机器学习/深度学习资料

机器学习/深度学习资料

一. 入门资料

完备的 AI 学习路线，最详细的中英文资源整理 ⭐️

AiLearning: 机器学习 - MachineLearning - ML、深度学习 - DeepLearning - DL、自然语言处理 NL

数学基础

• 矩阵微积分
• 机器学习的数学基础
• CS229线性代数与概率论基础

机器学习基础

快速入门

• 推荐顺序由前到后
• 机器学习算法地图
• 机器学习 吴恩达 Coursera个人笔记 && 视频（含官方笔记）
• CS229 课程讲义中文翻译 && 机器学习 吴恩达 cs229个人笔记 && 官网（笔记） && 视频（中文字幕）
• 百页机器学习

深入理解

• 推荐顺序由前到后
• 《统计学习方法》李航
• 《模式识别与机器学习》 Christopher Bishop
• 《机器学习》 周志华
• 《机器学习实战》 PelerHarrington
• 机器学习与深度学习书单

深度学习基础

快速入门

• 推荐顺序由前到后
• 深度学习思维导图 && 深度学习算法地图
• 《斯坦福大学深度学习基础教程》 Andrew Ng（吴恩达）
• 深度学习 吴恩达 个人笔记 && 视频
• MIT深度学习基础-2019视频课程
• 台湾大学（NTU）李宏毅教授课程
• 图解深度学习_Grokking-Deep-Learning
• 《神经网络与深度学习》 Michael Nielsen
• CS321-Hinton
• CS230: Deep Learning
• CS294-112

计算机视觉

• CS231 李飞飞 已授权个人翻译笔记 && 视频
• 计算机视觉研究方向

自然语言处理

• CS224n: Natural Language Processing with Deep Learning
• NLP上手教程
• NLP入门推荐书目（2019版）

深度强化学习

• CS234: Reinforcement Learning

深入理解

• 《深度学习》 Yoshua Bengio.Ian GoodFellow⭐️
• 《自然语言处理》Jacob Eisenstein
• 《强化学习》 && 第二版
• hangdong的深度学习博客,论文推荐
• Practical Deep Learning for Coders, v3
• 《Tensorflow实战Google深度学习框架》 郑泽宇 顾思宇

一些书单

• 2019年最新-深度学习、生成对抗、Pytorch优秀教材推荐

工程能力

• LeetCode && leetcode题解 && 《算法导论》中算法的C++实现
• 机器学习算法实战
• 深度学习框架
• 如何成为一名算法工程师 && 从小白到入门算法，我的经验分享给你～ && 我的研究生这三年 ⭐️
• 《AI算法工程师手册》
• 如何准备算法工程师面试，斩获一线互联网公司机器学习岗offer？
• 【完结】深度学习CV算法工程师从入门到初级面试有多远，大概是25篇文章的距离
• 计算机相关技术面试必备 && 面试算法笔记-中文
• 算法工程师面试
• 深度学习面试题目
• 深度学习500问
• AI算法岗求职攻略
• Kaggle实战
  • 常用算法：
    • Feature Engineering：continue variable && categorical variable
    • Classic machine learning algorithm：LR, KNN, SVM, Random Forest, GBDT(XGBoost&&LightGBM), Factorization Machine, Field-aware Factorization Machine, Neural Network
    • Cross validation, model selection：grid search, random search, hyper-opt
    • Ensemble learning
  • Kaggle 项目实战（教程） = 文档 + 代码 + 视频
  • Kaggle入门系列：（一）机器学习环境搭建 && Kaggle入门系列：（二）Kaggle简介 && Kaggle入门系列（三）Titanic初试身手
  • 从 0 到 1 走进 Kaggle
  • Kaggle 入门指南
  • 一个框架解决几乎所有机器学习问题 && Approaching (Almost) Any Machine Learning Problem | Abhishek Thakur
  • 分分钟带你杀入Kaggle Top 1%
  • 如何达到Kaggle竞赛top 2%？这里有一篇特征探索经验帖
  • 如何在 Kaggle 首战中进入前 10%？
• 大数据&机器学习相关竞赛推荐

