机器学习经典网站 二
新闻资讯
- Analytics Vidhya: 为数据科学专业人员提供基于社区的知识门户
- Distill: 展示机器学习的最新文章
- Google News: Google News Machine learning
- MIT News: Machine learning | MIT News
- 17bigdata: 专注数据分析、挖掘、大数据相关领域的技术分享、交流
- 机器之心: 机器之心 | 全球人工智能信息服务
- 雷锋网: 雷锋网 | 读懂智能,未来
- 数据分析网: 数据分析网 - 大数据学习交流第一平台
- 知乎主题: 知乎机器学习热门主题
社区交流
- AIQ: 机器学习大数据技术社区
- DataTau: 人工智能领域的Hacker News
- MathOverflow: 数学知识问答社区
- Medium: 一个涵盖人工智能、机器学习和深度学习相关领域的自由、开放平台
- PaperWeekly: 一个推荐、解读、讨论和报道人工智能前沿论文成果的学术平台
- Quora: Quora | 机器学习主题
- Reddit: Reddit | 机器学习板块
- ShortScience: 用最简单的篇幅去概况科学著作
- SofaSofa: 做最好的数据科学社区
- Twitter: Twitter | 机器学习论文版块
- 极智能: 人工智能技术社区
优质博文
- Google AI Blog: 谷歌AI博客
- handong1587: 深度学习各个方向资源汇总,及各大顶级会议/期刊资源
- Machine Learning Mastery: 帮助开发人员使用机器学习的知识解决复杂的问题
- paralleldots:一个提供随时可用的一流AI解决方案的博客
- Stats and Bots - Medium: 机器学习应用程序和代码的实用指南
- tornadomeet的博客: 很详细的ML&DL学习博客
- wildml:Artificial Intelligence, Deep Learning, and NLP
- 爱可可-爱生活: 知名互联网资讯博主
- 超智能体: 分享最通俗易懂的深度学习教程
- 人工智能笔记: 人工智能从入门到AI统治世界
论文检索
- arXiv: 康奈尔大学运营的学术预印本发布的平台
- Arxiv Sanity: 论文查询推荐
- GitXiv: arXiv的成果开源实现平台
- Papers with Code: 将论文与开源代码实现结合
- SCI-HUB: 找论文必备
- 猫咪论文: 简单自由的论文下载平台
比赛实践
- biendata:数据科学竞赛平台
- DataCastle: 中国领先的数据科学竞赛平台
- DataFountain: DF,CCF指定专业大数据竞赛平台
- Kaggle: 为数据科学家提供举办机器学习竞赛
- KDD-CUP: 国际知识发现和数据挖掘竞赛
- 滴滴新锐: 滴滴面向全球高校博士、硕士、优秀本科生的精英人才计划
- JDD空间站: 京东算法赛事平台
- 赛氪网: 汇集以高校竞赛为主,活动、社区为辅的大学生竞赛活动平台
- 天池大数据: 大数据竞赛、大数据解决方案、数据科学家社区、人工智能、机器学习
资源
课程学习
- data-science-complete-tutorial: 数据科学完整入门指南
- David Silver:David Silver 深度强化学习课程
- fast.ai: Making neural nets uncool again
- liuyubobobo: Python3 入门机器学习
- Metacademy: 知识点检索并画出通向这个知识点的知识图谱
- Siraj Raval:时序预测:Kaggle免费课程:时序预测
- Two Minute Papers: YouTube | 最简短的语言概况最新的热点论文
- YSDA nlp_course:YSDA course in Natural Language Processing
- 3Blue1Brown : YouTube | 数学基础频道
- 3Blue1Brown 中文: Bilibili | 数学基础频道
- 谷歌:机器学习速成课程: Google制作的节奏紧凑、内容实用的机器学习简介课程
- 李宏毅:李宏毅深度学习课程
- 林轩田: 机器学习基石
- 林轩田: 机器学习技法
- 徐亦达:徐亦达老师机器学习课程
- 邱锡鹏(复旦大学):神经网络与深度学习
- 吴恩达: 机器学习课程
- 吴恩达: 深度学习课程
资源收集
- awesome-machine-learning-cn: 机器学习资源大全中文版,包括机器学习领域的框架、库以及软件
- Coursera-ML-AndrewNg-Notes: 吴恩达老师的机器学习课程个人笔记
- daily-paper-computer-vision: 记录每天整理的计算机视觉/深度学习/机器学习相关方向的论文
- DeepLearning-500-questions:深度学习500问
