机器学习和深度学习相关资料（新手入门）

以下是楼主整理的机器学习和深度学习的相关链接，主要为了方便楼主翻看，对于大家学习仅供参考。另外，下述链接罗列的排名不分先后。

一些看法：人工智能发展前景，深度学习和机器学习的区别
学习平台：专知（AI 文献搜索和相关联系），PaperWithCode（AI 文献和对应的代码链接），Paper Weekly（AI 文献解读和科技进展），机器之心（AI 前沿知识），百度飞桨学习项目（Paddle 框架的项目以及学习资料）

---

一、机器学习

建议初学者参考大佬们整理的 3 个月零基础入门机器学习 和 机器学习该怎么入门 的学习思路。对于吴恩达教授系列课程的相关资料（包括ppt、作业、笔记等），黄海广博士进行了整理，可以通过 吴恩达资源干货 进行查看。

这里推荐一些大佬或官方账号的链接：

• 刘建平 Pinard（知识总结多，涉及面广）
• von Neumann（机器学习相关知识总结目录）
• Jack Cui（机器学习和深度学习各种教程）

相关资料汇总的链接：

• 24 种编程语言的机器学习（包括框架、库以及其他相关资料）
• 90 项机器学习资料合集
• 莫烦主页（包括机器/深度学习、相关 python 语言及其库的学习）
• 人工智能学习大全官网（有很多相关网站和资料的链接
• 红石头资料下载网页
• 免费计算机电子书（含部分人工智能书籍）

常见模型介绍：

• 支持向量机 (Support Vector Machine, SVM)
• 逻辑斯蒂回归 (Logistic Regression, LR)
• 多模态机器学习

---

二、深度学习

与机器学习类似，深度学习的入门一般也需要三个月，主要与深层网络进行打交道，分类也更细致一些。

行业研究大佬自己的主页：

• 何恺明
• Ian Goodfellow
• Geoffrey E. Hinton
• Yoshua Bengio
• Yann LeCun

基础知识背景：

• 全连接神经网络详解
• 神经网络模型大体框架和发展（2019年）
• 深度学习中的 Epoch，Batchsize，Iterations
• 反向传播算法和思想 (BP)

业内人士的主页或各种平台账号：

• 夕小瑶（中科院）
• Juliuszh（清华博士）
• 忆臻（哈工大博士）
• 张俊林（中科院）
• 龙鹏（中科院）
• 舟晓南（莫纳什大学）

1. 自然语言处理 (NLP)

建议可以多翻看大佬们的心得——自然语言处理快速入门。

下面列举具体的模型、技术的总结性文章：

• 自然语言处理三大特征抽取器 (CNN/RNN/TF) 比较
• Transformer 详解
• BERT 的发展史
• 基于 BERT 的各种变体
• Prompt 范式的缘起

2. 计算机视觉 (CV)

计算机视觉目前子领域较多，可以看 计算机视觉领域推荐的研究方向 或 2022年计算机视觉的三大趋势 来了解（每年都有大佬们预测当年或未来的研究方向和发展态势）。

下面列举一些有关突破性技术的解释或总结文章：

• 卷积神经网络 CNN
• 经典卷积神经网络总结（按时间顺序）
• Vision Transformer 超详细解读

持续更新中……