二. 神经网络模型概览

• 1. 一文看懂25个神经网络模型
• 2. DNN概述论文：详解前馈、卷积和循环神经网络技术
• 3. colah’s blog
• 4. Model Zoom
• 5. DNN概述
• 6. 从基本原理到梯度下降，小白都能看懂的神经网络教程
• GitHub上的机器学习/深度学习综述项目合集

CNN

发展史

• 1. 94页论文综述卷积神经网络：从基础技术到研究前景

• 2. 从LeNet-5到DenseNet

• 3. CNN图像分割简史：从R-CNN到Mask R-CNN（译）

• 4. 深度学习之目标检测的前世今生（Mask R-CNN）

• 5. 纵览轻量化卷积神经网络：SqueezeNet、MobileNet、ShuffleNet、Xception

• 6. 深度学习目标检测模型全面综述：Faster R-CNN、R-FCN和SSD

• 7. 图像语义分割(Semantic segmentation) Survey

• 7. 从RCNN到SSD，这应该是最全的一份目标检测算法盘点

• 8. 图像语义分割(Semantic segmentation) Survey

• 9. 语义分割 发展综述

• 深度学习分类网络

• 深度学习笔记（十一）网络 Inception, Xception, MobileNet, ShuffeNet, ResNeXt, SqueezeNet, EfficientNet, MixConv

• CNN网络结构的发展

• 卷积神经网络结构演变（form Hubel and Wiesel to SENet）

• 从VGG到NASNet，一文概览图像分类网络

• From RCNN to YOLO：上，下

• 后 R-CNN时代， Faster R-CNN、SSD、YOLO 各类变体统治下的目标检测综述：Faster R-CNN系列胜了吗？

• 目标检测-20种模型的原味代码汇总

• 目标检测算法综述三部曲

  • 基于深度学习的目标检测算法综述（一）
  • 基于深度学习的目标检测算法综述（二）
  • 基于深度学习的目标检测算法综述（三）

• 如何走近深度学习人脸识别？你需要这篇超长综述 | 附开源代码

• 人脸检测和识别算法综述

  • 人脸检测算法综述
  • 人脸检测背景介绍和发展现状
  • 人脸识别算法演化史
  • CascadeCNN
  • MTCNN
  • awesome-Face_Recognition
  • 异质人脸识别研究综述
  • 老板来了：人脸识别+手机推送，老板来了你立刻知道。&& 手把手教你用Python实现人脸识别 && 人脸识别项目，网络模型，损失函数，数据集相关总结
  • 基于深度学习的人脸识别技术综述 && 如何走近深度学习人脸识别？你需要这篇超长综述 && 人脸识别损失函数综述（附开源实现）

• 深度学习图像超分辨率综述

• 目标检测进化史

• 一文看尽21篇目标检测最新论文（腾讯/Google/商汤/旷视/清华/浙大/CMU/华科/中科院等

• Anchor-Free目标检测算法: 第一篇：arxiv2015_baidu_DenseBox， 如何评价最新的anchor-free目标检测模型FoveaBox？, FCOS: 最新的one-stage逐像素目标检测算法 && 最新的Anchor-Free目标检测模型FCOS，现已开源！ && 中科院牛津华为诺亚提出CenterNet，one-stage detector可达47AP，已开源！ && AnchorFreeDetection

