今天給大家介紹一份不錯的機器學習學習資源彙總：從入門到進階，所用到機器學習資料，包括書、視訊、原始碼。而這份彙總資源被整理在一張清單裡，非常便於查閱。
首先放上這份資源的 GitHub 地址：
https://github.com/linxid/Machine_Learning_Study_Path
下面，分別來看主要包含的內容。
1. 視訊
1.1 吳恩達老師機器學習課程：
- Coursera
-
網易雲課堂
-
英文筆記
-
中文筆記、字幕
1.2 吳恩達 深度學習課程
- Coursera
-
網易雲課堂
-
筆記
1.3 史丹佛CS231n:Convolutional Neural Networks for Visual Recognition
- 官網
-
網易雲課堂
1.4 fast.ai
- 官網
-
Part1:Practical Deep Learning For Coders
-
Part2: Cutting Edge Deep Learning For Coders
1.5 百度PaddlePaddle公開課：
- 機器學習入門
-
機器學習模型
-
深度學習基礎
1.6 徐亦達老師機器學習課程：
- 官網
-
Github
-
嗶哩嗶哩
-
百度雲
1.7 李宏毅深度學習課程
- 官網
-
嗶哩嗶哩
1.8 谷歌機器學習速成
- 課程
-
練習
-
術語庫
2. 書籍
2.1 Keras：
- 《Deep Learning with Python》 難度：低；推薦：☆☆☆☆☆
-
《Deep Learning with Keras》 難度：低；推薦：☆☆☆☆
2.2 TensorFlow：
- 《Hands-On Machine Learning with Scikit-Learn and TensorFlow》 難度：中；推薦：☆☆☆☆☆
-
《Learning TensorFlow》
-
《TensorFlow Machine Learning cookbook》 難度：中；推薦：☆☆☆☆☆
2.3 NLP：
- 《Deep Learning in Natural Language Processing》
-
《Natural Language Processing with TensorFlow》
-
《Mastering Natural Language Processing with Python》
-
《Text Analytics with Python》
2.4 機器學習：
- 《統計學習方法》 難度：中；推薦：☆☆☆☆☆
-
《Pattern Recognition and Machine Learning》 難度：高；推薦：☆☆☆☆☆
-
《機器學習實戰》 難度：低；推薦：☆☆☆☆
-
《Machine Learning yearning》
-
《美團機器學習實戰》
-
《集體智慧程式設計》 難度：低；推薦：☆☆☆☆
-
《百面機器學習 演算法工程師帶你去面試》
2.5 深度學習：
《Deep Learning》 中文版 難度：高；推薦：☆☆☆☆☆
《神經網路與深度學習》 難度：中；推薦：☆☆☆☆
《Deep Learning with python A Hands on Introduction》
3. 框架
4. 機器學習部落格
Open AI:
由Elon Musk提出建立的一個人工智慧非營利組織，定期釋出有關自然語言處理，影象處理和語音處理等先進人工智慧技術的研究。
Distill:
編輯和策展團隊由來自Google Brain，DeepMind，Tesla和其他著名組織的科學家組成。致力於清晰的解釋機器學習。
BAIR 部落格:
加州大學伯克利分校的伯克利AI研究（BAIR）小組設立。BAIR部落格旨在傳播BAIR在人工智慧研究方面的研究成果，觀點和最新情況。
DeepMind:
DeepMind的大名，我想很多人已經知道了。Andrej Karpathy的部落格：原部落格：http://karpathy.github.io/
Medium：
https://medium.com/@karpathy 特斯拉的人工智慧總監，很多人也許看過他的部落格，但是不知道這個人。現在他已經轉戰Medium，很多文章釋出在Medium。
Colah的部落格：
Christopher Olah是Google Brain的研究科學家。旨在用簡單的方式解讀神經網路。
WildML:
博主同樣來自Google Brain，寫作的主要焦點是深度學習。
Ruder的部落格:
博主是一位博士生，部落格以深度學習和自然語言處理為主。
FAIR部落格：
FAIR的大名就不多講了，我想很多人知道，很多精彩論文出自FAIR，部落格討論了人工智慧，深度學習，機器學習，計算機視覺及其在Facebook自研產品上的實際應用。
Adit Deshpande的部落格：
UCLA的一名本科生（自愧不如啊），很多內容為初學者準備，由淺入深，層層遞進。
inFERENCe的部落格:
劍橋的博士，與Twitter Cortex合作。他撰寫了關於概率推理，生成模型，無監督學習。
Andrew Trask的部落格：
非常推薦，博主是DeepMind的研究科學家和博士。
以上清單的所有內容在 GitHub 裡都有對應的網頁連結。憑藉這份機器學習清單，大家可以輕鬆獲取自己需要的知識資源。
