我在机器学习&深度学习道路上常看的资料和网站

【资源总目录】

【python基础】

【林轩田-机器学习专项课程】

【吴恩达-深度学习专项课程】

【2018AI产业报告合集】

新闻资讯
Analytics Vidhya (https://www.analyticsvidhya.com/blog/): 为数据科学专业人员提供基于社区的知识门户
Distill (https://distill.pub/): 展示机器学习的最新文章
Google News
(https://news.google.com/topics/CAAqIggKIhxDQkFTRHdvSkwyMHZNREZvZVdoZkVnSmxiaWdBUAE?hl=en-US&gl=US&ceid=US%3Aen): Google News Machine learning
MIT News
(http://news.mit.edu/topic/machine-learning): Machine learning | MIT News
17bigdata (http://www.17bigdata.com ): 专注数据分析、挖掘、大数据相关领域的技术分享、交流
机器之心 (https://www.jiqizhixin.com): 机器之心 | 全球人工智能信息服务
雷锋网 (https://www.leiphone.com): 雷锋网 | 读懂智能，未来
数据分析网 (https://www.afenxi.com): 数据分析网 - 大数据学习交流第一平台
知乎主题
(https://www.zhihu.com/topic/19559450/hot): 知乎机器学习热门主题
专知(http://www.zhuanzhi.ai/)：专业可信的人工智能知识分发，包含5000+AI主题，荟萃、链路等资料

社区交流
AI甲壳虫微信公众号：持续更新最新技术资讯及行业动态，名企动态，人工智能领域学习资料。
AIQ (http://www.6aiq.com ): 机器学习大数据技术社区
DataTau (https://www.datatau.com): 人工智能领域的Hacker News
MathOverflow (https://mathoverflow.net): 数学知识问答社区
Medium (https://medium.com/): 一个涵盖人工智能、机器学习和深度学习相关领域的自由、开放平台
PaperWeekly (http://www.paperweekly.site): 一个推荐、解读、讨论和报道人工智能前沿论文成果的学术平台
Quora (https://www.quora.com/pinned/Machine-Learning): Quora | 机器学习主题
Reddit (https://www.reddit.com/r/MachineLearning): Reddit | 机器学习板块
ShortScience (http://www.shortscience.org): 用最简单的篇幅去概况科学著作
SofaSofa (http://sofasofa.io/index.php): 做最好的数据科学社区
Twitter (https://twitter.com/StatMLPapers): Twitter | 机器学习论文版块

优质博文
Google AI Blog
(https://ai.googleblog.com/): 谷歌AI博客
handong1587 (https://handong1587.github.io/): 深度学习各个方向资源汇总，及各大顶级会议/期刊资源
Machine Learning Mastery
(https://machinelearningmastery.com/blog): 帮助开发人员使用机器学习的知识解决复杂的问题
Stats and Bots - Medium
(https://blog.statsbot.co): 机器学习应用程序和代码的实用指南
tornadomeet的博客
(https://www.cnblogs.com/tornadomeet/archive/2012/06/24/2560261.html): 很详细的ML&DL学习博客
爱可可-爱生活
(https://weibo.com/fly51fly?topnav=1&wvr=6&topsug=1): 知名互联网资讯博主
超智能体
(https://zhuanlan.zhihu.com/YJango): 分享最通俗易懂的深度学习教程
人工智能笔记
(https://zhuanlan.zhihu.com/ainote): 人工智能从入门到AI统治世界

论文检索
arXiv (https://arxiv.org): 康奈尔大学运营的学术预印本发布的平台
Arxiv Sanity (http://www.arxiv-sanity.com): 论文查询推荐
GitXiv (http://www.gitxiv.com): arXiv的成果开源实现平台
Papers with Code
(https://paperswithcode.com): 将论文与开源代码实现结合
SCI-HUB (https://sci-hub.tw/): 找论文必备
猫咪论文 (https://lunwen.im): 简单自由的论文下载平台

比赛实践
Biendata (https://biendata.com/)：数据科学竞赛平台
DataCastle (http://www.pkbigdata.com): 中国领先的数据科学竞赛平台
DataFountain (http://www.datafountain.cn/#/): DF,CCF指定专业大数据竞赛平台
Kaggle (https://www.kaggle.com): 为数据科学家提供举办机器学习竞赛
KDD-CUP (http://www.kdd.org/kdd-cup): 国际知识发现和数据挖掘竞赛
滴滴新锐
(http://research.xiaojukeji.com/trainee.html): 滴滴面向全球高校博士、硕士、优秀本科生的精英人才计划
JDD空间站 (https://jdder.jd.com/): 京东算法赛事平台
赛氪网 (http://www.saikr.com): 汇集以高校竞赛为主，活动、社区为辅的大学生竞赛活动平台
天池大数据 (https://tianchi.aliyun.com): 大数据竞赛、大数据解决方案、数据科学家社区、人工智能、机器学习