• 目标检测算法综述之FPN优化篇

• 聊聊Anchor的"前世今生"（上）&&聊聊Anchor的"前世今生"（下）

• 【CVPR2019正式公布】行人重识别论文，2019 行人再识别年度进展回顾

• 2019CVPR文本检测综述

• 从SRCNN到EDSR，总结深度学习端到端超分辨率方法发展历程

• 【CVPR2019正式公布】行人重识别论文

• 自然场景文本检测识别技术综述

• Awesome-Image-Colorization

• Awesome-Edge-Detection-Papers

• OCR文字处理

• awesome-point-cloud-analysis

• Graph Neural Network（GNN）综述

• 小样本学习（Few-shot Learning）综述

• 超全深度学习细粒度图像分析：项目、综述、教程一网打尽

• 图像检索的十年上、下

教程

• 卷积神经网络工作原理
• 「七夕的礼物」: 一日搞懂卷积神经网络
• A Comprehensive Introduction to Different Types of Convolutions in Deep Learning && 翻译：上、下
• 变形卷积核、可分离卷积
• 对深度可分离卷积、分组卷积、扩张卷积、转置卷积（反卷积）的理解
• 各种卷积
• 卷积有多少种？一文读懂深度学习中的各种卷积
• 反卷积
• Convolution Network及其变种（反卷积、扩展卷积、因果卷积、图卷积）
• 如何评价最新的Octave Convolution？
• 深度学习基础–卷积类型
• Dilated/Atrous conv 空洞卷积/多孔卷积
• CNN模型之ShuffleNet
• 一文简述ResNet及其多种变体
• ResNet解析
• 将CNN引入目标检测的开山之作：R-CNN
• 深度学习（十八）基于R-CNN的物体检测
• R-CNN论文详解
• 深度学习（六十四）Faster R-CNN物体检测
• 先理解Mask R-CNN的工作原理，然后构建颜色填充器应用
• 实例分割–Mask RCNN详解(ROI Align / Loss Function)
• 语义分割卷积神经网络快速入门
• 图像语义分割的工作原理和CNN架构变迁
• CapsNet入门系列
  • CapsNet入门系列之一：胶囊网络背后的直觉
  • CapsNet入门系列之二：胶囊如何工作
  • CapsNet入门系列之三：囊间动态路由算法
  • CapsNet入门系列之四：胶囊网络架构
• YOLO
• 目标检测|YOLOv2原理与实现(附YOLOv3)
• 目标检测模型YOLO v3问世
• Attention， 1，2，3，4，5
• 一文读懂卷积神经网络中的1x1卷积核
• 目标检测之CornerNet, 1, 2, 3
• 目标检测的性能评价指标 && NMS和计算mAP时的置信度阈值和IoU阈值 && 白话mAP
• 人群计数, 1, 2, 3
• RelationNetwork
• ShuffleNet V2和四个网络架构设计准则
• 【Tensorflow】tf.nn.depthwise_conv2d如何实现深度卷积?
• Tensorflow】tf.nn.atrous_conv2d如何实现空洞卷积？
• 【Tensorflow】tf.nn.separable_conv2d如何实现深度可分卷积?
• 【TensorFlow】tf.nn.conv2d_transpose是怎样实现反卷积的？
• 何恺明大神的「Focal Loss」，如何更好地理解？
• CNN 模型所需的计算力（flops）和参数（parameters）数量是怎么计算的？

Action

• 先读懂CapsNet架构然后用TensorFlow实现
• TensorFlow Object Detection API 教程
  • TensorFlow 对象检测 API 教程1
  • TensorFlow 对象检测 API 教程2
  • TensorFlow 对象检测 API 教程3
  • TensorFlow 对象检测 API 教程 4
  • TensorFlow 对象检测 API 教程5
• 在TensorFlow+Keras环境下使用RoI池化一步步实现注意力机制
• mxnet如何查看参数数量 && mxnet查看FLOPS

GAN

• 苏剑林博客，讲解得淋漓尽致

发展史

• 千奇百怪的GAN变体
• The GAN Landscape：Losses, Architectures, Regularization, and Normalization
• 深度学习新星：GAN的基本原理、应用和走向
• GAN生成图像综述

教程

• 1. GAN原理学习笔记
• 2. 极端图像压缩的对抗生成网络
• \3. 台湾大学李宏毅GAN教程
  • Basic
  • Improving
• 4. 2017年GAN 计算机视觉相关paper汇总
• 5. 在Keras上实现GAN：构建消除图片模糊的应用
• 6. CycleGAN：图片风格，想换就换 | ICCV 2017论文解读
• 7. Wasserstein GAN
• 用变分推断统一理解生成模型（VAE、GAN、AAE、ALI）

