好的資源有利於大家迅速走上正確的學習道路，今天就來推薦一下GitHub上面 那些 機器學習領域裡，最值得關注的綜述性質的專案，一般名字會帶上一個Awesome。

作者&編輯 | 言有三

1 Awesome大綜述

沒錯，專案名字就叫Awesome。這第一個簡直就是最“喪心病狂”的綜述，10萬+星星，要把所有方向一併索引了，自己當目錄。

https://github.com/sindresorhus/awesome

這個專案的建立者是sindresorhus，全職自由職業者，從事開源專案開發和維護，據說是這個星球上星星最多的男人，偏偏長得還很帥，個人主頁：https://sindresorhus.com/，大家自己粉吧。

怎麼說呢，本文其實你不看下去就是可以的，直接去看上面那個綜述就行了。

2 讀論文

讀論文是搞AI研究必備的基本素質，這個專案是我看的前10個GitHub專案之一，整理了很多深度學習有關的優秀papers，專案的維護者是University of Waterloo的Terry Taewoong Um。

https://github.com/terryum/awesome-deep-learning-papers

不過請看最新申明：

[Notice] This list is not being maintained anymore because of the overwhelming amount of deep learning papers published every day since 2017.

大概意思就是，論文太多了，我們放棄了。如果是初學者，我覺得完全可以去好好看一眼，初學者最忌諱的就是天天看最新的東西，那樣是有損於學習的。

類似的還有：

https://github.com/papers-we-love/papers-we-love

3 逛社群

這幾個專案的特點就是雜而全，覆蓋機器學習有關的一切資料。

有的深度學習一鍋端了。

https://github.com/ChristosChristofidis/awesome-deep-learning

有的機器學習一鍋端了。

https://github.com/josephmisiti/awesome-machine-learning

有的增強學習一鍋端了

https://github.com/aikorea/awesome-rl

有數不清的GAN一鍋端了

https://github.com/nightrome/really-awesome-gan


https://github.com/hindupuravinash/the-gan-zoo

東西太多了，建議大家看一眼就行了，別迷失，尤其是初學者，跟我們一起來可能更加合適。

4 聽課程

專注收錄computer science相關的所有課程。

https://github.com/prakhar1989/awesome-courses

類似的當然還有了，不過建議看課程不要求多，初學看書應該更好。

5 跟專案

因為python是機器學習演算法裡最受歡迎的語言，所以先介紹一個，6萬多顆星，看看deep learning這個選單下的資源就能窺見一斑。

https://github.com/vinta/awesome-python

類似的當然還有了，php，java，android，ios，shell，爬蟲，應有盡有。

https://github.com/ziadoz/awesome-php


https://github.com/akullpp/awesome-java


https://github.com/sindresorhus/awesome-nodejs


https://github.com/vsouza/awesome-ios


https://github.com/snowdream/awesome-android


https://github.com/alebcay/awesome-shell


https://github.com/facert/awesome-spider


https://github.com/avelino/awesome-go

6 翻資料集

這是一個從各種部落格，論壇等地方抓取資料集的專案。

https://github.com/awesomedata/awesome-public-datasets

還有一個輔助資料科學家養成的專案

https://github.com/bulutyazilim/awesome-datascience

類似的還有一些，可以沒事翻翻。

https://github.com/onurakpolat/awesome-bigdata

7 看領域

你肯定知道接下來有三要說什麼，那就是AI各個研究領域的綜述了。

什麼計算機視覺一鍋端了。

https://github.com/jbhuang0604/awesome-computer-vision


https://github.com/kjw0612/awesome-deep-vision

什麼自然語言處理一鍋端了。

https://github.com/keon/awesome-nlp

什麼語音處理一鍋端了。

https://github.com/zzw922cn/awesome-speech-recognition-speech-synthesis-papers

還有很多領域，就不一一列舉了，歡迎大家留言。

8 備面試

現在有很多的公眾號和社群專門講面試，還有一些朋友讓我講講，你以為GitHub會沒有嗎？

https://github.com/MaximAbramchuck/awesome-interview-questions

我還在糾結講還是不講，因為講出來必定會有爭議，正好這幾天知乎上回答的一個問題就引起爭議了，大家不妨直接看吧。

https://www.zhihu.com/question/62482926/answer/625352436

關於面試只有一點小建議，雖然有套路，但是隻要鞏固好領域的基礎知識和程式設計技能，再發展一些核心競爭力，就不用慌。

9 攢工具

好的工具幹起活來可謂是事半功倍了，必須時刻留意。

記筆記的

https://github.com/jupyter/notebook

畫圖的

https://github.com/zfrenchee


http://alexlenail.me/NN-SVG/


https://github.com/HarisIqbal88/PlotNeuralNet

讀論文的

https://github.com/karpathy/arxiv-sanity-preserver

轉模型的

https://github.com/Microsoft/MMdnn

後面的等你來補充呀，我們已經寫過一些了，看往期連結。

10 聚焦自己的方向

最後，就是好好聚焦自己的研究方向。有三是搞CV的，所以免不了要給大家推薦CV領域的資料。

人臉各個方向的。

https://github.com/polarisZhao/awesome-face


https://github.com/ChanChiChoi/awesome-Face_Recognition

語義分割的。

https://github.com/mrgloom/awesome-semantic-segmentation

跟蹤的。

https://github.com/foolwood/benchmark_results

三維重建的。

https://github.com/openMVG/awesome_3DReconstruction_list

風格化的。

https://github.com/ycjing/Neural-Style-Transfer-Papers

目標檢測的。

https://github.com/amusi/awesome-object-detection


https://github.com/hoya012/deep_learning_object_detection

太多太多了，輕輕鬆鬆還可以數出幾十個，大家自己來吧。

對了，我們自己的官方git，也放一下吧，方便大家學習，剛剛開始，還需要力量加入。

https://github.com/longpeng2008/LongPeng_ML_Course


https://github.com/longpeng2008/yousan.ai

Github就像程式設計師的免費淘寶店，什麼都有，良莠不齊，這次介紹的專案大多星星都很多，不過也不要過度迷戀星星，星星是可以運營出來的。慧眼識珠，多積累吧，以後會開專欄講講怎麼用GitHub的。

有三AI知識星球組建了，會在裡面隨時分享更多好用，好玩的知識噢，已經先後有國內各大網際網路公司的大咖加入，還有很多優秀的自媒體個人，相信大家都認識的就不做過多介紹了。

https://www.toutiao.com/i6698469063733019148/

來自 “ ITPUB部落格 ” ，連結：http://blog.itpub.net/29829936/viewspace-2652775/，如需轉載，請註明出處，否則將追究法律責任。