大資料文摘作品

　　的確，如今學習人工智慧最大的困難不是找不到資料，更多同學的痛苦是：網上資源太多了，以至於沒法知道從哪兒開始搜尋，也沒法知道搜到什麼程度。

　　為了節省大家的時間，我們搜遍網路把最好的免費資源彙總整理到這篇文章當中。這些連結夠你學上很久，而且你看完本文一定會再次驚歎：現在網上關於機器學習、深度學習和人工智慧的資訊真的非常多。

　　本文羅列了以下幾個方面的學習資源，供大家收藏：知名研究人員、人工智慧研究機構、視訊課程、部落格、Medium、書籍、YouTube、Quora、Reddit、GitHub、播客、新聞訂閱、科研會議、研究論文連結、教程以及各種小抄表。

　　研究人員

　　許多著名的人工智慧研究人員都在網路上有很強的影響力。下面我列出了20個專家，也給出了能夠找到他們詳細資訊的網站。

　　Sebastian Thrun

　　http://robots.stanford.edu

　　Yann Lecun

　　http://yann.lecun.com

　　Nando de Freitas

　　http://www.cs.ubc.ca/~nando/

　　Andrew Ng

　　http://www.andrewng.org

　　Daphne Koller

　　http://ai.stanford.edu/users/koller/

　　Adam Coates

　　http://cs.stanford.edu/~acoates/

　　Jürgen Schmidhuber

　　http://people.idsia.ch/~juergen/

　　Geoffrey Hinton

　　http://www.cs.toronto.edu/~hinton/

　　Terry Sejnowski

　　http://www.salk.edu/scientist/terrence-sejnowski/

　　Michael Jordan

　　https://people.eecs.berkeley.edu/~jordan/

　　Peter Norvig

　　http://norvig.com

　　Yoshua Bengio

　　http://www.iro.umontreal.ca/~bengioy/yoshua_en/

　　Ian Goodfellow

　　http://www.iangoodfellow.com

　　Andrej Karpathy

　　http://karpathy.github.io

　　Richard Socher

　　http://www.socher.org

　　Demis Hassabis

　　http://demishassabis.com

　　Christopher Manning

　　https://nlp.stanford.edu/~manning/

　　Fei-Fei Li

　　http://vision.stanford.edu/people.html

　　Fran?ois Chollet

　　https://scholar.google.com/citations?user=VfYhf2wAAAAJ&hl=en

　　Larry Carin

　　http://people.ee.duke.edu/~lcarin/

　　Dan Jurafsky

　　https://web.stanford.edu/~jurafsky/

　　Oren Etzioni

　　http://allenai.org/team/orene/

　　人工智慧研究機構

　　許多研究機構致力於促進人工智慧的研究與開發。下面我列出了一些機構的網站。

　　視訊課程

　　網上也有大量的視訊課程和教程，其中很多都是免費的，還有一些付費的也很不錯，但是在這篇文章中我只提供免費內容的連結。下面我列出的這些免費課程可以讓你學上好幾個月：

　　Coursera?—?Machine Learning (Andrew Ng)

　　https://www.coursera.org/learn/machine-learning#syllabus

　　Coursera?—?Neural Networks for Machine Learning (Geoffrey Hinton)

　　https://www.coursera.org/learn/neural-networks

　　Machine Learning (mathematicalmonk)

　　https://www.youtube.com/playlist?list=PLD0F06AA0D2E8FFBA

　　Practical Deep Learning For Coders (Jeremy Howard & Rachel Thomas)

　　http://course.fast.ai/start.html

　　Stanford CS231n?—?Convolutional Neural Networks for Visual Recognition (Winter 2016)

　　https://www.youtube.com/watch?v=g-PvXUjD6qg&list=PLlJy-eBtNFt6EuMxFYRiNRS07MCWN5UIA

　　斯坦福CS231n【中字】視訊，大資料文摘經授權翻譯

　　http://study.163.com/course/introduction/1003223001.htm

　　Stanford CS224n?—?Natural Language Processing with Deep Learning (Winter 2017)

　　https://www.youtube.com/playlist?list=PL3FW7Lu3i5Jsnh1rnUwq_TcylNr7EkRe6

　　Oxford Deep NLP 2017 (Phil Blunsom et al.)

