1新智元編譯
機(jī)器學(xué)習(xí)和AI的資源那么多，該從何處下手？
科技作者、創(chuàng)業(yè)者、自學(xué)AI并成為博士生的Robbie Allen收集整理了一份詳盡的資料，囊括值得關(guān)注的人、機(jī)構(gòu)、課程、博客、Github庫(kù)、會(huì)議等各種資源，最重要的是，這些全都是免費(fèi)的。
無(wú)論你是初學(xué)AI，還是想要進(jìn)階，這些資料能不可錯(cuò)過(guò)。
首先感謝Robbie Allen，接下來(lái)我們就來(lái)看這份機(jī)器學(xué)習(xí)、深度學(xué)習(xí)和AI資源大全。微信格式所限無(wú)法外鏈，新智元在編譯時(shí)將重要的鏈接直接放在文中，可以復(fù)制后在瀏覽器中打開(kāi)。
了解更多可以查看原文。
資源目錄：
知名研究人員
AI組織
視頻課程
博客作者
書(shū)籍
YouTube頻道
Quora主題
Reddit子版塊
GitHub項(xiàng)目
Podcasts
Newsletters
會(huì)議
研究鏈接
教程
知名研究人員
許多最知名的AI研究者都在網(wǎng)絡(luò)上有很多的參與，例如在Reddit或Quora Session上做Ask-Me-Anything等。以下提供他們的個(gè)人網(wǎng)站，Wikipedia頁(yè)面，Twitter主頁(yè)，Google scholar頁(yè)面，quora 主頁(yè)等的鏈接，讀者可以從文末的原文鏈接進(jìn)入（排名不分先后）。
Sebastian Thrun：Udacity(優(yōu)達(dá)學(xué)城)創(chuàng)始人、斯坦福終身教授、Google X 實(shí)驗(yàn)室創(chuàng)始人
Yann Lecun：Facebook AI 實(shí)驗(yàn)室負(fù)責(zé)人、紐約大學(xué)教授
Nando de Freitas：牛津大學(xué)教授
Andrew Ng：斯坦福大學(xué)副教授、人工智能實(shí)驗(yàn)室主任，Coursera聯(lián)合創(chuàng)始人，前百度首席科學(xué)家
Daphne Koller：斯坦福大學(xué)教授、Coursera聯(lián)合創(chuàng)始人
Adam Coates：百度硅谷AI實(shí)驗(yàn)室主任
Jürgen Schmidhuber：瑞士人工智能實(shí)驗(yàn)室IDSIA 的科學(xué)事務(wù)主管
Geoffrey Hinton：多倫多大學(xué)計(jì)算機(jī)科學(xué)系教授、谷歌Engineering Fellow
Terry Sejnowski：索爾克研究所神經(jīng)科學(xué)家
Michael Jordan：加州大學(xué)伯克利分校教授
Peter Norvig：谷歌公司研究總監(jiān)
Yoshua Bengio：蒙特利爾大學(xué)教授
Ian Goodfellow：谷歌大腦Staff Research Scientist
Andrej Karpathy：特斯拉人工智能部門(mén)主管
Richard Socher：Salesforce首席科學(xué)家、斯坦福計(jì)算機(jī)科學(xué)系副教授
Demis Hassabis：DeepMind創(chuàng)始人兼CEO
Christopher Manning：斯坦福大學(xué)計(jì)算機(jī)科學(xué)和語(yǔ)言學(xué)教授
Fei-Fei Li（李飛飛）：斯坦福大學(xué)教授、谷歌云AI/ML首席科學(xué)家
Fran?ois Chollet：谷歌人工智能研究員、深度學(xué)習(xí)框架Keras 的作者
Dan Jurafsky：斯坦福大學(xué)計(jì)算機(jī)科學(xué)系和語(yǔ)言學(xué)系教授、語(yǔ)言學(xué)系主任
Oren Etzioni：艾倫人工智能研究所CEO
AI組織
有許多知名的組織致力于推動(dòng)人工智能研究和開(kāi)發(fā)。以下是部分網(wǎng)站/博客和Twitter帳戶(hù)。
OpenAI / Twitter (127K followers)
DeepMind / Twitter (80K followers)
Google Research / Twitter (1.1M followers)
AWS AI / Twitter (1.4M followers)
Facebook AI Research (no Twitter :)
Microsoft Research / Twitter (341K followers)
Baidu Research / Twitter (18K followers)
IntelAI / Twitter (2K followers)
AI2 / Twitter (4.6K followers)
Partnership on AI / Twitter (5K followers)
視頻課程
網(wǎng)絡(luò)上有大量視頻課程和教程，其中許多都是免費(fèi)的。也有一些很好的付費(fèi)課程，但本文主要提供免費(fèi)內(nèi)容的推薦。有相當(dāng)多的大學(xué)課程都提供在線(xiàn)課程材料，但沒(méi)有視頻。以下課程可以足夠你忙上幾個(gè)月了：
Coursera — 機(jī)器學(xué)習(xí)（Machine Learning）
授課：Andrew Ng
https://www.coursera.org/learn/machine-learning#syllabus
Coursera — 機(jī)器學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)（Neural Networks for Machine Learning）
授課：Geoffrey Hinton
https://www.coursera.org/learn/neural-networks
Udacity — 機(jī)器學(xué)習(xí)導(dǎo)論（Intro to Machine Learning）
授課：Sebastian Thrun
https://classroom.udacity.com/courses/ud120
Udacity — 機(jī)器學(xué)習(xí)（Machine Learning）
