重磅推荐！机器学习|深度学习|自然语言处理 学习数据/课程/资料/资源大分享！

自然语言处理（NLP）相关学习资料/资源

书籍推荐

自然语言处理方面

1. 统计自然语言处理（第2版）

• 作者：宗成庆
• 出版社：清华大学出版社
• 出版年：2013
• 页数：570
• 内容简介：系统地描述了神经网络之前的基于统计的NLP方法，能够对NLP各项任务以及经典的算法学习了解。

2. 数学之美（第2版）

• 作者：吴军

• 出版社：人民邮电出版社

• 出版年：2014

• 页数：312

• 内容简介：讲解了NLP里常用的数学模型，并把高深的数学原理讲得更加通俗易懂，让非专业读者也能领略数学的魅力。

3.Speech and Language Processing (3rd)

• 作者：Dan Jurafsky and James H. Martin
• 内容简介：由NLP领域极具影响力的学者编写，从第一版开始就很全面系统地描述了NLP领域的各个任务以及常用模型，目前最新第三版还未正式出版，该版本加入了近几年神经网络方法，是一本极全面的NLP书籍。

4. Neural Network Methods for Natural Language Processing

• 作者：Yoav Goldberg
• 出版社：Morgan & Claypool Publishers
• 出版年：2017
• 页数：310
• 内容简介：专注神经网络在NLP上的应用，适合初学者入门，主要包括常用的前馈神经网络、卷积神经网络和循环神经网络在NLP上的应用。

机器学习方面

1. 机器学习方面统计学习方法（第2版）

• 作者：李航
• 出版社：清华大学出版社
• 出版年：2019
• 页数：464
• 内容简介：全面系统地介绍了统计学习的主要方法，包括SVM、最大熵、随机条件场等主流模型。注重模型的原理和公式推导，并有例子，适合对机器学习方法理论的推导学习。第2版新增了无监督学习的相关内容。

2. 机器学习

• 作者：周志华
• 出版社：清华大学出版社
• 出版年：2016
• 页数：425
• 内容简介：西瓜书以生动形象的例子和图解来介绍机器学习的主要方法，更适合初学者阅读。

3. Deep Learning

• 作者：Ian Goodfellow, Yashua Bengio, and Aaron Courville
• 出版社：The MIT Press
• 出版年：2016
• 页数：800
• 内容简介：深度学习权威书籍，系统全面介绍了各种神经网络方法包括其发展历史，更推荐阅读英文原版。

人工智能方面

1.人工智能：一种现代的方法（第3版）

Artificial Intelligence:A Modern Approach (3rd Edition)

• 作者：Stuart J.Russell，Peter Norvig
• 出版社：清华大学出版社
• 出版年：2013
• 页数：918
• 内容简介：被广泛使用的经典人工智能教材，内容很丰富，包括了人工智能经典算法，讲解清晰。

作者：RobertAI
链接：https://zhuanlan.zhihu.com/p/97191442
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

网络课程推荐

1. UFLDL Tutorial

• 网址：http://ufldl.stanford.edu/tutorial/
• 主讲人：Andrew Ng等人
• 内容简介：这是stanford一个比较早期的DL（DeepLearning）教程，例如如何使用栈式自编码器构建深度前馈神经网络。内容精短，易于早期入门，快速上手。其实目前无论各种高级的神经网络都离不开最基本的BP（前向后向传播）算法。

2. deeplearning.ai

• 网址：https://www.deeplearning.ai/deep-learning-specialization/
• 主讲人：Andrew Ng等人
• 内容简介：近期开设的DL公开课，通俗易懂，适合入门。

3. csc321 Neural Networks for Machine Learning

• 网址：http://www.cs.toronto.edu/~hinton/coursera_lectures.html
• 主讲人：Hinton等人
• 内容简介：多伦多大学的神经网络机器学习课程，早期是由Hinton本人上课，需要有一定的基础。

4. CS224n: Natural Language Processing with Deep Learning

• 网址：http://cs224d.stanford.edu/
• 主讲人：Chris Manning等人
• 内容简介：斯坦福大学的基于深度学习的自然语言处理课程，已经更新到2019年的最新课程，内容包括了最新的一些基于深度学习的NLP进展。

学术博客推荐

1.Google AI Blog

• 网址：https://ai.googleblog.com/
• 内容简介：谷歌AI官网博客，很多他们自己的工作也都会在blog上进行介绍。

2. 我爱自然语言处理（52nlp）

• 网址：http://www.52nlp.cn/
• 内容简介：国内博客，有很丰富的NLP相关资源，经常会有一些有意思的小项目

3. Sebastian Ruder

• 网址：https://ruder.io/#open
• 内容简介：NLP学者Sebastian Ruder的个人博客，经常会撰写一些技术博客和参加顶会的感想总结，十分值得学习。包括他整理的NLP-progress项目，可以了解NLP各个任务的SOTA。

4. colah‘s blog

• 网址：https://colah.github.io/
• 内容简介：虽然现在不怎么更新了，但是之前的一些blog很经典，适合初学者对神经网络的学习理解，当时火热的“Understanding LSTM Networks”就是出自于此。