CV | 计算机视觉学习之满满的干货的网站总结

引言

从各个地方看到了很多很好的学习方法和值得一看到的网站。希望能够实现每日计划，并且不仅能看到满满的干货，还能从满满的干货中学习到其中的知识，增加自己的权重。

一、 计算机视觉实战项目（项目+程序）

选摘自：https://blog.csdn.net/dqcfkyqdxym3f8rb0/article/details/79251305

1. 图像处理
2. 风格迁移
3. 图像分类
4. 面部识别
5. 视频稳像
6. 目标检测
7. 自动驾驶
8. 推荐系统
   。
   。
   。

备注： 实战项目+GitHub程序，可以快速学习和理解计算机视觉编程。非常值得一看。。。多看的网址。

二、 Kaggle竞赛之一（如何入手）

选摘自：https://mp.weixin.qq.com/s/ui7HZzXjbv2X8p1L66iLVA （机器之心）

Fast.AI 课程网址：https://course.fast.ai

代码详见： https://colab.research.google.com/drive/1PVaRPY1XZuPLtm01V2XxIWqhLrz3_rgX

备注： 这一个文章介绍了一个新手快速上手Kaggle竞赛并取得了竞赛第三名的经历。文中详细描述了作者如何一步步训练模型，并且达到最后的很高的精度的过程。文中分享了一个免费的课程网站，并且共享了作者参加竞赛时用到的代码。满满的干货分享。

三、 计算机学习网站总结

选摘自： https://blog.csdn.net/tmb8z9vdm66wh68vx1/article/details/81639479

1. Towards Data Science

名称： Towards Data Science

链接： towardsdatascience.com/

内容： Data Science

例文： Building an Altcoin Market Sentiment Monitor

更新速度：平均每日三至四篇

科学上网：Yes

竞争强度：中等

笔者有话说：这是一个内容非常丰富的数据科学学习网站。大多数的文章都是以案例展开，并附有代码和配图，文字严谨且具有良好的逻辑性，手把手教读者如何去操作，对于数据科学的初学者非常友好。就选文渠道而言，它的更新速度很快，因此关注该渠道可以获得源源不断的优质文章，可选择的余地非常大，但是要注意去甄别文章的内容，并不是所有文章都那么出色。

2. Kdnuggets

名称： Kdnuggets

链接： www.kdnuggets.com

内容：Computer Science

例文：PySpark SQL Cheat Sheet: Big Data in Python

更新速度：优质选文成批发放，两至三周一更新

科学上网：No

竞争强度：高

笔者有话说：这是一个内容覆盖非常广泛的网站，不论是就职干货还是技术难题，它总会有相关的文章。该网站的文章质量非常高，因此是各大公众号的“兵家必争之地”。建议多挂住网站左下角的“Most Popular”和“Most Shared”里的文章，快捷高效地获取优质文章。

3. Codementor

名称：Codementor

链接：https://www.codementor.io/community/topic/data-science

内容：各种附代码技术类干货

例文：Introducing pydbgen: A random dataframe/database table generator

更新速度：每月一篇

科学上网：No

竞争强度：低

笔者有话说：这是一个对于文章管理不是特别好的网站，它的文章没有分类，因此很难摸清楚它发文章的具体套路。根据笔者经验，这个网站所发的文章基本都是技术性文章，帮助解决各种技术性问题的。文章大都附有代码，因此比较干货。

4. Data+Science

名称：Data+Science

链接：https://www.dataplusscience.com/insights.html

内容：数据可视化

例文：Finding the Nearest Ocean Coast or any Nearest Point on a Map in Tableau

更新速度：每月两篇

科学上网：No

竞争强度：低

笔者有话说：这个网站的主题是数据可视化。因此，它的所有文章都是数据可视化案例，其中比较多见的就是Tableau的case。这个网站文章的最大特点就是其运用到极致的版面设计美学（笔者有点夸张(#^.#)）。文章的排版、配图还有操作解说都安排得整洁美观，对于读者来说也格外赏心悦目，文章的内容也是干货满满。