　　https://github.com/oxford-cs-deepnlp-2017/lectures

　　牛津Deep NLP【中字】視訊，大資料文摘經授權翻譯

　　http://study.163.com/course/introduction/1004336028.htm

　　Reinforcement Learning (David Silver)

　　http://www0.cs.ucl.ac.uk/staff/d.silver/web/Teaching.html

　　Practical Machine Learning Tutorial with Python (sentdex)

　　https://www.youtube.com/watch?list=PLQVvvaa0QuDfKTOs3Keq_kaG2P55YRn5v&v=OGxgnH8y2NM

　　油管 YouTube

　　YouTube上有很多頻道或者使用者都經常會發布一些AI或者機器學習相關的內容，我把這些連結按照訂閱數/觀看數多少列示在下邊，這樣方便看出來哪個更受歡迎。

　　sendex（22.5萬訂閱，2100萬次觀看）

　　https://www.youtube.com/user/sentdex

　　Siraj Raval（14萬訂閱，500萬次觀看）

　　https://www.youtube.com/channel/UCWN3xxRkmTPmbKwht9FuE5A

　　Two Minute Papers（6萬訂閱，330萬次觀看）

　　https://www.youtube.com/user/keeroyz

　　DeepLearning.TV（4.2萬訂閱，140萬觀看）

　　https://www.youtube.com/channel/UC9OeZkIwhzfv-_Cb7fCikLQ

　　Data School（3.7萬訂閱，180萬次觀看）

　　https://www.youtube.com/user/dataschool

　　Machine Learning Recipes with Josh Gordon（32.4萬次觀看）

　　https://www.youtube.com/playlist?list=PLOU2XLYxmsIIuiBfYad6rFYQU_jL2ryal

　　Artificial Intelligence?—?Topic（1萬訂閱）

　　https://www.youtube.com/channel/UC9pXDvrYYsHuDkauM2fLllQ

　　Allen Institute for Artificial Intelligence (AI2)（1.6千訂閱，6.9萬次觀看）

　　https://www.youtube.com/channel/UCEqgmyWChwvt6MFGGlmUQCQ

　　Machine Learning at Berkeley（634訂閱，4.8萬次觀看）

　　https://www.youtube.com/channel/UCXweTmAk9K-Uo9R6SmfGtjg

　　Understanding Machine Learning?—?Shai Ben-David（973訂閱，4.3萬次觀看）

　　https://www.youtube.com/channel/UCR4_akQ1HYMUcDszPQ6jh8Q

　　Machine Learning TV（455訂閱，1.1萬次觀看）

　　https://www.youtube.com/channel/UChIaUcs3tho6XhyU6K6KMrw

　　部落格

　　雖然人工智慧和機器學習現在這麼火，但是我很驚訝地發現相關博主並沒有那麼多。可能是因為內容比較複雜，把有意義的部分整理出來需要花很大精力；也有可能是因為類似Quora這樣的平臺比較多，專家們回答問題更方便也不需要花太多時間做詳細論述。

　　下面我會按照推特的關注數排序介紹一些博主，他們一直在做人工智慧相關的原創內容，而不只是一些新聞摘要或者公司部落格。

　　Medium平臺上的作者

　　下面介紹到的是Medium上人工智慧相關的頂級作者，按照2017年Mediumas的排行榜排序。

　　Robbie Allen

　　https://medium.com/@robbieallen

　　Erik P.M. Vermeulen

　　https://medium.com/@erikpmvermeulen

　　Frank Chen

　　https://medium.com/@withfries2

　　azeem

　　https://medium.com/@azeem

　　Sam DeBrule

　　https://medium.com/@samdebrule

　　Derrick Harris

　　https://medium.com/@derrickharris

　　Yitaek Hwang

　　https://medium.com/@yitaek

　　samim

　　https://medium.com/@samim

　　Paul Boutin

　　https://medium.com/@Paul_Boutin

　　Mariya Yao

　　https://medium.com/@thinkmariya

　　Rob May

　　https://medium.com/@robmay

　　Avinash Hindupur

　　https://medium.com/@hindupuravinash

　　書籍

　　市面上有許多關於機器學習、深度學習和自然語言處理等方面的書籍，我只列示了可以直接從網上免費獲得或者下載的書籍。

　　機器學習

　　Understanding Machine Learning From Theory to Algorithms

　　http://www.cs.huji.ac.il/~shais/UnderstandingMachineLearning/understanding-machine-learning-theory-algorithms.pdf

