Machine Learning / Deep Learning Cheat Sheet
该项目以速查表形式介绍了机器学习/深度学习的常用工具和技术。本速查表手册的范围很广，从非常简单的工具到深度学习等技术。
不同类型的速查表有 Panda、Numpy、scikit、matplotlib、ggplot、dplyr、tidyr、pySpark 和神经网络。
项目地址：https://github.com/kailashahirwar/cheatsheets-ai
牛津大学自然语言处理高级课程
在自然语言处理（NLP）领域，斯坦福大学的研究一直是名列前茅。但是随着深度学习的到来，NLP 已经取得了巨大的进步，这都归功于 RNN 和 LSTMs 等深度学习体系结构的能力。
这个基于牛津大学 NLP 课程的资源库将 NLP 的教育提升到一个新的水平。本课程是一门实践性的课程，涵盖了诸如使用 RNNs 进行语言建模、语音识别、文本转语音等方面的技术。该存储库是为所有的牛津讲座提供的一站式服务，为实际应用提供授课材料。
项目地址：https://github.com/oxford-cs-deepnlp-2017/lecture
PyTorch – Tutorial
截至目前，PyTorch 是 TensorFlow 的唯一竞争对手，且在维护和声誉方面使其成为了颇具竞争力的深度学习框架。因为 Pythonic 风格编程、动态计算以及更快的原型开发，Pytorch 已经获得了深度学习社区的广泛关注。
该资源库包含了用于深度学习任务代码， 从基础地创建一个 PyTorch 的神经网络到编码 RNNs、GANs 和神经类型迁移。其中的大多数模型已经实现了 30 多行代码。这充分说明了 PyTorch 的抽象能力，以便研究人员可以专注于迅速找到正确的模型，而无需纠缠于编程语言和工具选择等细节。
项目地址：https://github.com/yunjey/pytorch-tutorial
Resources of NIPS 2017
该资源库是 NIPS 2017 年会议上的资源和所有受邀演讲、教程和研讨会的 PPT。
NIPS 是一年一度的机器学习和计算神经科学会议。
近几年来，数据科学领域内的突破性研究都曾作为研究结果出现在 NIPS 大会上。如果你想保持领先的地位，那么这个就是很好的学习资源！
项目地址：https://github.com/hindupuravinash/nips2017
开源软件库
TensorFlow
TensorFlow 发布已有 2 年的时间，它一直保持着机器学习和深度学习顶级库的地位。Google Brain 和 TensorFlow 社区一直在积极地贡献并保持最新的发展，尤其是在深度学习领域。
TensorFlow 最初是使用数据流图进行数值计算的开源软件库，但从目前来看，它已经成为构建深度学习模型的完整框架。虽然 TensorFlow 主要支持 Python，但它也支持诸如 C、C++ 和 Java 等语言。此外，它也可以在移动平台上运行！
项目地址：https://github.com/tensorflow/tensorflow
TuriCreate：一个简化的机器学习库
TuriCreate 是苹果最近贡献的一个开源项目，它为机器学习模型提供易于使用的创建方法和部署方法，这些机器学习模型包括目标检测、人体姿势识别和推荐系统等复杂任务。
可能我们作为机器学习爱好者会比较熟悉 GraphLab Create，一个非常简便高效的机器学习库，而当初创建该库的公司 TuriCreate 被苹果收购时，造成了很大反响。
TuriCreate 是针对 Python 开发的，且它最强的的特征是将机器学习模型部署到 Core ML 中，用于开发 iOS、macOS、watchOS 和 tvOS 等应用程序。
项目地址：https://github.com/apple/turicreate
閱讀更多 大話開源項目 的文章