- deeplearning_ai_books: 吴恩达老师的深度学习课程笔记及资源
- Deep-Learning-Papers-Reading-Roadmap: 深度学习论文阅读路线图
- funNLP:中文语料库资源收集项目
- Getting Started in Computer Vision Research:计算机视觉研究入门全指南
- lihang_book_algorithm: 《统计学习方法》算法python实现
- Machine Learning、Deep Learning: ML&DL资料
- MachineLearning_Python: 机器学习算法python实现
- Machine_Learning_Study_Path:机器学习过程中所看的书,视频和源码
- ml_cheatsheet:机器学习算法速查手册
- ml_tutorials: 机器学习相关教程
- NLP-progress:跟踪NLP各项技术的state-of-the-art进展
- 100-Days-Of-ML-Code 英文版:100 Days of Machine Learning Coding as proposed by Siraj Raval
- 100-Days-Of-ML-Code 中文版:100-Days-Of-ML-Code 中文版
- 周志华 - 机器学习: 周志华《机器学习》笔记
开源书籍
- deeplearningbook-chinese: 深度学习中文版
- deep_learning_cookbook: 深度学习手册
- hands_on_Ml_with_Sklearn_and_TF: Sklearn与TensorFlow机器学习实用指南
- Interpretable Machine Learning: 一份指南,教你如何构建具有可解释性的黑盒模型
- Neural Networks and Deep Learning: 深度学习开源书籍
- Neural Networks and Deep Learning: 深度学习开源书籍 - 中文
- PythonDataScienceHandbook: Python数据科学手册
- TensorFlow-Course: 简单易学的TensorFlow教程
- 机器学习实战: Machine Learning in Action(机器学习实战)
- 简单粗暴TensorFlow: 本手册是一篇精简的TensorFlow入门指导
实战项目
- face_recognition: 世界上最简单的人脸识别库
- style2paints: 线稿自动上色
文档
Python
- Caffe: 一个基于表达式,速度和模块化原则创建的深度学习框架
- Caffe2: Caffe2官方文档
- Chainer: 基于Python的独立的深度学习模型开源框架
- CNTK: CNTK官方文档
- Gensim: 包含可扩展的统计语义,分析纯文本文档的语义结构,以及检索相似语义的文档等功能
- Keras: Keras官方文档
- Matplotlib: Matplotlib官方文档
- MXNet: MXNet官方文档
- Neon: Nervana公司一个基于Python的深度学习库
- NumPy: NumPy官方文档
- pandas: pandas官方文档
- PyBrain: 一个模块化的Python机器学习库
- Pylearn2: 构建于Theano之上的机器学习库
- PyTorch: PyTorch官方文档
- Seaborn: Seaborn官方文档
- scikit-learn: scikit-learn官方文档
- Statsmodels: 用来探索数据,估计统计模型,进行统计测试
- TensorFlow: TF官方文档
- Theano: 允许高效地定义、优化以及评估涉及多维数组的数学表达式
C & C++
- dlib: 实用的机器学习和数据分析工具包
Java & Scala
- DeepLearning4j: 基于JAVA和Scala的商业级开源分布式深度学习框架
- 原文作者:知识铺
- 原文链接:https://geek.zshipu.com/post/%E4%BA%92%E8%81%94%E7%BD%91/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E7%BB%8F%E5%85%B8%E7%BD%91%E7%AB%99-%E4%BA%8C/
- 版权声明:本作品采用知识共享署名-非商业性使用-禁止演绎 4.0 国际许可协议进行许可,非商业转载请注明出处(作者,原文链接),商业转载请联系作者获得授权。
- 免责声明:本页面内容均来源于站内编辑发布,部分信息来源互联网,并不意味着本站赞同其观点或者证实其内容的真实性,如涉及版权等问题,请立即联系客服进行更改或删除,保证您的合法权益。转载请注明来源,欢迎对文章中的引用来源进行考证,欢迎指出任何有错误或不够清晰的表达。也可以邮件至 sblig@126.com