　　Machine Learning Yearning

　　http://www.mlyearning.org

　　A Course in Machine Learning

　　http://ciml.info

　　Machine Learning

　　https://www.intechopen.com/books/machine_learning

　　Neural Networks and Deep Learning

　　http://neuralnetworksanddeeplearning.com

　　Deep Learning Book

　　http://www.deeplearningbook.org

　　Reinforcement Learning: An Introduction

　　http://incompleteideas.net/sutton/book/the-book-2nd.html

　　Reinforcement Learning

　　https://www.intechopen.com/books/reinforcement_learning

　　自然語言處理

　　Speech and Language Processing (3rd ed. draft)

　　https://web.stanford.edu/~jurafsky/slp3/

　　Natural Language Processing with Python

　　http://www.nltk.org/book/

　　An Introduction to Information Retrieval

　　https://nlp.stanford.edu/IR-book/html/htmledition/irbook.html

　　數學

　　Introduction to Statistical Thought

　　http://people.math.umass.edu/~lavine/Book/book.pdf

　　Introduction to Bayesian Statistics

　　https://www.stat.auckland.ac.nz/~brewer/stats331.pdf

　　Introduction to Probability

　　https://www.dartmouth.edu/~chance/teaching_aids/books_articles/probability_book/amsbook.mac.pdf

　　Think Stats: Probability and Statistics for Python programmers

　　http://greenteapress.com/wp/think-stats-2e/

　　The Probability and Statistics Cookbook

　　http://statistics.zone

　　Linear Algebra

　　http://joshua.smcvt.edu/linearalgebra/book.pdf

　　Linear Algebra Done Wrong

　　http://www.math.brown.edu/~treil/papers/LADW/book.pdf

　　Linear Algebra, Theory And Applications

　　https://math.byu.edu/~klkuttle/Linearalgebra.pdf

　　Mathematics for Computer Science

　　https://courses.csail.mit.edu/6.042/spring17/mcs.pdf

　　Calculus

　　https://ocw.mit.edu/ans7870/resources/Strang/Edited/Calculus/Calculus.pdf

　　Calculus I for Computer Science and Statistics Students

　　http://www.math.lmu.de/~philip/publications/lectureNotes/calc1_forInfAndStatStudents.pdf

　　Quora

　　Quora已經成為人工智慧和機器學習的重要資源，許多頂尖的研究人員會在上面回答問題。下面我列出了一些主要關於人工智慧的話題，如果你想自定義你的Quora喜好，你可以選擇訂閱這些話題。記得去檢視每個話題下的FAQ部分（例如機器學習下常見問題解答），你可以看到Quora社群裡提供的一些常見問題列表。

　　電腦科學 (560萬關注)

　　https://www.quora.com/topic/Computer-Science

　　機器學習 (110萬關注)

　　https://www.quora.com/topic/Machine-Learning

　　人工智慧 (63.5萬關注)

　　https://www.quora.com/topic/Artificial-Intelligence

　　深度學習 (16.7萬關注)

　　https://www.quora.com/topic/Deep-Learning

　　自然語言處理 (15.5 萬關注)

　　https://www.quora.com/topic/Natural-Language-Processing

　　機器學習分類(11.9萬關注)

　　https://www.quora.com/topic/Classification-machine-learning

　　通用人工智慧(8.2萬 關注)

　　https://www.quora.com/topic/Artificial-General-Intelligence

　　卷積神經網路 (2.5萬關注)

　　https://www.quora.com/topic/Convolutional-Neural-Networks-1?merged_tid=360493

　　計算語言學(2.3萬關注)

　　https://www.quora.com/topic/Computational-Linguistics

　　迴圈神經網路(1.74萬關注)

　　https://www.quora.com/topic/Recurrent-Neural-Networks-RNNs

　　Reddit

　　Reddit上的人工智慧社群並沒有Quora上那麼活躍，但是還是有一些很不錯的話題。相對於Quora問答的形式，Reddit更適合於用來跟蹤最新的新聞和研究。下面是一些主要關於人工智慧的Reddit話題，按照訂閱人數排序。

　　Github

　　人工智慧社群的好處之一是大部分新專案都是開源的，並且能在GitHub上獲取到。同樣如果你想了解使用Python或者Juypter Notebooks來實現例項演算法，GitHub上也有很多學習資源可以幫助到你。以下是一些GitHub專案：

　　機器學習(6千個專案)

　　https://github.com/search?o=desc&q=topic%3Amachine-learning+&s=stars&type=Repositories&utf8=?

