40個機器學習&深度學習最佳資源集合（書籍、課程、新聞部落格、論文等）

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：

免費線上書籍

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，實現從資料中學習的程式

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-尤其是深層神經網路-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專案的組成部分，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

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

簡介：

機器學習演算法要點

地址：

https://www.edx.org/course/machine-learning?ref=bestofml.com

簡介：

Udemy的動手Python課程

作者：

Kirill Eremenko

地址：

https://www.udemy.com/machinelearning/?ref=bestofml.com

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

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

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

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

簡介：

包含視覺識別的卷積神經網路

地址：

http://cs231n.stanford.edu/?ref=bestofml.com

簡介：

自然語言處理中的深度學習

地址：

http://cs224d.stanford.edu/?ref=bestofml.com

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

簡介：

本課程的目的是讓學習者瞭解現代神經網路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

1. Towards Data Science

簡介：

以資料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的部落格

地址：

https://jack-clark.net/?ref=bestofml.com

5. Machine Learing Mastery

簡介：

關於機器學習專案、tricks的很棒的初學者資源

地址：

https://machinelearningmastery.com/blog/?ref=bestofml.com

6. FastML

簡介：

資料科學和機器學習的專案、技巧

地址：

http://fastml.com/?ref=bestofml.com

7. Starts & Bots

簡介：

機器學習，資料分析等

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，有關於人工智慧、機器學習技術和技術/創業行業的想法和連結

地址：

https://dynamicallytyped.com/?ref=bestofml.com

10. Skynet today

簡介：

致力於提供最新的人工智慧新聞和趨勢，和深入的社論，可訪問和知情的報導。

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導。

地址：

https://thegradient.pub/?ref=bestofml.com

12. Distill

簡介：

一本線上雜誌，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程式碼實現

地址：

https://paperswithcode.com/?ref=bestofml.com