机器学习(Machine Learning)与深度学习(Deep Learning)资料 之 资源汇总、搜索引擎等

以下内容摘选自：https://github.com/ty4z2008/Qix/blob/master/dl2.md

                          https://github.com/ty4z2008/Qix/blob/master/dl.md

• 《机器学习：学习资源》

介绍:里面融合了很多的资源，例如竞赛，在线课程，demo，数据整合等。有分类

• 《机器学习周刊第二期》

介绍: 新闻，paper,课程，book，system,CES,Roboot，此外还推荐一个深度学习入门与综述资料

• 《Big Data Analysis Learning Resources: 50 Courses, Blogs, Tutorials, And More For Mastering Big Data Analytics》

介绍:50个大数据分析最佳学习资源(课程、博客、教程等)

• 《Software engineer how to learning Machine learning》

介绍:CMU机器学习系著名教授AlexSmola在Quora对于《程序员如何学习Machine Learning》的建议：Alex推荐了不少关于线性代数、优化、系统、和统计领域的经典教材和资料.

• 《Tutorials, papers and code for computer graphics, fractals and demoscene》

介绍:计算机图形，几何等论文，教程，代码.做计算机图形的推荐收藏.

• 《Machine Learning and Cyber Security Resources》

介绍:这是一份关于机器学习和数据挖掘在网络安全方面应用的资源帖，包含了一些重要的站点，论文，书籍,斯坦福课程以及一些有用的教程.

• 《Awesome Deep learning papers and other resources》

介绍:深度学习论文与资源大列表(论文、预训练模型、课程、图书、软件、应用、相关列表等)

• 《Deep Learning for NLP resources》

介绍:NLP深度学习资源列表.

• 《Awesome Recurrent Neural Networks》

介绍:递归神经网络awesome系列,涵盖了书籍,项目,paper等

• 《Machine Learning Tutorials》

介绍:这是一份机器学习和深度学习教程，文章和资源的清单。这张清单根据各个主题进行撰写，包括了许多与深度学习有关的类别、计算机视觉、加强学习以及各种架构.

• 《机器学习Machine-Learning》

介绍:机器学习推荐学习路线及参考资料

• 《Machine Learning Resources》

介绍:这是一个机器学习资源库,虽然比较少.但蚊子再小也是肉.有突出部分.此外还有一个由zheng Rui整理的机器学习资源.

• 《Reproducible Research in Computational Science》

介绍：这个里面有很多关于机器学习、信号处理、计算机视觉、深入学习、神经网络等领域的大量源代码（或可执行代码）及相关论文。科研写论文的好资源

• 《This catalogue lists resources developed by faculty and students of the Language Technologies Institute.》

介绍:卡耐基梅隆大学计算机学院语言技术系的资源大全,包括大量的NLP开源软件工具包，基础数据集，论文集，数据挖掘教程，机器学习资源.

• 《Learning Deep Learning》

介绍:一个深度学习资源页,资料很丰富.

• 《行人检测(Pedestrian Detection)资源》

介绍:PedestrianDetection paper & data

• 《大数据/数据挖掘/推荐系统/机器学习相关资源》

介绍:这篇文章内的推荐系统资源很丰富,作者很有心,摘录了《推荐系统实战》内引用的论文.

• Best Machine Learning Resources for Getting Started

介绍：机器学习最佳入门学习资料汇，总是专为机器学习初学者推荐的优质学习资源，帮助初学者快速入门。而且这篇文章的介绍已经被翻译成中文版。如果你不怎么熟悉，那么我建议你先看一看中文的介绍。

• 《A Large set of Machine Learning Resources for Beginners to Mavens》

介绍:标题很大，从新手到专家。不过看完上面所有资料。肯定是专家了

• 《Deep Learning – important resources for learning and understanding》

介绍:Important resources for learning and understanding . Isawesome

• 《Big-data》

介绍:大数据数据处理资源、工具不完备列表，从框架、分布式编程、分布式文件系统、键值数据模型、图数据模型、数据可视化、列存储、机器学习等。很赞的资源汇总。

• 《NLP常用信息资源》

介绍:NLP常用信息资源

• 《机器学习入门资源不完全汇总》

介绍：好东西的干货真的很多

• 《The free big data sources you should know》

介绍: 不容错过的免费大数据集，有些已经是耳熟能详，有些可能还是第一次听说，内容跨越文本、数据、多媒体等，让他们伴你开始数据科学之旅吧，具体包括：Data.gov、US Census Bureau、European Union Open Data Portal、Data.gov.uk等

• 《metacademy》

介绍:里面根据词条提供了许多资源，还有相关知识结构，路线图，用时长短等。号称是”机器学习“搜索引擎

• 《Search Engine & Community》

介绍: 一个学术搜索引擎

• 《中文分词入门之资源》

介绍:中文分词入门之资源.

• 《Awesome Computer Vision》

介绍: 分类整理的机器视觉相关资源列表，秉承Awesome系列风格，有质有量!作者的更新频率也很频繁

• 《学术种子网站：AcademicTorrents》

介绍: 成G上T的学术数据，HN近期热议话题,主题涉及机器学习、NLP、SNA等。下载最简单的方法，通过BT软件，RSS订阅各集合即可

• 《Machine learning cheat sheet》

介绍:机器学习速查表.

• 《Are there any good resources for learning about neural networks?》

介绍:神经网络学习资料推荐.

• 《Data Science Learning Resources》

介绍:数据科学(学习)资源列表.

• 《Free Resources for Beginners on Deep Learning and Neural Network》

介绍:为入门者准备的深度学习与神经网络免费资源.

• 《Object Detection》

介绍:深度学习进行目标识别的资源列表：包括RNN、MultiBox、SPP-Net、DeepID-Net、Fast R-CNN、DeepBox、MR-CNN、Faster R-CNN、YOLO、DenseBox、SSD、Inside-Outside Net、G-CNN

• 《Quantitative Finance resources》

介绍:量化金融(Quants)资源列表

• 《Semantic Scholar》

介绍:保罗艾伦人工智能实验室表示，Google Scholar是十年前的产物，他们现在想要做进一步的提高。于是推出了全新的，专门针对科学家设计的学术搜索引擎Semantic Scholar.

• 《python机器学习入门资料梳理》

介绍:python机器学习入门资料梳理.