资源收集
awesome-machine-learning-cn
(https://github.com/jobbole/awesome-machine-learning-cn): 机器学习资源大全中文版，包括机器学习领域的框架、库以及软件
Coursera-ML-AndrewNg-Notes
(https://github.com/fengdu78/Coursera-ML-AndrewNg-Notes): 吴恩达老师的机器学习课程个人笔记
daily-paper-computer-vision
(https://github.com/amusi/daily-paper-computer-vision): 记录每天整理的计算机视觉/深度学习/机器学习相关方向的论文
deeplearning_ai_books
(https://github.com/fengdu78/deeplearning_ai_books): 吴恩达老师的深度学习课程笔记及资源
Deep-Learning-Papers-Reading-Roadmap (https://github.com/floodsung/Deep-Learning-Papers-Reading-Roadmap): 深度学习论文阅读路线图
Getting Started in Computer Vision Research (https://sites.google.com/site/mostafasibrahim/research/articles/how-to-start)：计算机视觉研究入门全指南
lihang_book_algorithm (https://github.com/WenDesi/lihang_book_algorithm): 《统计学习方法》算法python实现
Machine Learning、Deep Learning (https://github.com/ty4z2008/Qix/blob/master/dl.md): ML&DL资料
MachineLearning_Python (https://github.com/lawlite19/MachineLearning_Python): 机器学习算法python实现
ml_cheatsheet (https://github.com/remicnrd/ml_cheatsheet)：机器学习算法速查手册
ml_tutorials (https://github.com/MorvanZhou/tutorials): 机器学习相关教程
NLP-progress (https://github.com/sebastianruder/NLP-progress)：跟踪NLP各项技术的state-of-the-art进展
周志华 - 机器学习
(https://github.com/Vay-keen/Machine-learning-learning-notes): 周志华《机器学习》笔记

开源书籍
deeplearningbook-chinese
(https://github.com/exacity/deeplearningbook-chinese): 深度学习中文版
deep_learning_cookbook (https://github.com/DOsinga/deep_learning_cookbook): 深度学习手册
hands_on_Ml_with_Sklearn_and_TF (https://github.com/apachecn/hands_on_Ml_with_Sklearn_and_TF): Sklearn与TensorFlow机器学习实用指南
Interpretable Machine Learning
(https://christophm.github.io/interpretable-ml-book/): 一份指南，教你如何构建具有可解释性的黑盒模型
Neural Networks and Deep Learning (http://neuralnetworksanddeeplearning.com/index.html): 深度学习开源书籍
Neural Networks and Deep Learning (https://github.com/zhanggyb/nndl): 深度学习开源书籍 - 中文
PythonDataScienceHandbook (https://github.com/jakevdp/PythonDataScienceHandbook): Python数据科学手册
TensorFlow-Course (https://github.com/open-source-for-science/TensorFlow-Course): 简单易学的TensorFlow教程
机器学习实战
(https://github.com/apachecn/MachineLearning): Machine Learning in Action（机器学习实战）
简单粗暴TensorFlow
(https://github.com/snowkylin/TensorFlow-cn): 本手册是一篇精简的TensorFlow入门指导

实战项目
face_recognition (https://github.com/ageitgey/face_recognition): 世界上最简单的人脸识别库
style2paints (https://github.com/lllyasviel/style2paints): 线稿自动上色

Python
Caffe (http://caffe.berkeleyvision.org/): 一个基于表达式，速度和模块化原则创建的深度学习框架
Caffe2 (https://caffe2.ai/docs/getting-started.html?platform=windows&configuration=compile): Caffe2官方文档
Chainer (https://docs.chainer.org/en/stable/): 基于Python的独立的深度学习模型开源框架
CNTK (https://docs.microsoft.com/en-us/cognitive-toolkit/): CNTK官方文档
Gensim (https://radimrehurek.com/gensim/index.html): 包含可扩展的统计语义，分析纯文本文档的语义结构，以及检索相似语义的文档等功能
Keras (https://keras.io/): Keras官方文档
Matplotlib (https://matplotlib.org/tutorials/index.html): Matplotlib官方文档
MXNet (http://mxnet.incubator.apache.org/tutorials/index.html): MXNet官方文档
Neon (http://neon.nervanasys.com/index.html/): Nervana公司一个基于Python的深度学习库
NumPy (http://www.numpy.org/): NumPy官方文档
pandas (http://pandas.pydata.org/pandas-docs/stable/): pandas官方文档
PyBrain (http://pybrain.org/docs/): 一个模块化的Python机器学习库
Pylearn2 (http://deeplearning.net/software/pylearn2/): 构建于Theano之上的机器学习库
PyTorch (https://pytorch.org/tutorials/): PyTorch官方文档
Seaborn (https://seaborn.pydata.org/): Seaborn官方文档
scikit-learn (http://scikit-learn.org/stable/documentation.html): scikit-learn官方文档
Statsmodels (http://www.statsmodels.org/stable/index.html): 用来探索数据，估计统计模型，进行统计测试
TensorFlow (https://www.tensorflow.org/tutorials/): TF官方文档
Theano (http://deeplearning.net/software/theano/): 允许高效地定义、优化以及评估涉及多维数组的数学表达式

C & C++
dlib (http://dlib.net): 实用的机器学习和数据分析工具包

Java & Scala
DeepLearning4j (https://deeplearning4j.org/): 基于JAVA和Scala的商业级开源分布式深度学习框架

用知识洗涤心灵
用技术武装自己
以智慧沟通世界
感受人工智能的魅力
扫描下方二维码（备注“资料”）