摘要：是你學(xué)習(xí)從入門(mén)到專(zhuān)家必備的學(xué)習(xí)路線和優(yōu)質(zhì)學(xué)習(xí)資源。的數(shù)學(xué)基礎(chǔ)最主要是高等數(shù)學(xué)線性代數(shù)概率論與數(shù)理統(tǒng)計(jì)三門(mén)課程，這三門(mén)課程是本科必修的。其作為機(jī)器學(xué)習(xí)的入門(mén)和進(jìn)階資料非常適合。書(shū)籍介紹深度學(xué)習(xí)通常又被稱(chēng)為花書(shū)，深度學(xué)習(xí)領(lǐng)域最經(jīng)典的暢銷(xiāo)書(shū)。

【導(dǎo)讀】
本文由知名開(kāi)源平臺(tái)，AI技術(shù)平臺(tái)以及領(lǐng)域?qū)＜遥篋atawhale，ApacheCN，AI有道和黃海廣博士聯(lián)合整理貢獻(xiàn)，內(nèi)容涵蓋AI入門(mén)基礎(chǔ)知識(shí)、數(shù)據(jù)分析挖掘、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)、前沿Paper和五大AI理論應(yīng)用領(lǐng)域：自然語(yǔ)言處理，計(jì)算機(jī)視覺(jué)，推薦系統(tǒng)，風(fēng)控模型和知識(shí)圖譜。是你學(xué)習(xí)AI從入門(mén)到專(zhuān)家必備的學(xué)習(xí)路線和優(yōu)質(zhì)學(xué)習(xí)資源。

數(shù)學(xué)是學(xué)不完的，也沒(méi)有幾個(gè)人能像博士一樣扎實(shí)地學(xué)好數(shù)學(xué)基礎(chǔ)，入門(mén)人工智能領(lǐng)域，其實(shí)只需要掌握必要的基礎(chǔ)知識(shí)就好。AI的數(shù)學(xué)基礎(chǔ)最主要是高等數(shù)學(xué)、線性代數(shù)、概率論與數(shù)理統(tǒng)計(jì)三門(mén)課程，這三門(mén)課程是本科必修的。這里整理了一個(gè)簡(jiǎn)易的數(shù)學(xué)入門(mén)文章：

數(shù)學(xué)基礎(chǔ)：高等數(shù)學(xué)

https://zhuanlan.zhihu.com/p/...

數(shù)學(xué)基礎(chǔ)：線性代數(shù)

https://zhuanlan.zhihu.com/p/...

數(shù)學(xué)基礎(chǔ)：概率論與數(shù)理統(tǒng)計(jì)

https://zhuanlan.zhihu.com/p/...

機(jī)器學(xué)習(xí)的數(shù)學(xué)基礎(chǔ)資料下載：

1) 機(jī)器學(xué)習(xí)的數(shù)學(xué)基礎(chǔ).docx

中文版，對(duì)高等數(shù)學(xué)、線性代數(shù)、概率論與數(shù)理統(tǒng)計(jì)三門(mén)課的公式做了總結(jié)。

2) 斯坦福大學(xué)機(jī)器學(xué)習(xí)的數(shù)學(xué)基礎(chǔ).pdf

原版英文材料，非常全面，建議英語(yǔ)好的同學(xué)直接學(xué)習(xí)這個(gè)材料。

下載鏈接:

https://pan.baidu.com/s/1LaUl... 提取碼: hktx

國(guó)外經(jīng)典數(shù)學(xué)教材：

相比國(guó)內(nèi)浙大版和同濟(jì)版的數(shù)學(xué)教材更加通俗易懂，深入淺出，便于初學(xué)者更好地奠定數(shù)學(xué)基礎(chǔ)。下載鏈接：

https://blog.csdn.net/Datawha...

入門(mén)教材：深入淺出統(tǒng)計(jì)學(xué)

進(jìn)階教材：商務(wù)與經(jīng)濟(jì)統(tǒng)計(jì)

推薦視頻：可汗學(xué)院統(tǒng)計(jì)學(xué)

http://open.163.com/special/K...

入門(mén)人工智能領(lǐng)域，首推Python這門(mén)編程語(yǔ)言。

1) Python安裝：

Python安裝包，我推薦下載Anaconda，Anaconda是一個(gè)用于科學(xué)計(jì)算的Python發(fā)行版，支持 Linux, Mac, Windows系統(tǒng)，提供了包管理與環(huán)境管理的功能，可以很方便地解決多版本Python并存、切換以及各種第三方包安裝問(wèn)題。

下載地址：

https://www.anaconda.com/down...

推薦選Anaconda （python 3.7版本）

IDE：推薦使用pycharm，社區(qū)版免費(fèi)

下載地址：https://www.jetbrains.com/

安裝教程：

Anaconda+Jupyter notebook+Pycharm：

https://zhuanlan.zhihu.com/p/...

Ubuntu18.04深度學(xué)習(xí)環(huán)境配置(CUDA9+CUDNN7.4+TensorFlow1.8)：

https://zhuanlan.zhihu.com/p/...

2) python入門(mén)的資料推薦

a.廖雪峰python學(xué)習(xí)筆記

https://blog.csdn.net/datawha...

b.python入門(mén)筆記

作者李金，這個(gè)是jupyter notebook文件，把python的主要語(yǔ)法演示了一次，值得推薦。下載鏈接:

https://pan.baidu.com/s/1IPZI... 提取碼: 2bzh

c.南京大學(xué)python視頻教程

這個(gè)教程非常值得推薦，python主要語(yǔ)法和常用的庫(kù)基本涵蓋了。

查看地址：

https://www.icourse163.org/co...

