Machine Learning / Deep Learning Cheat Sheet
該項目以速查表形式介紹了機器學習/深度學習的常用工具和技術。本速查表手冊的範圍很廣，從非常簡單的工具到深度學習等技術。
不同類型的速查表有 Panda、Numpy、scikit、matplotlib、ggplot、dplyr、tidyr、pySpark 和神經網絡。
項目地址：https://github.com/kailashahirwar/cheatsheets-ai
牛津大學自然語言處理高級課程
在自然語言處理（NLP）領域，斯坦福大學的研究一直是名列前茅。但是隨著深度學習的到來，NLP 已經取得了巨大的進步，這都歸功於 RNN 和 LSTMs 等深度學習體系結構的能力。
這個基於牛津大學 NLP 課程的資源庫將 NLP 的教育提升到一個新的水平。本課程是一門實踐性的課程，涵蓋了諸如使用 RNNs 進行語言建模、語音識別、文本轉語音等方面的技術。該存儲庫是為所有的牛津講座提供的一站式服務，為實際應用提供授課材料。
項目地址：https://github.com/oxford-cs-deepnlp-2017/lecture
PyTorch – Tutorial
截至目前，PyTorch 是 TensorFlow 的唯一競爭對手，且在維護和聲譽方面使其成為了頗具競爭力的深度學習框架。因為 Pythonic 風格編程、動態計算以及更快的原型開發，Pytorch 已經獲得了深度學習社區的廣泛關注。
該資源庫包含了用於深度學習任務代碼， 從基礎地創建一個 PyTorch 的神經網絡到編碼 RNNs、GANs 和神經類型遷移。其中的大多數模型已經實現了 30 多行代碼。這充分說明了 PyTorch 的抽象能力，以便研究人員可以專注於迅速找到正確的模型，而無需糾纏於編程語言和工具選擇等細節。
項目地址：https://github.com/yunjey/pytorch-tutorial
Resources of NIPS 2017
該資源庫是 NIPS 2017 年會議上的資源和所有受邀演講、教程和研討會的 PPT。
NIPS 是一年一度的機器學習和計算神經科學會議。
近幾年來，數據科學領域內的突破性研究都曾作為研究結果出現在 NIPS 大會上。如果你想保持領先的地位，那麼這個就是很好的學習資源！
項目地址：https://github.com/hindupuravinash/nips2017
開源軟件庫
TensorFlow
TensorFlow 發佈已有 2 年的時間，它一直保持著機器學習和深度學習頂級庫的地位。Google Brain 和 TensorFlow 社區一直在積極地貢獻並保持最新的發展，尤其是在深度學習領域。
TensorFlow 最初是使用數據流圖進行數值計算的開源軟件庫，但從目前來看，它已經成為構建深度學習模型的完整框架。雖然 TensorFlow 主要支持 Python，但它也支持諸如 C、C++ 和 Java 等語言。此外，它也可以在移動平臺上運行！
項目地址：https://github.com/tensorflow/tensorflow
TuriCreate：一個簡化的機器學習庫
TuriCreate 是蘋果最近貢獻的一個開源項目，它為機器學習模型提供易於使用的創建方法和部署方法，這些機器學習模型包括目標檢測、人體姿勢識別和推薦系統等複雜任務。
可能我們作為機器學習愛好者會比較熟悉 GraphLab Create，一個非常簡便高效的機器學習庫，而當初創建該庫的公司 TuriCreate 被蘋果收購時，造成了很大反響。
TuriCreate 是針對 Python 開發的，且它最強的的特徵是將機器學習模型部署到 Core ML 中，用於開發 iOS、macOS、watchOS 和 tvOS 等應用程序。
項目地址：https://github.com/apple/turicreate
閱讀更多 大話開源項目 的文章