授課：Georgia Tech
https://www.udacity.com/course/machine-learning--ud262
Udacity — 深度學(xué)習(xí)（Deep Learning）
授課：Vincent Vanhoucke
https://www.udacity.com/course/deep-learning--ud730
機(jī)器學(xué)習(xí)（Machine Learning）
授課：mathematicalmonk
https://www.youtube.com/playlist?list=PLD0F06AA0D2E8FFBA
給程序員的機(jī)器學(xué)習(xí)實(shí)踐課程（Practical Deep Learning For Coders）
授課：Jeremy Howard & Rachel Thomas
http://course.fast.ai/start.html
Stanford CS231n —面向視覺(jué)識(shí)別的卷積神經(jīng)網(wǎng)絡(luò)（ Convolutional Neural Networks for Visual Recognition） (Winter 2016)
授課：李飛飛、Justin Johnson & Serena Yeung
http://cs231n.stanford.edu/
Stanford CS224n — 深度學(xué)習(xí)與自然語(yǔ)言處理（Natural Language Processing with Deep Learning）(Winter 2017)
授課：Chris Manning & Richard Socher
http://web.stanford.edu/class/cs224n/
哈佛深度NLP課程（Oxford Deep NLP 2017 ）
授課：Phil Blunsom et al.
https://github.com/oxford-cs-deepnlp-2017/lectures
強(qiáng)化學(xué)習(xí)（Reinforcement Learning）
授課：David Silver
http://www.cs.ucl.ac.uk/staff/d.silver/web/Teaching.html
Python實(shí)踐機(jī)器學(xué)習(xí)教程（Practical Machine Learning Tutorial with Python）
授課：sentdex
https://www.youtube.com/watch?list=PLQVvvaa0QuDfKTOs3Keq_kaG2P55YRn5v&v=OGxgnH8y2NM
YouTube頻道
以下是經(jīng)常發(fā)布AI或機(jī)器學(xué)習(xí)相關(guān)的受歡迎的內(nèi)容的YouTube頻道或用戶(hù)，按照訂閱者/觀看次數(shù)排序。
sentdex(225K 訂閱, 21M 觀看)
https://www.youtube.com/user/sentdex
Artificial Intelligence A.I.(7M 觀看)
https://www.youtube.com/channel/UC-XbFeFFzNbAUENC8Ofpn3g
Siraj Raval(140K 訂閱, 5M 觀看)
https://www.youtube.com/channel/UCWN3xxRkmTPmbKwht9FuE5A
Two Minute Papers(60K 訂閱, 3.3M 觀看)
https://www.youtube.com/user/keeroyz
DeepLearning.TV(42K 訂閱, 1.7M 觀看)
https://www.youtube.com/channel/UC9OeZkIwhzfv-_Cb7fCikLQ
Data School(37K 訂閱, 1.8M 觀看)
https://www.youtube.com/user/dataschool
Machine Learning Recipes with Josh Gordon(324K 觀看)
https://www.youtube.com/playlist?list=PLOU2XLYxmsIIuiBfYad6rFYQU_jL2ryal
Artificial Intelligence — Topic(10K 訂閱)
https://www.youtube.com/channel/UC9pXDvrYYsHuDkauM2fLllQ
Allen Institute for Artificial Intelligence (AI2)(1.6K 訂閱, 69K 觀看)
https://www.youtube.com/channel/UCEqgmyWChwvt6MFGGlmUQCQ
Machine Learning at Berkeley(634 訂閱, 48K 觀看)
https://www.youtube.com/channel/UCXweTmAk9K-Uo9R6SmfGtjg
Understanding Machine Learning — Shai Ben-David(973 訂閱, 43K 觀看)
https://www.youtube.com/channel/UCR4_akQ1HYMUcDszPQ6jh8Q
Machine Learning TV(455 訂閱, 11K 觀看)
https://www.youtube.com/channel/UChIaUcs3tho6XhyU6K6KMrw
博客作者
以下推薦一些優(yōu)質(zhì)的博客作者。
Andrej Karpathy：http://karpathy.github.io/
i am trask ：http://iamtrask.github.io/
Christopher Olah：http://colah.github.io/
Top Bots ：http://www.topbots.com/
WildML：http://www.wildml.com/
Distill ：http://distill.pub/
Machine Learning Mastery ：http://machinelearningmastery.com/blog/
FastML：http://fastml.com/
Adventures in NI：https://joanna-bryson.blogspot.de/
