本文共1200字
，建議閱讀5分鐘
。本文收集了豐富的機器學習、深度學習、人工智能領域最優質的學習資料，供各位AI-er查閱，一起學習。
目錄
書籍課程博客論文/代碼
書籍 Books
1. 《Grokking Deep Learning》
簡介：深度學習的使用方法
作者：Andrew Trask
地址：https://www.manning.com/books/grokking-deep-learning?ref=bestofml.com
2. 《Deep Learning Book》
簡介：經典深度學習書籍
作者：Goodfellow, Yoshua Benjio和Aaron Courville
地址：https://www.deeplearningbook.org/?ref=bestofml.com
3. 《Neural Networks and Deep Learning》
簡介：免費在線書籍
地址：http://neuralnetworksanddeeplearning.com/?ref=bestofml.com
4. 《Deep Learning with Python》
簡介：用python語言和強大的keras庫進行深度學習
地址：https://www.amazon.com/Deep-Learning-Python-Francois-Chollet/dp/1617294438/?ref=bestofml.com
5. 《Hands-On Machine Learning》
簡介：簡單、高效的工具，實現從數據中學習的程序
地址：https://www.amazon.com/Hands-Machine-Learning-Scikit-Learn-TensorFlow/dp/1491962291/?ref=bestofml.com
6. 《Deep Learning - A Practitioner's Approach》
簡介：機器學習-尤其是深層神經網絡-如何才能對你的公司產生真正的影響？
地址：https://www.amazon.com/Deep-Learning-Practitioners-Josh-Patterson/dp/1491914254/?ref=bestofml.com
7. 《Introduction to Machine Learning with Python - A Guide for Data Scientists》
簡介：機器學習已成為許多商業應用和研究項目的組成部分，但這一領域並不僅僅侷限於大型公司和研究團隊。如果你是Python的使用者，甚至初學者，這本書將教會你構建自己的機器學習解決方案的實用方法。
地址：https://www.amazon.com/Introduction-Machine-Learning-Python-Scientists/dp/1449369413?ref=bestofml.com
課程 Courses
1. Machine Learning by Andrew Ng
簡介：最受歡迎的機器學習課程之一
地址：https://www.coursera.org/learn/machine-learning?ref=bestofml.com
2. Machine Learing by ColumbiaX
簡介：機器學習算法要點
地址：https://www.edx.org/course/machine-learning?ref=bestofml.com
3. Machine Learning A-Z
簡介：
Udemy的動手Python課程
作者：Kirill Eremenko
地址：https://www.udemy.com/machinelearning/?ref=bestofml.com
4. Intro to Machine Learning
簡介：Udacity的免費基礎機器學習課程
地址：
https://cn.udacity.com/course/intro-to-machine-learning--ud120
5. Machine Learning for Trading
簡介：機器學習在交易中的應用
地址：https://www.udacity.com/course/machine-learning-for-trading--ud501
6. Oxford Deep NLP
簡介：牛津大學2017年開設的深度自然語言處理課程
地址：https://github.com/oxford-cs-deepnlp-2017/?ref=bestofml.com
7. Stanford UFLDL Tutorial
簡介：本教程介紹無監督的特徵學習和深度學習的主要思想
地址：http://deeplearning.stanford.edu/tutorial/?ref=bestofml.com
8. Stanford CS231n
簡介：包含視覺識別的卷積神經網絡
地址：http://cs231n.stanford.edu/?ref=bestofml.com
9. Stanford CS224d
簡介：自然語言處理中的深度學習
地址：http://cs224d.stanford.edu/?ref=bestofml.com
10. Fast.ai
簡介：完全免費並廣受好評的深度學習課程
地址：https://www.fast.ai/?ref=bestofml.com
11. Introduction to Deep Learning
簡介：本課程的目的是讓學習者瞭解現代神經網絡及其在計算機視覺和自然語言理解中的應用
地址：https://www.coursera.org/learn/intro-to-deep-learning?ref=bestofml.com
新聞/博客 News &Blogs
1. Towards Data Science
簡介：以數據科學為中心的媒體出版物
地址：https://towardsdatascience.com/?ref=bestofml.com
AI Weekly
簡介：
關於AI當前媒體覆蓋的每週新聞簡報
地址：http://aiweekly.co/?ref=bestofml.com
2. Deep Learning Weekly
簡介：關於深度學習中的新發現、論文和探索的每週簡報
地址：
https://www.deeplearningweekly.com/?ref=bestofml.com
3. The Algorithm
簡介：麻省理工關於AI的簡報
地址：https://go.technologyreview.com/newsletters/the-algorithm/?ref=bestofml.com
4. Import AI
簡介：Jack Clark（OpenAI）關於AI的博客
地址：https://jack-clark.net/?ref=bestofml.com
5. Machine Learing Mastery
簡介：關於機器學習項目、tricks的很棒的初學者資源
地址：https://machinelearningmastery.com/blog/?ref=bestofml.com
6. FastML
簡介：數據科學和機器學習的項目、技巧
地址：http://fastml.com/?ref=bestofml.com
7. Starts & Bots
簡介：機器學習，數據分析等
地址：https://blog.statsbot.co/?ref=bestofml.com
8. Machine Learning Subreddit
地址：https://www.reddit.com/r/machinelearning?ref=bestofml.com
9. Dynamically Typed Newsletter
簡介：每兩週一次的時事簡報，有關於人工智能、機器學習技術和技術/創業行業的想法和鏈接
地址：https://dynamicallytyped.com/?ref=bestofml.com
10. Skynet today
簡介：致力於提供最新的人工智能新聞和趨勢，和深入的社論，可訪問和知情的報道。
地址：https://www.skynettoday.com/?ref=bestofml.com
11. The Gradient
簡介：旨在使AI&ML的研究民主化，並對最新發展和長期趨勢的最重要的新論文和觀點進行無障礙和技術知情的報道。
地址：https://thegradient.pub/?ref=bestofml.com
12. Distill
簡介：一本在線雜誌，以一種清晰、動態和生動的方式預告ML研究
地址：https://distill.pub/?ref=bestofml.com
13. Stanford AI Lab Blog
簡介：一個讓學生、教師和研究人員與公眾分享他們的工作的地方。
地址：https://ai.stanford.edu/blog/?ref=bestofml.com
14. Lil'Lgo
地址：https://lilianweng.github.io/lil-log/?ref=bestofml.com
15. Colah's blog
地址：https://colah.github.io/?ref=bestofml.com
1. Arxiv Stats
地址：https://arxiv.org/list/stat.ML/recent?ref=bestofml.com
2. Arxiv Sanity Preserver
地址：http://www.arxiv-sanity.com/?ref=bestofml.com
3. Papers with Code
簡介：不同主題的論文及其代碼實現
地址：https://paperswithcode.com/?ref=bestofml.com
原文鏈接：
https://bestofml.com
— 完 —
關注清華-青島數據科學研究院官方微信公眾平臺“THU數據派”及姊妹號“數據派THU”獲取更多講座福利及優質內容。