Action

• 1. GAN学习指南：从原理入门到制作生成Demo
• 2. 机器之心GitHub项目：GAN完整理论推导与实现

RNN

发展史

• 从90年代的SRNN开始，纵览循环神经网络27年的研究进展

教程

• 完全图解RNN、RNN变体、Seq2Seq、Attention机制
• 循环神经网络(RNN, Recurrent Neural Networks)介绍
• RNN以及LSTM的介绍和公式梳理
• 深度学习其五 循环神经网络
• 用循环神经网络进行文件无损压缩：斯坦福大学提出DeepZip
• 吴恩达序列建模课程
  • Coursera吴恩达《序列模型》课程笔记（1）-- 循环神经网络（RNN）
  • Coursera吴恩达《序列模型》课程笔记（2）-- NLP & Word Embeddings
  • Coursera吴恩达《序列模型》课程笔记（3）-- Sequence models & Attention mechanism
• Word2Vec
  • word2vec原理(一) CBOW与Skip-Gram模型基础
  • word2vec原理(二) 基于Hierarchical Softmax的模型
  • word2vec原理(三) 基于Negative Sampling的模型
  • 用gensim学习word2vec
• 聊聊 Transformer

Action

• tensorflow中RNNcell源码分析以及自定义RNNCell的方法
• TensorFlow中RNN实现的正确打开方式
• TensorFlow RNN 代码
• Tensorflow实现的深度NLP模型集锦
• nlp-tutorial

LSTM

教程

• 1. （译）理解长短期记忆(LSTM) 神经网络

• 2. 一文读懂LSTM和RNN

• 3. 探索LSTM：基本概念到内部结构

• \4. 翻译：深入理解LSTM系列

  • 深入理解 LSTM 网络 (一)
  • 深入理解 LSTM 网络 (二)

• LSTM

Action

• 用tensorflow LSTM如何预测股票价格
• TensorFlow的多层LSTM实践
• 《安娜卡列尼娜》文本生成——利用TensorFlow构建LSTM模型

GNN

发展史

• Graph Neural Network（GNN）综述
• 深度学习时代的图模型，清华发文综述图网络
• 清华大学图神经网络综述：模型与应用
• 图神经网络概述第三弹：来自IEEE Fellow的GNN综述
• GNN最全文献资料整理 && Awesome-Graph-Neural-Networks

教程

• 如何理解 Graph Convolutional Network（GCN）
• 图卷积网络(Graph Convolutional networks, GCN) 简述
• 图卷积网络(GCN)新手村完全指南

Action

• 图卷积网络到底怎么做，这是��份极简的Numpy实现
• DGL

三. 深度模型的优化

• 1. 优化算法纵览
• 2. 从梯度下降到Adam
• 3. 从梯度下降到拟牛顿法：盘点训练神经网络的五大学习算法
• \4. 正则化技术总结
  • 史上最全面的正则化技术总结与分析–part1
  • 史上最全面的正则化技术总结与分析–part2
• 5. 最优化算法系列（math）
• 6. 神经网络训练中的梯度消失与梯度爆炸
• 7. 神经网络的优化及训练
• 8. 通俗讲解查全率和查准率, 全面梳理：准确率,精确率,召回率,查准率,查全率,假阳性,真阳性,PRC,ROC,AUC,F1
• 9. 激活函数一览
• 10. Coursera吴恩达《优化深度神经网络》课程笔记（3）-- 超参数调试、Batch正则化和编程框架
• 11. 机器学习各种熵
• 12. 距离和相似性度量
• 13. 机器学习里的黑色艺术：normalization, standardization, regularization
• 14. LSTM系列的梯度问题
• 15. 损失函数整理
• 16. 详解残差块为何有助于解决梯度弥散问题
• 17. FAIR何恺明等人提出组归一化：替代批归一化，不受批量大小限制
• 18. Batch Normalization（BN）:1 ,2 ,3 ,4 , 5, 6, 7
• 19. 详解深度学习中的Normalization，不只是BN && 如何区分并记住常见的几种 Normalization 算法
• 20. BFGS
• 21. 详解深度学习中的梯度消失、爆炸原因及其解决方法
• 22. Dropout, 1, 2, 3
• 23.谱归一化（Spectral Normalization）的理解，常见向量范数和矩阵范数，谱范数正则（Spectral Norm Regularization）的理解
• 24.L1正则化与L2正则化
• 25.为什么选用交叉熵而不是MSE