　　深度學習(3千個專案)

　　https://github.com/search?q=topic%3Adeep-learning&type=Repositories

　　Tensorflow (2千個專案)

　　https://github.com/search?q=topic%3Atensorflow&type=Repositories

　　神經網路(1千個專案)

　　https://github.com/search?q=topic%3Aneural-network&type=Repositories

　　自然語言處理(1千個專案)

　　https://github.com/search?utf8=?&q=topic%3Anlp&type=Repositories

　　播客

　　人工智慧相關的播客數量在不斷的增加，有些播客關注最新的新聞，有些關注教授相關知識。

　　Concerning AI

　　https://concerning.ai

　　his Week in Machine Learning and AI

　　https://twimlai.com

　　The AI Podcast

　　https://blogs.nvidia.com/ai-podcast/

　　Data Skeptic

　　http://dataskeptic.com

　　Linear Digressions

　　https://itunes.apple.com/us/podcast/linear-digressions/id941219323

　　Partially Derivative

　　http://partiallyderivative.com

　　O’Reilly Data Show

　　http://radar.oreilly.com/tag/oreilly-data-show-podcast

　　Learning Machines 101

　　http://www.learningmachines101.com

　　The Talking Machines

　　http://www.thetalkingmachines.com

　　Artificial Intelligence in Industry

　　http://techemergence.com

　　Machine Learning Guide

　　http://ocdevel.com/podcasts/machine-learning

　　新聞訂閱

　　如果你想追蹤最新的新聞和研究的話，種類漸增的每週新聞是一個不錯的選擇：其中大部分都包含相同的內容，所以訂閱兩三個就足夠。

　　The Exponential View

　　https://www.getrevue.co/profile/azeem

　　AI Weekly

　　http://aiweekly.co

　　Deep Hunt

　　https://deephunt.in

　　O’Reilly Artificial Intelligence Newsletter

　　http://www.oreilly.com/ai/newsletter.html

　　Machine Learning Weekly

　　http://mlweekly.com

　　Data Science Weekly Newsletter

　　https://www.datascienceweekly.org

　　Machine Learnings

　　http://subscribe.machinelearnings.co

　　Artificial Intelligence News

　　http://aiweekly.co

　　When trees fall…

　　https://meetnucleus.com/p/GVBR82UWhWb9

　　WildML

　　https://meetnucleus.com/p/PoZVx95N9RGV

　　Inside AI

　　https://inside.com/technically-sentient

　　Kurzweil AI

　　http://www.kurzweilai.net/create-account

　　Import AI

　　https://jack-clark.net/import-ai/

　　The Wild Week in AI

　　https://www.getrevue.co/profile/wildml

　　Deep Learning Weekly

　　http://www.deeplearningweekly.com

　　Data Science Weekly

　　https://www.datascienceweekly.org

　　KDnuggets Newsletter

　　http://www.kdnuggets.com/news/subscribe.html?qst

　　科研會議

　　隨著人工智慧的普及，人工智慧相關的科研會議數量也在不斷增加。我只提了幾個主要的會議，沒列所有的。（當然會議並不是免費的！）

　　學術會議

　　NIPS (Neural Information Processing Systems)

　　https://nips.cc

　　ICML (International Conference on Machine Learning)

　　https://2017.icml.cc

　　KDD (Knowledge Discovery and Data Mining)

　　http://www.kdd.org

　　ICLR (International Conference on Learning Representations)

　　http://www.iclr.cc

　　ACL (Association for Computational Linguistics)

　　http://acl2017.org

　　EMNLP (Empirical Methods in Natural Language Processing)

　　http://emnlp2017.net

　　CVPR (Computer Vision and Pattern Recognition)

　　http://cvpr2017.thecvf.com

　　ICCF (International Conference on Computer Vision)

