150 多个 ML、NLP 和 Python 相关的教程

机器学习已经发展了很久，它的可以追溯到1959年，但是如今此领域的发展速度可以说是空前的。在最近的几篇文章中，我讨论了人工智能领域为何会在现在以及不久的将来持续蓬勃发展。如今很多对机器学习感兴趣的同学都普遍表示入门很难。

在准备博士课题的期间，我尝试在网络上搜索与机器学习和自然语言处理相关的优秀资源。当我找了一个有趣的教程或者视频，从这个教程或者视频出发我又可以找到三四个更多的教程或视频，最终就会出现的画面就是我还没有开始认真研究第一个找到的教程，浏览器已经打开了 20 个标签等待我去浏览了。（注:  可以帮助让我们的标签更有条理）。

在找到了超过 25 个与机器学习相关的速查表后，。

为了给后面学习的童鞋铺路，我将我找到的最好的一些教程内容整理成了一份列表。这份列表并没有包含所有网上能找到的与机器学习相关的教程，否则这份列表将会过于臃肿。我的目标就是将我在机器学习和自然语言处理领域各个方面找到的我认为最好的教程整理出来。

在教程中，为了能够更好的让读者理解其中的概念，我将避免罗列书中每章的详细内容，而是总结一些概念性的介绍内容。为什么不直接去买本书？当你想要对某些特定的主题或者不同方面进行了初步了解时，我相信这些教程对你可能帮助更大。

本文中我将分四个主题进行整理：机器学习、自然语言处理、Python 和数学。在每个主题中我将包含一个例子和多个资源。当然我不可能完全覆盖所有的主题啦。

在将来，我也将会整理一系列类似的资源列表，包括书籍，视频和代码项目等。因为我目前也的确正在编译这些资源。

如果你发现我在这里遗漏了好的教程资源，请联系告诉我。为了避免资源重复罗列，我在每个主题下只列出了5、6个教程。下面的每个链接都应该链接了和其他链接不同的资源，也会通过不同的方式（例如幻灯片代码段)或者不同的角度呈现出这些内容。

机器学习

•  (medium.com/@ageitgey)
• Machine Learning Crash Course: , ,  (Machine Learning at Berkeley)
• (toptal.com)
•  (monkeylearn.com)
•  (sas.com)

激活函数和损失函数

•  (neuralnetworksanddeeplearning.com)
•  (quora.com)
•  (stats.stackexchange.com)
•  (medium.com)
•  (exegetic.biz)
•  (Stanford CS231n)
•  (rishy.github.io)
•  (neuralnetworksanddeeplearning.com)

偏差

•  (stackoverflow.com)
•  (makeyourownneuralnetwork.blogspot.com)
•  (quora.com)

感知器

•  (neuralnetworksanddeeplearning.com)
•  (natureofcode.com)
•  (dcu.ie)
•  (toptal.com)

回归

•  (duke.edu)
•  (ufldl.stanford.edu)
•  (readthedocs.io)
•  (readthedocs.io)
•  (machinelearningmastery.com)
•  (machinelearningmastery.com)
•  (ufldl.stanford.edu)

梯度下降

•  (neuralnetworksanddeeplearning.com)
•  (iamtrask.github.io)
•  (kdnuggets.com)
•  (sebastianruder.com)
•  (Stanford CS231n)

生成学习

•  (Stanford CS229)
•  (monkeylearn.com)

支持向量机

•  (monkeylearn.com)
•  (Stanford CS229)
•  (Stanford 231n)

反向传播

•  (medium.com/@karpathy)
• (github.com/rasbt)
•  (neuralnetworksanddeeplearning.com)
•  (wildml.com)
•  (machinelearningmastery.com)
•  (Stanford CS231n)

深度学习

•  (nikhilbuduma.com)
•  (Quoc V. Le)
•  (machinelearningmastery.com)
•  (nvidia.com)

优化和降维

•  (knime.org)
•  (Stanford CS229)
•  (Hinton @ NIPS 2012)
•  (rishy.github.io)

长短期记忆(LSTM)

•  (machinelearningmastery.com)
•  (colah.github.io)
•  (echen.me)
•  (iamtrask.github.io)

卷积神经网络(CNNs)

•  (neuralnetworksanddeeplearning.com)
•  (medium.com/@ageitgey)
•  (colah.github.io)
•  (colah.github.io)

循环神经网络(RNNs)

 (wildml.com)
 (distill.pub)
 (karpathy.github.io)
 (nikhilbuduma.com)

增强学习

•  (analyticsvidhya.com)
•  (mst.edu)
•  (wildml.com)
•  (karpathy.github.io)

生成对抗网络(GANs)

•  (nvidia.com)
•  (medium.com/@ageitgey)
•  (aylien.com)
•  (oreilly.com)

多任务学习

•  (sebastianruder.com)

自然语言处理(NLP)

•  (Yoav Goldberg)
•  (monkeylearn.com)
•  (algorithmia.com)
•  (vikparuchuri.com)
•  (arxiv.org)

深度学习与NLP

•  (arxiv.org)
•  (Richard Socher)
•  (wildml.com)
•  (colah.github.io)
• (explosion.ai)
•  (nvidia.com)
•  (pytorich.org)

词向量

•  (kaggle.com)
• On word embeddings , ,  (sebastianruder.com)
•  (acolyer.org)
•  (arxiv.org)
• Word2Vec Tutorial — ,  (mccormickml.com)

编码器-解码器

•  (wildml.com)
•  (tensorflow.org)
•  (NIPS 2014)
• (medium.com/@ageitgey)
• (machinelearningmastery.com)
•  (google.github.io)

Python

•  (kdnuggets.com)
•  (nbviewer.jupyter.org)

例子

•  (machinelearningmastery.com)
•  (wildml.com)
•  (iamtrask.github.io)
•  (kdnuggets.com)
• (machinelearningmastery.com)
• (machinelearningmastery.com)
•  (machinelearningmastery.com)

Numpy和Scipy

•  (scipy-lectures.org)
•  (Stanford CS231n)
•  (UCSB CHE210D)
•  (nbviewer.jupyter.org)

scikit-learn

•  (nbviewer.jupyter.org)
•  (github.com/mmmayo13)
•  (scikit-learn.org)
•  (github.com/mmmayo13)

Tensorflow

•  (tensorflow.org)
•  (medium.com/@erikhallstrm)
•  (metaflow.fr)
•  (wildml.com)
•  (wildml.com)
•  (surmenok.com)

PyTorch

•  (pytorch.org)
•  (gaurav.im)
•  (iamtrask.github.io)
•  (github.com/jcjohnson)
•  (github.com/MorvanZhou)
•  (github.com/yunjey)

Math

•  (ucsc.edu)
•  (UMIACS CMSC422)

线性代数

•  (betterexplained.com)
•  (betterexplained.com)
•  (betterexplained.com)
•  (betterexplained.com)
•  (U. of Buffalo CSE574)
•  (medium.com)
•  (Stanford CS229)

概率论

•  (betterexplained.com)
•  (Stanford CS229)
•  (Stanford CS229)
•  (U. of Buffalo CSE574)
•  (U. of Toronto CSC411)

微积分

•  (betterexplained.com)
•  (betterexplained.com)
•  (betterexplained.com)
•  (Stanford CS224n)
•  (readthedocs.io)

时间:2018-08-17 23:53  来源:    转发量:次