|
1新智元编译 机器学习和AI的资源那么多，该从何处下手？ 科技作者、创业者、自学AI并成为博士生的Robbie Allen收集整理了一份详尽的资料，囊括值得关注的人、机构、课程、博客、Github库、会议等各种资源，最重要的是，这些全都是免费的。 无论你是初学AI，还是想要进阶，这些资料能不可错过。 首先感谢Robbie Allen，接下来我们就来看这份机器学习、深度学习和AI资源大全。微信格式所限无法外链，新智元在编译时将重要的链接直接放在文中，可以复制后在浏览器中打开。 了解更多可以查看原文。 资源目录：
知名研究人员 许多最知名的AI研究者都在网络上有很多的参与，例如在Reddit或Quora Session上做Ask-Me-Anything等。以下提供他们的个人网站，Wikipedia页面，Twitter主页，Google scholar页面，quora 主页等的链接，读者可以从文末的原文链接进入（排名不分先后）。 Sebastian Thrun：Udacity(优达学城)创始人、斯坦福终身教授、Google X 实验室创始人 Yann Lecun：Facebook AI 实验室负责人、纽约大学教授 Nando de Freitas：牛津大学教授 Andrew Ng：斯坦福大学副教授、人工智能实验室主任，Coursera联合创始人，前百度首席科学家 Daphne Koller：斯坦福大学教授、Coursera联合创始人 Adam Coates：百度硅谷AI实验室主任 Jürgen Schmidhuber：瑞士人工智能实验室IDSIA 的科学事务主管 Geoffrey Hinton：多伦多大学计算机科学系教授、谷歌Engineering Fellow Terry Sejnowski：索尔克研究所神经科学家 Michael Jordan：加州大学伯克利分校教授 Peter Norvig：谷歌公司研究总监 Yoshua Bengio：蒙特利尔大学教授 Ian Goodfellow：谷歌大脑Staff Research Scientist Andrej Karpathy：特斯拉人工智能部门主管 Richard Socher：Salesforce首席科学家、斯坦福计算机科学系副教授 Demis Hassabis：DeepMind创始人兼CEO Christopher Manning：斯坦福大学计算机科学和语言学教授 Fei-Fei Li（李飞飞）：斯坦福大学教授、谷歌云AI/ML首席科学家 François Chollet：谷歌人工智能研究员、深度学习框架Keras 的作者 Dan Jurafsky：斯坦福大学计算机科学系和语言学系教授、语言学系主任 Oren Etzioni：艾伦人工智能研究所CEO AI组织 有许多知名的组织致力于推动人工智能研究和开发。以下是部分网站/博客和Twitter帐户。 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) 视频课程 网络上有大量视频课程和教程，其中许多都是免费的。也有一些很好的付费课程，但本文主要提供免费内容的推荐。有相当多的大学课程都提供在线课程材料，但没有视频。以下课程可以足够你忙上几个月了： Coursera — 机器学习（Machine Learning） 授课：Andrew Ng https://www./learn/machine-learning#syllabus Coursera — 机器学习神经网络（Neural Networks for Machine Learning） 授课：Geoffrey Hinton https://www./learn/neural-networks Udacity — 机器学习导论（Intro to Machine Learning） 授课：Sebastian Thrun https://classroom./courses/ud120 Udacity — 机器学习（Machine Learning） 授课：Georgia Tech https://www./course/machine-learning--ud262 Udacity — 深度学习（Deep Learning） 授课：Vincent Vanhoucke https://www./course/deep-learning--ud730 机器学习（Machine Learning） 授课：mathematicalmonk https://www./playlist?list=PLD0F06AA0D2E8FFBA 给程序员的机器学习实践课程（Practical Deep Learning For Coders） 授课：Jeremy Howard & Rachel Thomas http://course./start.html Stanford CS231n —面向视觉识别的卷积神经网络（ Convolutional Neural Networks for Visual Recognition） (Winter 2016) 授课：李飞飞、Justin Johnson & Serena Yeung http://cs231n./ Stanford CS224n — 深度学习与自然语言处理（Natural Language Processing with Deep Learning）(Winter 2017) 授课：Chris Manning & Richard Socher http://web./class/cs224n/ 哈佛深度NLP课程（Oxford Deep NLP 2017 ） 授课：Phil Blunsom et al. https://github.com/oxford-cs-deepnlp-2017/lectures 强化学习（Reinforcement Learning） 授课：David Silver http://www.cs./staff/d.silver/web/Teaching.html Python实践机器学习教程（Practical Machine Learning Tutorial with Python） 授课：sentdex https://www./watch?list=PLQVvvaa0QuDfKTOs3Keq_kaG2P55YRn5v&v=OGxgnH8y2NM YouTube频道 以下是经常发布AI或机器学习相关的受欢迎的内容的YouTube频道或用户，按照订阅者/观看次数排序。 