收藏此文，今年你需要的学习资源绝对够了！

作者 | Robbie Allen

编辑 | Jane

出品 | AI科技大本营

今天，AI科技大本营为大家准备了目前看到的最好的一份学习资源。收集这些资源的作者 ，Robbie Allen，InfiniaML 公司 CEO，也是UNCCS的博士，从去年开始正在筹备关于 machine learning practice 的新书。在他开始攻读博士学位和筹备新书的过程中，一直在搜索机器学习、NLP 等各方面优秀的学习资源。去年，他公开过自己收藏的近 150 种学习资源，现在一年多过去了，各领域不断出现尖端技术和教程，他的收藏列表已经更新并扩充至今年的近 200 种。

为什么说这里面的内容是自己在所有的资源中挑选出来最好的？首先这份收藏清单并不是把在网上可以搜索到的所有学习资料直接罗列，作者主要从机器学习、NLP、Python 和数学四部分的内容介绍给大家，并且每个部分细分了不同的主题，每个主题有 5~6 个学习资源，力求从不同角度与不同的呈现形式（如有教程、幻灯片、博客文章等）使内容具有多样性。

根据作者内容，AI科技大本营还特别整理了一张清晰 的学习树给大家。

1 .机器学习及相关内容

▌ 1.1 机器学习

▌ 1.2 激活函数与损失函数

▌ 1.3 偏差

▌ 1.4 感知

▌ 1.5 回归

▌ 1 .6 梯度下降

▌ 1.7 生成学习

▌ 1.8 支持向量机

▌ 1.9 反向传播

▌ 1.10 深度学习

▌ 1.11 优化方法与降维方法

▌ 1.12  LSTM

▌ 1.13 CNN

▌ 1.14 R N N

▌ 1.15 强化学习 RL

▌ 1.16 生成对抗网络 GANs

▌ 1.17 多任务学习

2.NLP及相关内容

▌ 2.1 NLP

▌ 2.2 深度学习与 NLP

▌ 2.3 词向量

▌ 2.4 编码-解码

3.Python 及相关内容

▌ 3.1示例

▌ 3.2 函数与 numpy

▌ 3.3 算法库

▌ 3.4 TensorFlow

▌ 3.5 Pytorch

4.数学及相关内容

4 .1 机器学习中的数学

▌ 4.2 线性代数

▌ 4.3 概率论

▌ 4.4 微积分

鉴于数量较多，每一部分的学习资源我们只给出了标题与来源，想了解更多大家可以从原文中进行访问。

原文链接：

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

——【完】——

在线公开课 知识图谱专场

◆

精彩继续

◆

时间：8月23日 20:00-21:00

添加微信csdnai，备注：公开课，加入课程交流群

参加公开课，向讲师提问，即有机会获得定制T恤或者技术书籍