四. 炼丹术士那些事

调参经验

• 训练的神经网络不工作？一文带你跨过这37个坑
• 神经网络训练trick
• 深度学习与计算机视觉系列(8)_神经网络训练与注意点
• 神经网络训练loss不下降原因集合
• 深度学习：欠拟合问题的几种解决方案 &&过拟合和欠拟合问题
• 机器学习：如何找到最优学习率及实现
• 不平衡数据集处理方法: 其一, 其二, 其三
• 同一个神经网络使用不同激活函数的表达能力是否一致
• 梯度下降优化算法纵览, 1, 2
• 论文笔记之数据增广：mixup
• 避坑指南：数据科学家新手常犯的13个错误
• 凭什么相信CNN的结果?–可视化
  • 凭什么相信你，我的CNN模型？（篇一：CAM和Grad-CAM)
  • 凭什么相信你，我的CNN模型？（篇二：万金油LIME)
  • 论文笔记:Grad-CAM: Visual Explanations from Deep Networks via Gradient-based Localization
  • CV：基于Keras利用训练好的hdf5模型进行目标检测实现输出模型中的表情或性别的gradcam(可视化)
• 大卷积核还是小卷积核? 1, 2
• 模型可解释性差？你考虑了各种不确定性了吗？
• 炼丹笔记系列
  • 炼丹笔记一：样本不平衡问题
  • 炼丹笔记二：数据清洗
  • 炼丹笔记三：数据增强
  • 炼丹笔记四：小样本问题
  • 炼丹笔记五：数据标注
  • 炼丹笔记六 : 调参技巧
  • 炼丹笔记七：卷积神经网络模型设计

刷排行榜的奇技淫巧

• Kaggle 六大比赛最全面解析（上）
• Kaggle 六大比赛最全面解析（下）

图像分类

• 炼丹笔记三：数据增强 && 数据增强(Data Augmentation)
• 【技术综述】 深度学习中的数据增强（上） && 【技术综述】深度学习中的数据增强（下）
• 《Bag of Tricks for Image Classification with CNN》&& pdf
• 神经网络训练trick
• Kaggle解决方案分享
  • 从0上手Kaggle图像分类挑战：冠军解决方案详解
  • Kaggle 冰山图像分类大赛近日落幕，看冠军团队方案有何亮点
  • 【Kaggle冠军分享】图像识别和分类竞赛，数据增强及优化算法
  • 识别座头鲸，Kaggle竞赛第一名解决方案解读
  • kaggle 首战拿金牌总结
  • 16岁高中生夺冠Kaggle地标检索挑战赛！而且竟然是Kaggle老兵
  • 6次Kaggle计算机视觉类比赛赛后感
  • Kaggle首战斩获第三-卫星图像识别

目标检测

• ensemble
• deformable
• sync bn
• ms train/test
• 目标检测任务的优化策略tricks
• 目标检测小tricks–样本不均衡处理
• 目标检测算法中的常见trick
• Kaggle：肺癌自动诊断系统3D Deep Leaky Noisy-or Network 论文阅读
• 干货|大神教你如何参加kaggle比赛——根据CT扫描图预测肺癌

五. 年度总结

• 新年大礼包：机器之心2018高分教程合集
• CVPR2019目标检测方法进展综述

六. 科研相关

深度学习框架

Python3.x(先修)

• The Python Tutorial
• 廖雪峰Python教程
• 菜鸟教程
• 给深度学习入门者的Python快速教程 - 基础篇
• Python - 100天从新手到大师

Numpy(先修)

• Quickstart tutorial
• Numpy快速入门(Numpy 1.14 官方文档中文翻译)
• Numpy中文文档
• 给深度学习入门者的Python快速教程 - numpy和Matplotlib篇

Opencv-python

• OpenCV-Python Tutorials
• OpenCV官方教程中文版（For Python）
• 数字图像处理系列
• python+OpenCV图像处理
• 给深度学习入门者的Python快速教程 - 番外篇之Python-OpenCV