Sebastian Ruder：http://sebastianruder.com/
Unsupervised Methods：http://unsupervisedmethods.com/
Explosion：https://explosion.ai/blog/
Tim Dettmers：http://timdettmers.com/
When trees fall…：http://blog.wtf.sg/
ML@B ：https://ml.berkeley.edu/blog/
Medium上人工智能方面的作者：
Robbie Allen
Erik P.M. Vermeulen
Frank Chen
azeem
Sam DeBrule
Derrick Harris
Yitaek Hwang
samim
Paul Boutin
Mariya Yao
Rob May
Avinash Hindupur
書(shū)籍
有很多書(shū)籍，涵蓋機(jī)器學(xué)習(xí)，深度學(xué)習(xí)和NLP的一些方面。在本節(jié)中，我將聚焦于可以直接從網(wǎng)頁(yè)訪(fǎng)問(wèn)或下載的免費(fèi)書(shū)籍。
機(jī)器學(xué)習(xí)：
理解機(jī)器學(xué)習(xí)，從理論到算法（Understanding Machine Learning From Theory to Algorithms，http://101.96.8.164/www.cs.huji.ac.il/~shais/UnderstandingMachineLearning/understanding-machine-learning-theory-algorithms.pdf）
Machine Learning Yearning，作者：Andrew Ng，www.mlyearning.org/）
機(jī)器學(xué)習(xí)課程（A Course in Machine Learning，http://ciml.info）
機(jī)器學(xué)習(xí)（Machine Learning，https://www.intechopen.com/books/machine_learning）
神經(jīng)網(wǎng)絡(luò)與機(jī)器學(xué)習(xí)（Neural Networks and Deep Learning，neuralnetworksanddeeplearning.com/）
深度學(xué)習(xí)圖書(shū)（Deep Learning Book，www.deeplearningbook.org/）
強(qiáng)化學(xué)習(xí)導(dǎo)論（Reinforcement Learning: An Introduction，incompleteideas.net/sutton/book/the-book-2nd.html）
強(qiáng)化學(xué)習(xí)（Reinforcement Learning，https://www.intechopen.com/books/reinforcement_learning）
NLP
對(duì)話(huà)與語(yǔ)言處理（第三版）（Speech and Language Processing (3rd ed. draft)，https://web.stanford.edu/~jurafsky/slp3/）
Python自然語(yǔ)言處理（Natural Language Processing with Python，www.nltk.org/book/）
信息檢索概論（An Introduction to Information Retrieval，https://nlp.stanford.edu/IR-book/html/htmledition/irbook.html）
數(shù)學(xué)
統(tǒng)計(jì)思維概論（Introduction to Statistical Thought，people.math.umass.edu/~lavine/Book/book.pdf）
貝葉斯統(tǒng)計(jì)學(xué)概論（Introduction to Bayesian Statistics，https://www.stat.auckland.ac.nz/~brewer/stats331.pdf）
概率論概論（Introduction to Probability，https://www.dartmouth.edu/~chance/teaching_aids/books_articles/probability_book/amsbook.mac.pdf）
統(tǒng)計(jì)思維：面向Python程序員的概率論與統(tǒng)計(jì)學(xué)（Think Stats: Probability and Statistics for Python programmers，greenteapress.com/wp/think-stats-2e/）
概率論與統(tǒng)計(jì)學(xué)實(shí)踐指南（The Probability and Statistics Cookbook，statistics.zone/）
線(xiàn)性代數(shù)（Linear Algebra，joshua.smcvt.edu/linearalgebra/book.pdf）
線(xiàn)性代數(shù)錯(cuò)誤集錦（Linear Algebra Done Wrong，www.math.brown.edu/~treil/papers/LADW/book.pdf）
線(xiàn)性代數(shù)（理論與實(shí)踐）（Linear Algebra, Theory And Applications，https://math.byu.edu/~klkuttle/Linearalgebra.pdf）
面向計(jì)算機(jī)科學(xué)的數(shù)學(xué)（Mathematics for Computer Science，https://courses.csail.mit.edu/6.042/spring17/mcs.pdf）
微積分學(xué)（Calculus，https://ocw.mit.edu/ans7870/resources/Strang/Edited/Calculus/Calculus.pdf）
