Skip to content

Progress: Machine Learning

Collected by Jianan. 本章节会收录关于机器学习的参考材料，和Frontier的区别在于本章节将侧重和个人的学习研究有关的材料。部分文字从原文直接引用，如有侵权，立即删除。本文仅供个人参考学习，不作商业用途。

  • PyTorch常用代码段合集

  • Facebook员工写给小白的CNN入门贴

  • 新书推荐 可解释的机器学习-黑盒模型可解释性理解指南

  • 让PyTorch更轻便的深度学习框架PyTorch Lightning

  • 最佳机器/深度学习课程 Top 5

    • Machine Learning（机器学习） - Coursera https://www.coursera.org/learn/machine-learning

  • Deep Learning Specialization（深度学习专项课程） - Coursera https://www.coursera.org/specializations/deep-learning

    • Machine Learning with Python（基于 Python 的机器学习） - Coursera https://www.coursera.org/learn/machine-learning-with-python

  • Advanced Machine Learning Specialization（进阶版机器学习专项课程） - Coursera https://www.coursera.org/specializations/aml

  • Machine Learning（机器学习） - EdX https://www.edx.org/course/machine-learning

  • 《动手学深度学习》

    面向中文读者的能运行、可讨论的深度学习教科书。本书将全面介绍深度学习从模型构造到模型训练的方方面面，以及它们在计算机视觉和自然语言处理中的应用。我们不仅将阐述算法原理，还将基于Apache MXNet对算法进行实现，并实际运行它们。本书的每一节都是一个Jupyter记事本。它将文字、公式、图像、代码和运行结果结合在了一起。读者不但能直接阅读它们，而且可以运行它们以获得交互式的学习体验。

  • AI算法工程师手册

    作者华校专，曾任阿里巴巴资深算法工程师、智易科技首席算法研究员，现任腾讯高级研究员，《Python 大战机器学习》的作者。

    这是作者多年以来学习总结的笔记，经整理之后开源于世。目前还有约一半的内容在陆续整理中，已经整理好的内容放置在此。 曾有出版社约稿，但是考虑到出版时间周期较长，而且书本购买成本高不利于技术广泛传播，因此作者采取开源的形式。 笔记内容仅供个人学习使用，非本人同意不得应用于商业领域。

    笔记内容较多，可能有些总结的不到位的地方，欢迎大家探讨。联系方式:huaxz1986@163.com

  • AI 学习路线参考

    由AI 技术平台以及领域专家：Datawhale，ApacheCN，AI 有道和黄海广博士联合整理贡献，内容涵盖 AI 入门基础知识、数据分析\挖掘、机器学习、深度学习、强化学习、前沿 Paper 和五大 AI 理论应用领域：自然语言处理，计算机视觉，推荐系统，风控模型和知识图谱。是你学习 AI 从入门到专家必备的学习路线和优质学习资源。

  • 斯坦福2019强化学习课程

  • 复旦大学邱锡鹏教授发布教科书《神经网络与深度学习》

    • https://nndl.github.io/
    • 知乎地址：https://zhuanlan.zhihu.com/p/61591812
    • 随书练习题：https://github.com/nndl/exercise

AI Conference List

  • AI Conference List
    • IJCAI (1+): International Joint Conference on Artificial Intelligence
    • AAAI(1): National Conference on Artificial Intelligence
    • COLT (1): Annual Conference on Computational Learning Theory
    • CVPR (1): IEEE International Conference on Computer Vision and Pattern Recognition
    • ICCV (1): IEEE International Conference on Computer Vision
    • ICML (1): International Conference on Machine Learning
    • NIPS (1): Annual Conference on Neural Information Processing Systems
    • AAMAS (2+): International Joint Conference on Autonomous Agents and Multiagent Systems
    • ICAPS (2): International Conference on Automated Planning and Scheduling