Pandas

• Python 数据科学入门教程：Pandas

Tensorflow

• 如何高效地学习 TensorFlow 代码
• 中文教程
• TensorFlow官方文档
• CS20:Tensorflow for DeepLearning Research
• 吴恩达TensorFlow专项课程
• 【干货】史上最全的Tensorflow学习资源汇总
• 《21个项目玩转深度学习———基于TensorFlow的实践详解》
• 最全Tensorflow2.0 入门教程持续更新

MXNet

• Gluon
• GluonCV
• GluonNLP

PyTorch

• Pytorch版动手学深度学习
• PyTorch中文文档
• WELCOME TO PYTORCH TUTORIALS
• 史上最全的PyTorch学习资源汇总
• 【干货】史上最全的PyTorch学习资源汇总
• Hands-on tour to deep learning with PyTorch

Python可视化

• Top 50 matplotlib Visualizations – The Master Plots (with full python code)
• Python之MatPlotLib使用教程
• 十分钟上手matplotlib，开启你的python可视化
• 给深度学习入门者的Python快速教程 - numpy和Matplotlib篇

标注工具

• 目标检测标注工具
  • labelImg
• 语义分割标注工具
  • labelme

数据集

• 1. 25个深度学习相关公开数据集
• 2. 自然语言处理（NLP）数据集
• 3.全唐诗(43030首)
• 4. 伯克利大学公开数据集
• 5. ACL 2018资源：100+ 预训练的中文词向量
• 6. 预训练中文词向量
• 7. 公开数据集种子库
• 8. 计算机视觉，深度学习，数据挖掘数据集整理
• 9. 计算机视觉著名数据集CV Datasets
• 10. 计算机视觉相关数据集和比赛
• 11. 这是一份非常全面的开源数据集，你，真的不想要吗？
• 12. 人群密度估计现有主要数据集特点及其比较
• 13. DANBOORU2017: A LARGE-SCALE CROWDSOURCED AND TAGGED ANIME ILLUSTRATION DATASET
• 14. 行人重识别数据集
• 15. 自然语言处理常见数据集、论文最全整理分享
• 16. paper, code, sota
• 17. 旷视RPC大型商品数据集发布！
• 18. CVPR 2019「准满分」论文：英伟达推出首个跨摄像头汽车跟踪数据集(汽车Re-ID)
• 19.【OCR技术】大批量生成文字训练集
• 20. 语义分析数据集-MSRA

会议列表

• 国际会议日期表
• ai-deadlines
• Keep Up With New Trends
• 计算机会议排名等级
• 中国计算机学会(CCF)推荐国际学术刊物和会议

论文写作工具

• Windows: Texlive+Texstudio
• Ubuntu: Texlive+Texmaker

论文画图工具

• Visio2016
• Matplotlib

论文写作教程

• 刘知远_如何写一篇合格的NLP论文
• 刘洋_如何写论文_V7
• 如何端到端地写科研论文-邱锡鹏
• 论文Introduction写作其一, 论文Introduction写作其二, 论文Introduction写作其三
• 毕业论文怎么写

ResearchGo

• ResearchGo:研究生活第一帖——文献检索与管理
• ResearchGo:研究生活第二贴——文献阅读
• ResearchGo:研究生活第三帖——阅读辅助
• ResearchGo:研究生活第四帖——文献调研
• ResearchGo:研究生活第五帖——文献综述
• ResearchGo:研究生活第六帖——如何讲论文
• ResearchGo:研究生活第七帖——专利检索与申请
• ResearchGo:研究生活第八帖——写论文、做PPT、写文档必备工具集锦

毕业论文排版

• 吐血推荐收藏的学位论文排版教程（完整版）
• 论文怎么写——如何修改毕业论文格式

---

---

机器学习、深度学习基础理论

信息论

• 1. 机器学习中的各种熵
• 2. 从香农熵到手推KL散度：纵览机器学习中的信息论

傅里叶变换

• 傅里叶分析之掐死教程（完整版）更新于2014.06.06
• 如何简明的总结傅里叶变换？
• 从连续时间傅里叶级数到快速傅里叶变换
• 十分简明易懂的FFT（快速傅里叶变换）
• 傅里叶级数推导过程