收藏此文，今年你需要的學習資源絕對夠了！

作者 | Robbie Allen

編輯 | Jane

出品 | AI科技大本營

今天，AI科技大本營為大家準備了目前看到的最好的一份學習資源。收集這些資源的作者 ，Robbie Allen，InfiniaML 公司 CEO，也是UNCCS的博士，從去年開始正在籌備關於 machine learning practice 的新書。在他開始攻讀博士學位和籌備新書的過程中，一直在搜索機器學習、NLP 等各方面優秀的學習資源。去年，他公開過自己收藏的近 150 種學習資源，現在一年多過去了，各領域不斷出現尖端技術和教程，他的收藏列表已經更新並擴充至今年的近 200 種。

為什麼說這裡面的內容是自己在所有的資源中挑選出來最好的？首先這份收藏清單並不是把在網上可以搜索到的所有學習資料直接羅列，作者主要從機器學習、NLP、Python 和數學四部分的內容介紹給大家，並且每個部分細分了不同的主題，每個主題有 5~6 個學習資源，力求從不同角度與不同的呈現形式（如有教程、幻燈片、博客文章等）使內容具有多樣性。

根據作者內容，AI科技大本營還特別整理了一張清晰的學習樹給大家。

1.機器學習及相關內容

▌1.1 機器學習

▌1.2 激活函數與損失函數

▌1.3 偏差

▌1.4 感知

▌1.5 回歸

▌1.6 梯度下降

▌1.7 生成學習

▌1.8 支持向量機

▌1.9 反向傳播

▌1.10 深度學習

▌1.11 優化方法與降維方法

▌1.12 LSTM

▌1.13 CNN

▌1.14 RNN

▌1.15 強化學習 RL

▌1.16 生成對抗網路 GANs

▌1.17 多任務學習

2.NLP及相關內容

▌2.1 NLP

▌2.2 深度學習與 NLP

▌2.3 詞向量

▌2.4 編碼-解碼

3.Python 及相關內容

▌3.1示例

▌3.2 函數與 numpy

▌3.3 演算法庫

▌3.4 TensorFlow

▌3.5 Pytorch

4.數學及相關內容

▌4.1 機器學習中的數學

▌4.2 線性代數

▌4.3 概率論

▌4.4 微積分

鑒於數量較多，每一部分的學習資源我們只給出了標題與來源，想了解更多大家可以從原文中進行訪問。

https://medium.com/machine-learning-in-practice/over-200-of-the-best-machine-learning-nlp-and-python-tutorials-2018-edition-dd8cf53cb7dc

——【完】——

在線公開課 知識圖譜專場

精彩繼續

時間：8月23日 20:00-21:00

參加公開課，向講師提問，即有機會獲得定製T恤或者技術書籍

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！