sentdex(225K 订阅, 21M 观看) https://www./user/sentdex Artificial Intelligence A.I.(7M 观看) https://www./channel/UC-XbFeFFzNbAUENC8Ofpn3g Siraj Raval(140K 订阅, 5M 观看) https://www./channel/UCWN3xxRkmTPmbKwht9FuE5A Two Minute Papers(60K 订阅, 3.3M 观看) https://www./user/keeroyz DeepLearning.TV(42K 订阅, 1.7M 观看) https://www./channel/UC9OeZkIwhzfv-_Cb7fCikLQ Data School(37K 订阅, 1.8M 观看) https://www./user/dataschool Machine Learning Recipes with Josh Gordon(324K 观看) https://www./playlist?list=PLOU2XLYxmsIIuiBfYad6rFYQU_jL2ryal Artificial Intelligence — Topic(10K 订阅) https://www./channel/UC9pXDvrYYsHuDkauM2fLllQ Allen Institute for Artificial Intelligence (AI2)(1.6K 订阅, 69K 观看) https://www./channel/UCEqgmyWChwvt6MFGGlmUQCQ Machine Learning at Berkeley(634 订阅, 48K 观看) https://www./channel/UCXweTmAk9K-Uo9R6SmfGtjg Understanding Machine Learning — Shai Ben-David(973 订阅, 43K 观看) https://www./channel/UCR4_akQ1HYMUcDszPQ6jh8Q Machine Learning TV(455 订阅, 11K 观看) https://www./channel/UChIaUcs3tho6XhyU6K6KMrw 博客作者 以下推荐一些优质的博客作者。 Andrej Karpathy：http://karpathy./ i am trask ：http://iamtrask./ Christopher Olah：http://colah./ Top Bots ：http://www./ WildML：http://www./ Distill ：http:/// Machine Learning Mastery ：http:///blog/ FastML：http:/// Adventures in NI：https://joanna-bryson./ Sebastian Ruder：http:/// Unsupervised Methods：http:/// Explosion：https:///blog/ Tim Dettmers：http:/// When trees fall…：http://blog./ ML@B ：https://ml./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 书籍 有很多书籍，涵盖机器学习，深度学习和NLP的一些方面。在本节中，我将聚焦于可以直接从网页访问或下载的免费书籍。 机器学习： 理解机器学习，从理论到算法（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/） 机器学习课程（A Course in Machine Learning，http://） 机器学习（Machine Learning，https://www./books/machine_learning） 神经网络与机器学习（Neural Networks and Deep Learning，neuralnetworksanddeeplearning.com/） 深度学习图书（Deep Learning Book，www.deeplearningbook.org/） 强化学习导论（Reinforcement Learning: An Introduction，incompleteideas.net/sutton/book/the-book-2nd.html） 强化学习（Reinforcement Learning，https://www./books/reinforcement_learning） NLP 对话与语言处理（第三版）（Speech and Language Processing (3rd ed. draft)，https://web./~jurafsky/slp3/） Python自然语言处理（Natural Language Processing with Python，www.nltk.org/book/） 信息检索概论（An Introduction to