机器学习/深度学习资源下载合集（持续更新...）

这篇文章转载自「译智社」的成员 —— 林夕的文章机器学习/深度学习资源下载集合（持续更新…）。如果你对人工智能感兴趣，欢迎关注公众号 —— 译智社。

---

从入门到进阶，所用到机器学习资料，包括书、视频、源码。文章首发于 Github，若下载资源请跳转 Github.

1. 视频：

1.1. 吴恩达老师机器学习课程：

• Coursera

• 网易云课堂

• 英文笔记

• 中文笔记、字幕

1.2. 吴恩达 深度学习课程：

• Coursera
• 网易云课堂
• 笔记

1.3. 斯坦福 CS231n: Convolutional Neural Networks for Visual Recognition：

• 官网
• 网易云课堂

1.4. fast.ai：

• 官网
• Part1:Practical Deep Learning For Coders
• Part2: Cutting Edge Deep Learning For Coders

1.5. 百度 PaddlePaddle 公开课：

http://ai.baidu.com/paddlepaddle/openCourses

• 机器学习入门

• 机器学习模型

• 深度学习基础

1.6. 徐亦达老师机器学习课程：

• 官网
• Github
• 哔哩哔哩
• 百度云

1.7. 李宏毅深度学习课程：

• 官网
• 哔哩哔哩

1.8. 谷歌机器学习速成：

• 课程
• 练习
• 术语库

2. 书籍：

2.1. Keras：

• 《Deep Learning with Python》
  难度：低；推荐：☆☆☆☆☆

• 《Deep Learning with Keras》
  难度：低；推荐：☆☆☆☆

2.2. TensorFlow：

• 《Hands-On Machine Learning with Scikit-Learn and TensorFlow》
  难度：中；推荐：☆☆☆☆☆

• 《Learning TensorFlow》

• 《TendorFlow Machine Learning cookbook》
  难度：中；推荐：☆☆☆☆☆

2.3. NLP：

• 《Deep Learning in Natural Language Processing》
• 《Natural Language Processing with TensorFlow》
• 《Mastering Natural Language Processing with Python》
• 《Text Analytics with Python》

2.4. 机器学习：

• 《统计学习方法》
  难度：中；推荐：☆☆☆☆☆

• 《Pattern Recognition and Machine Learning》
  难度：高；推荐：☆☆☆☆☆

• 《机器学习实战》
  难度：低；推荐：☆☆☆☆

• 《Machine Learning yearning》

• 《美团机器学习实战》

• 《集体智慧编程》
  难度：低；推荐：☆☆☆☆

• 《百面机器学习 算法工程师带你去面试》

2.5. 深度学习：

• 《Deep Learning》中文版
  难度：高；推荐：☆☆☆☆☆

• 《神经网络与深度学习》
  难度：中；推荐：☆☆☆☆

• 《神经网络与深度学习》
  难度：中；推荐：☆☆☆☆

• 《Deep Learning with python A Hands on Introduction》

文末扫码，关注公众号 「译智社」 后台回复「ml」可以获得百度云链接！

3. 框架：

基础框架	机器学习	深度学习
pandas	sklearn	Keras
imbalanced-learn	LightGBM	TensorFlow
xLearn	XGBoost	PyTorch
	CatBoost	PaddlePaddle

4. 机器学习博客

• Open AI：
  由 Elon Musk 提出建立的一个人工智能非营利组织，定期发布有关自然语言处理，图像处理和语音处理等先进人工智能技术的研究。

• Distill：
  编辑和策展团队由来自 Google Brain，DeepMind，Tesla 和其他着名组织的科学家组成。致力于清晰的解释机器学习。

• BAIR 博客：
  加州大学伯克利分校的伯克利 AI 研究（BAIR）小组设立。BAIR 博客旨在传播 BAIR 在人工智能研究方面的研究成果，观点和最新情况。

• DeepMind：
  DeepMind 的大名，我想很多人已经知道了。

• Andrej Karpathy 的博客：原博客、Medium
  特斯拉的人工智能总监，很多人也许看过他的博客，但是不知道这个人。现在他已经转战 Medium，很多文章发布在 Medium。

• Colah 的博客：
  Christopher Olah 是 Google Brain 的研究科学家。旨在用简单的方式解读神经网络。

• WildML：
  博主同样来自 Google Brain，写作的主要焦点是深度学习。

• Ruder 的博客：
  博主是一位博士生，博客以深度学习和自然语言处理为主。

• FAIR博客：
  FAIR 的大名就不多讲了，我想很多人知道，很多精彩论文出自 FAIR，博客讨论了人工智能，深度学习，机器学习，计算机视觉及其在 Facebook 自研产品上的实际应用。

• Adit Deshpande 的博客：
  UCLA 的一名本科生（自愧不如啊），很多内容为初学者准备，由浅入深，层层递进。

• inFERENCe的博客：
  剑桥的博士，与 Twitter Cortex 合作。他撰写了关于概率推理，生成模型，无监督学习。

• Andrew Trask 的博客：
  非常推荐，博主是 DeepMind 的研究科学家和博士。简单列几篇他的博客：

  • Tutorial: Deep Learning in PyTorch
  • Anyone Can Learn To Code an LSTM-RNN in Python (Part 1: RNN)

---

如果你想了解更多关于人工智能的资讯，欢迎扫码关注微信公众号以及知乎专栏 「译智社」，我们为大家提供优质的人工智能文章、国外优质博客和论文等资讯哟！