計(jì)算機(jī)科學(xué)與統(tǒng)計(jì)學(xué)學(xué)生用的微積分學(xué)（Calculus I for Computer Science and Statistics Students，www.math.lmu.de/~philip/publications/lectureNotes/calc1_forInfAndStatStudents.pdf）
Quora
Quora已經(jīng)成為AI和機(jī)器學(xué)習(xí)的重要資源。許多頂尖的研究人員在網(wǎng)站上回答問(wèn)題。下面我列出了一些主要的AI相關(guān)主題，您可以訂閱，如果您想自定義您的Quora Feed。查看Quora社區(qū)中每個(gè)主題（例如機(jī)器學(xué)習(xí)的常見(jiàn)問(wèn)題）中的常見(jiàn)問(wèn)題解答部分的問(wèn)題列表。
計(jì)算機(jī)科學(xué)（560萬(wàn)訂閱者）
機(jī)器學(xué)習(xí)（110萬(wàn)訂閱者）
人工智能（63萬(wàn)5千訂閱者）
深度學(xué)習(xí)（16萬(wàn)7千訂閱者）
NLP (15萬(wàn)5千訂閱者)
分類(lèi)機(jī)器學(xué)習(xí)（11萬(wàn)9千訂閱者）
通用人工智能（8萬(wàn)2千訂閱者）
卷積神經(jīng)網(wǎng)絡(luò)-CNN（2萬(wàn)5千訂閱者）
計(jì)算機(jī)語(yǔ)言學(xué)（2萬(wàn)3千訂閱者）
RNN（1萬(wàn)7千4百訂閱者）
Reddit上的AI社區(qū)不如Quora那么大，但它仍然有一些很好的子版塊值得關(guān)注。 Reddit可以幫助您跟上最新的新聞和研究，而Quora是問(wèn)題/答案。以下是按訂戶(hù)人數(shù)排序的主要AI相關(guān)子領(lǐng)域。
機(jī)器學(xué)習(xí)(111K讀者)
機(jī)器人(43K 讀者)
人工智能（35K 讀者）
數(shù)據(jù)科學(xué)（34k 讀者）
學(xué)習(xí)機(jī)器學(xué)習(xí)（11k讀者）
計(jì)算機(jī)視覺(jué)（11k讀者）
ML問(wèn)題（8k讀者）
語(yǔ)言科技（7k讀者）
ML課程（4k讀者）
ML論文（4k讀者）
Github
關(guān)于AI社區(qū)的好處之一是大多數(shù)新項(xiàng)目都是開(kāi)源的，并在Github上提供，如果要在Python中使用示例算法實(shí)現(xiàn)或使用Juypter Notebook，Github上還有許多教育資源。以下是標(biāo)有特定主題。
機(jī)器學(xué)習(xí)
深度學(xué)習(xí)
TensorFlow
神經(jīng)網(wǎng)絡(luò)
NLP
Podcasts（略）
新聞媒體
如果想通過(guò)最新的新聞和研究來(lái)跟上最新進(jìn)度，可以選擇的以每周為單位的新聞?dòng)嗛啍?shù)量很多，他們大多數(shù)涵蓋相同的東西，所以你只需要一兩個(gè)就可以。
The Exponential View
AI Weekly
Deep Hunt
O’Reilly Artificial Intelligence Newsletter
Machine Learning Weekly
Data Science Weekly Newsletter
Machine Learnings
Artificial Intelligence News
When trees fall…
WildML
Inside AI
Kurzweil AI
Import AI
The Wild Week in AI
Deep Learning Weekly
Data Science Weekly
KDnuggets Newsletter
會(huì)議
令人驚訝的是，隨著人工智能的普及，人工智能相關(guān)會(huì)議的數(shù)量也有所增加。 （這些不是免費(fèi)的！）
學(xué)術(shù)
NIPS (Neural Information Processing Systems)
ICML (International Conference on Machine Learning)
KDD (Knowledge Discovery and Data Mining)
ICLR (International Conference on Learning Representations)
ACL (Association for Computational Linguistics)
EMNLP (Empirical Methods in Natural Language Processing)
CVPR (Computer Vision and Pattern Recognition)
ICCF (International Conference on Computer Vision)
專(zhuān)業(yè)會(huì)議:
O’Reilly Artificial Intelligence Conference
Machine Learning Conference (MLConf)
AI Expo (North America, Europe, World)
AI Summit
AI Conference
研究論文
arXiv.org
Semantic Scholar searches
推薦一個(gè)Andrej Karpathy的論文項(xiàng)目： http://www.arxiv-sanity.com/
課程：
推薦另一個(gè)專(zhuān)門(mén)的博客Over 150 of the Best Machine Learning, NLP, and Python Tutorials（https://unsupervisedmethods.com/over-150-of-the-best-machine-learning-nlp-and-python-tutorials-ive-found-ffce2939bd78）
小抄：Cheat Sheet of Machine Learning and Python (and Math) Cheat Sheets（https://unsupervisedmethods.com/cheat-sheet-of-machine-learning-and-python-and-math-cheat-sheets-a4afe4e791b6）