Information Retrieval，https://nlp./IR-book/html/htmledition/irbook.html） 数学 统计思维概论（Introduction to Statistical Thought，people.math.umass.edu/~lavine/Book/book.pdf） 贝叶斯统计学概论（Introduction to Bayesian Statistics，https://www.stat./~brewer/stats331.pdf） 概率论概论（Introduction to Probability，https://www./~chance/teaching_aids/books_articles/probability_book/amsbook.mac.pdf） 统计思维：面向Python程序员的概率论与统计学（Think Stats: Probability and Statistics for Python programmers，greenteapress.com/wp/think-stats-2e/） 概率论与统计学实践指南（The Probability and Statistics Cookbook，statistics.zone/） 线性代数（Linear Algebra，joshua.smcvt.edu/linearalgebra/book.pdf） 线性代数错误集锦（Linear Algebra Done Wrong，www.math.brown.edu/~treil/papers/LADW/book.pdf） 线性代数（理论与实践）（Linear Algebra, Theory And Applications，https://math./~klkuttle/Linearalgebra.pdf） 面向计算机科学的数学（Mathematics for Computer Science，https://courses.csail./6.042/spring17/mcs.pdf） 微积分学（Calculus，https://ocw./ans7870/resources/Strang/Edited/Calculus/Calculus.pdf） 计算机科学与统计学学生用的微积分学（Calculus I for Computer Science and Statistics Students，www.math.lmu.de/~philip/publications/lectureNotes/calc1_forInfAndStatStudents.pdf） Quora Quora已经成为AI和机器学习的重要资源。许多顶尖的研究人员在网站上回答问题。下面我列出了一些主要的AI相关主题，您可以订阅，如果您想自定义您的Quora Feed。查看Quora社区中每个主题（例如机器学习的常见问题）中的常见问题解答部分的问题列表。 计算机科学（560万订阅者） 机器学习（110万订阅者） 人工智能（63万5千订阅者） 深度学习（16万7千订阅者） NLP (15万5千订阅者) 分类机器学习（11万9千订阅者） 通用人工智能（8万2千订阅者） 卷积神经网络-CNN（2万5千订阅者） 计算机语言学（2万3千订阅者） RNN（1万7千4百订阅者） Reddit上的AI社区不如Quora那么大，但它仍然有一些很好的子版块值得关注。 Reddit可以帮助您跟上最新的新闻和研究，而Quora是问题/答案。以下是按订户人数排序的主要AI相关子领域。 机器学习(111K读者) 机器人(43K 读者) 人工智能（35K 读者） 数据科学（34k 读者） 学习机器学习（11k读者） 计算机视觉（11k读者） ML问题（8k读者） 语言科技（7k读者） ML课程（4k读者） ML论文（4k读者） Github 关于AI社区的好处之一是大多数新项目都是开源的，并在Github上提供，如果要在Python中使用示例算法实现或使用Juypter Notebook，Github上还有许多教育资源。以下是标有特定主题。 机器学习 深度学习 TensorFlow 神经网络 NLP Podcasts（略） 新闻媒体 如果想通过最新的新闻和研究来跟上最新进度，可以选择的以每周为单位的新闻订阅数量很多，他们大多数涵盖相同的东西，所以你只需要一两个就可以。 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 会议 令人惊讶的是，随着人工智能的普及，人工智能相关会议的数量也有所增加。 （这些不是免费的！） 学术 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) 专业会议: O’Reilly Artificial Intelligence Conference Machine Learning Conference (MLConf) AI Expo (North America, Europe, World) AI Summit AI Conference 研究论文 arXiv.org Semantic Scholar searches 推荐一个Andrej Karpathy的论文项目： http://www./ 课程： 推荐另一个专门的博客Over 150 of the Best Machine Learning, NLP, and Python Tutorials（https:///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:///cheat-sheet-of-machine-learning-and-python-and-math-cheat-sheets-a4afe4e791b6） |
|
|