　　http://iccv2017.thecvf.com

　　專業會議

　　O’Reilly Artificial Intelligence Conference

　　https://conferences.oreilly.com/artificial-intelligence/

　　Machine Learning Conference (MLConf)

　　http://mlconf.com

　　AI Expo (North America, Europe, World)

　　https://www.ai-expo.net

　　AI Summit

　　https://theaisummit.com

　　AI Conference

　　https://aiconference.ticketleap.com/helloworld/

　　研究論文

　　你可以在網上瀏覽或者搜尋已經發布的學術論文。

　　arXiv.org的主題類別

　　arXiv 是較早的預印本庫，也是物理學及相關專業領域中最大的，該資料庫目前已有數學、物理學和電腦科學方面的論文可開放獲取的達50多萬篇。

　　Artificial Intelligence

　　https://arxiv.org/list/cs.AI/recent

　　Learning (Computer Science)

　　https://arxiv.org/list/cs.LG/recent

　　Machine Learning (Stats)

　　https://arxiv.org/list/stat.ML/recent

　　NLP

　　https://arxiv.org/list/cs.CL/recent

　　Computer Vision

　　https://arxiv.org/list/cs.CV/recent

　　Semantic Scholar內搜尋

　　Semantic Scholar是由微軟聯合創始人保羅·艾倫創立的艾倫人工智慧研究所推出的學術搜尋引擎

　　Neural Networks (17.9萬條結果)

　　https://www.semanticscholar.org/search?q=%22neural%20networks%22&sort=relevance&ae=false

　　Machine Learning (9.4萬條結果)

　　https://www.semanticscholar.org/search?q=%22machine%20learning%22&sort=relevance&ae=false

　　Natural Language (6.2萬條結果)

　　https://www.semanticscholar.org/search?q=%22natural%20language%22&sort=relevance&ae=false

　　Computer Vision (5.5萬條結果)

　　https://www.semanticscholar.org/search?q=%22computer%20vision%22&sort=relevance&ae=false

　　Deep Learning (2.4萬條結果)

　　https://www.semanticscholar.org/search?q=%22deep%20learning%22&sort=relevance&ae=false

　　Andrej Karpathy開發的網站

　　http://www.arxiv-sanity.com/

　　教程

　　我另外單獨有一篇詳細的文章涵蓋了我發現的所有的優秀教程內容：

　　超過150種最佳的機器學習、自然語言處理和Python教程

　　https://unsupervisedmethods.com/over-150-of-the-best-machine-learning-nlp-and-python-tutorials-ive-found-ffce2939bd7

　　小抄表

　　和教程一樣，我同樣單獨有一篇文章介紹了許多種很有用的小抄表：

　　機器學習、Python和數學小抄表

　　https://unsupervisedmethods.com/cheat-sheet-of-machine-learning-and-python-and-math-cheat-sheets-a4afe4e791b6

　　通讀完本篇文章，是不是對於如何查詢關於人工智慧領域的資料有了清晰的方向。資料很多，大多都是國外的網站，所以大家需要科學上網喲~~~

　　https://unsupervisedmethods.com/my-curated-list-of-ai-and-machine-learning-resources-from-around-the-web-9a97823b8524

　　【今日機器學習概念】

　　Have a Great Definition

　　精品課程推薦

　　資料科學實訓營第5期

　　優秀助教推薦|土豆

　　現今紛紛擾擾的資料科學培訓市場，是不是早已讓你眼花繚亂，無處落足，還沒有找到組織？不必慌張，土豆老司機拉住你的手，語重心長的要為你指條明道：究竟優質的資料科學教育培訓是什麼樣的？

　　課程乾貨滿滿還不失風趣，講師精力充沛還熱愛分享，助教認真批改還熱情反饋。

　　沒錯！資料科學實訓營就是這樣的明星課程！從基礎的 Python 程式設計和Scrapy爬蟲，到熟練運用 Numpy/Pandas/Matplotlib/Seaborn/Scikit-learn 等多種Python庫，打通機器學習的任督二脈，在真實的資料科學競賽案例和資料探勘專案的打磨下，完成從資料科學小白到骨灰級玩家的華麗轉變！

　　作為第4/5期的實訓營助教，寄語小白學員：堅持跟上課程進度，按時完成所有作業，認真做好學習筆記，最終一定可以實現輕鬆入門資料科學哈！