.com/books/grokking-deep-learning?ref=bestofml.com

2. 《Deep Learning Book》

簡介：

經(jīng)典深度學(xué)習(xí)書籍

作者：

Goodfellow, Yoshua Benjio和Aaron Courville

地址：

https://www.deeplearningbook.org/?ref=bestofml.com

3. 《Neural Networks and Deep Learning》

簡介：

免費(fèi)在線書籍

4. 《Deep Learning with Python》

簡介：

用python語言和強(qiáng)大的keras庫進(jìn)行深度學(xué)習(xí)

地址：

https://www.amazon.com/Deep-Learning-Python-Francois-Chollet/dp/1617294438/?ref=bestofml.com

5. 《Hands-On Machine Learning》

簡介：

簡單、高效的工具，實(shí)現(xiàn)從數(shù)據(jù)中學(xué)習(xí)的程序

地址：

https://www.amazon.com/Hands-Machine-Learning-Scikit-Learn-TensorFlow/dp/1491962291/?ref=bestofml.com

6. 《Deep Learning - A Practitioner's Approach》

簡介：

機(jī)器學(xué)習(xí)-尤其是深層神經(jīng)網(wǎng)絡(luò)-如何才能對你的公司產(chǎn)生真正的影響？

地址：

https://www.amazon.com/Deep-Learning-Practitioners-Josh-Patterson/dp/1491914254/?ref=bestofml.com

7. 《Introduction to Machine Learning with Python - A Guide for Data Scientists》

簡介：

機(jī)器學(xué)習(xí)已成為許多商業(yè)應(yīng)用和研究項(xiàng)目的組成部分，但這一領(lǐng)域并不僅僅局限于大型公司和研究團(tuán)隊(duì)。如果你是Python的使用者，甚至初學(xué)者，這本書將教會(huì)你構(gòu)建自己的機(jī)器學(xué)習(xí)解決方案的實(shí)用方法。

地址：

https://www.amazon.com/Introduction-Machine-Learning-Python-Scientists/dp/1449369413?ref=bestofml.com

課程 Courses

1. Machine Learning by Andrew Ng

簡介：

最受歡迎的機(jī)器學(xué)習(xí)課程之一

地址：

https://www.coursera.org/learn/machine-learning?ref=bestofml.com

簡介：

機(jī)器學(xué)習(xí)算法要點(diǎn)

地址：

https://www.edx.org/course/machine-learning?ref=bestofml.com

簡介：

Udemy的動(dòng)手Python課程

作者：

Kirill Eremenko

地址：

https://www.udemy.com/machinelearning/?ref=bestofml.com

簡介：

Udacity的免費(fèi)基礎(chǔ)機(jī)器學(xué)習(xí)課程

地址：

簡介：

機(jī)器學(xué)習(xí)在交易中的應(yīng)用

地址：

簡介：

牛津大學(xué)2017年開設(shè)的深度自然語言處理課程

地址：

https://github.com/oxford-cs-deepnlp-2017/?ref=bestofml.com

簡介：

本教程介紹無監(jiān)督的特征學(xué)習(xí)和深度學(xué)習(xí)的主要思想

簡介：

包含視覺識別的卷積神經(jīng)網(wǎng)絡(luò)

簡介：

自然語言處理中的深度學(xué)習(xí)

簡介：

完全免費(fèi)并廣受好評的深度學(xué)習(xí)課程

地址：

https://www.fast.ai/?ref=bestofml.com

簡介：

本課程的目的是讓學(xué)習(xí)者了解現(xiàn)代神經(jīng)網(wǎng)絡(luò)及其在計(jì)算機(jī)視覺和自然語言理解中的應(yīng)用

地址：

https://www.coursera.org/learn/intro-to-deep-learning?ref=bestofml.com

1. Towards Data Science

簡介：

以數(shù)據(jù)科學(xué)為中心的媒體出版物

地址：

https://towardsdatascience.com/?ref=bestofml.com

• AI Weekly

簡介：

關(guān)于AI當(dāng)前媒體覆蓋的每周新聞簡報(bào)

2. Deep Learning Weekly

簡介：

關(guān)于深度學(xué)習(xí)中的新發(fā)現(xiàn)、論文和探索的每周簡報(bào)

地址：

https://www.deeplearningweekly.com/?ref=bestofml.com

3. The Algorithm

簡介：

麻省理工關(guān)于AI的簡報(bào)

地址：

https://go.technologyreview.com/newsletters/the-algorithm/?ref=bestofml.com

4. Import AI

簡介：

Jack Clark（OpenAI）關(guān)于AI的博客

地址：

https://jack-clark.net/?ref=bestofml.com

5. Machine Learing Mastery

簡介：

關(guān)于機(jī)器學(xué)習(xí)項(xiàng)目、tricks的很棒的初學(xué)者資源

地址：

https://machinelearningmastery.com/blog/?ref=bestofml.com

6. FastML

簡介：

數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)的項(xiàng)目、技巧

7. Starts & Bots

簡介：

機(jī)器學(xué)習(xí)，數(shù)據(jù)分析等

地址：

https://blog.statsbot.co/?ref=bestofml.com

8. Machine Learning Subreddit

地址：

https://www.reddit.com/r/machinelearning?ref=bestofml.com

9. Dynamically Typed Newsletter

簡介：

每兩周一次的時(shí)事簡報(bào)，有關(guān)于人工智能、機(jī)器學(xué)習(xí)技術(shù)和技術(shù)/創(chuàng)業(yè)行業(yè)的想法和鏈接

地址：

https://dynamicallytyped.com/?ref=bestofml.com

10. Skynet today

簡介：

致力于提供最新的人工智能新聞和趨勢，和深入的社論，可訪問和知情的報(bào)道。

地址：

https://www.skynettoday.com/?ref=bestofml.com

11. The Gradient

簡介：

旨在使AI&ML的研究民主化，并對最新發(fā)展和長期趨勢的最重要的新論文和觀點(diǎn)進(jìn)行無障礙和技術(shù)知情的報(bào)道。

地址：

https://thegradient.pub/?ref=bestofml.com

12. Distill

簡介：

一本在線雜志，以一種清晰、動(dòng)態(tài)和生動(dòng)的方式預(yù)告ML研究

https://distill.pub/?ref=bestofml.com

13. Stanford AI Lab Blog

簡介：

一個(gè)讓學(xué)生、教師和研究人員與公眾分享他們的工作的地方。

地址：

https://ai.stanford.edu/blog/?ref=bestofml.com

14. Lil'Lgo

地址：

https://lilianweng.github.io/lil-log/?ref=bestofml.com

15. Colah's blog

地址：

https://colah.github.io/?ref=bestofml.com

論文/代碼 Papers

1. Arxiv Stats

地址：

https://arxiv.org/list/stat.ML/recent?ref=bestofml.com

2. Arxiv Sanity Preserver

3. Papers with Code

簡介：

不同主題的論文及其代碼實(shí)現(xiàn)

地址：

https://paperswithcode.com/?ref=bestofml.com