看完這三個(gè)資料后python基本達(dá)到入門(mén)水平，可以使用scikit-learn等機(jī)器學(xué)習(xí)庫(kù)來(lái)解決機(jī)器學(xué)習(xí)的問(wèn)題了。

3）補(bǔ)充

代碼規(guī)范：

https://zhuanlan.zhihu.com/p/...

numpy練習(xí)題：

https://zhuanlan.zhihu.com/p/...

pandas練習(xí)題：

https://zhuanlan.zhihu.com/p/...

《利用python進(jìn)行數(shù)據(jù)分析》

這本書(shū)含有大量的實(shí)踐案例，你將學(xué)會(huì)如何利用各種Python庫(kù)（包括NumPy，Pandas、Matplotlib以及IPython等）高效地解決各式各樣的數(shù)據(jù)分析問(wèn)題。如果把代碼都運(yùn)行一次，基本上就能解決數(shù)據(jù)分析的大部分問(wèn)題了。

https://blog.csdn.net/Datawha...

https://blog.csdn.net/datawha...

這絕對(duì)是機(jī)器學(xué)習(xí)入門(mén)的首選課程，沒(méi)有之一！即便你沒(méi)有扎實(shí)的機(jī)器學(xué)習(xí)所需的扎實(shí)的概率論、線性代數(shù)等數(shù)學(xué)基礎(chǔ)，也能輕松上手這門(mén)機(jī)器學(xué)習(xí)入門(mén)課，并體會(huì)到機(jī)器學(xué)習(xí)的無(wú)窮趣味。

課程主頁(yè)：

https://www.coursera.org/lear...

中文視頻：

網(wǎng)易云課堂搬運(yùn)了這門(mén)課，并由黃海廣等人翻譯了中文字幕。

中文筆記及作業(yè)代碼：

https://github.com/fengdu78/C...

吳恩達(dá)在斯坦福教授的機(jī)器學(xué)習(xí)課程 CS229 與 吳恩達(dá)在 Coursera 上的《Machine Learning》相似，但是有更多的數(shù)學(xué)要求和公式的推導(dǎo)，難度稍難一些。該課程對(duì)機(jī)器學(xué)習(xí)和統(tǒng)計(jì)模式識(shí)別進(jìn)行了廣泛的介紹。

課程主頁(yè)：

http://cs229.stanford.edu/

中文視頻：

http://open.163.com/special/o...

中文筆記：

https://kivy-cn.github.io/Sta...

速查表：

這份給力的資源貢獻(xiàn)者是一名斯坦福的畢業(yè)生 Shervine Amidi。作者整理了一份超級(jí)詳細(xì)的關(guān)于 CS229的速查表

https://zhuanlan.zhihu.com/p/...

作業(yè)代碼：

https://github.com/Sierkinhan...

臺(tái)灣大學(xué)林軒田老師的《機(jī)器學(xué)習(xí)基石》課程由淺入深、內(nèi)容全面，基本涵蓋了機(jī)器學(xué)習(xí)領(lǐng)域的很多方面。其作為機(jī)器學(xué)習(xí)的入門(mén)和進(jìn)階資料非常適合。而且林老師的教學(xué)風(fēng)格也很幽默風(fēng)趣，總讓讀者在輕松愉快的氛圍中掌握知識(shí)。這門(mén)課比 Ng 的《Machine Learning》稍難一些，側(cè)重于機(jī)器學(xué)習(xí)理論知識(shí)。

中文視頻：

https://www.bilibili.com/vide...

中文筆記：

https://redstonewill.com/cate...

配套教材

配套書(shū)籍為《Learning From Data》，在線書(shū)籍主頁(yè)：http://amlbook.com/

《機(jī)器學(xué)習(xí)技法》課程是《機(jī)器學(xué)習(xí)基石》的進(jìn)階課程。主要介紹了機(jī)器學(xué)習(xí)領(lǐng)域經(jīng)典的一些算法，包括支持向量機(jī)、決策樹(shù)、隨機(jī)森林、神經(jīng)網(wǎng)絡(luò)等等。難度要略高于《機(jī)器學(xué)習(xí)基石》，具有很強(qiáng)的實(shí)用性。

中文視頻：

https://www.bilibili.com/vide...

中文筆記：

https://redstonewill.com/cate...

周志華的《機(jī)器學(xué)習(xí)》被大家親切地稱(chēng)為“西瓜書(shū)”。這本書(shū)非常經(jīng)典，講述了機(jī)器學(xué)習(xí)核心數(shù)學(xué)理論和算法，適合有作為學(xué)校的教材或者中階讀者自學(xué)使用，入門(mén)時(shí)學(xué)習(xí)這本書(shū)籍難度稍微偏高了一些。

配合《機(jī)器學(xué)習(xí)實(shí)戰(zhàn)》一起學(xué)習(xí)，效果更好！

讀書(shū)筆記：

https://www.cnblogs.com/limit...

公式推導(dǎo)：

https://datawhalechina.github...

課后習(xí)題：

https://zhuanlan.zhihu.com/c_...

李航的這本《統(tǒng)計(jì)學(xué)習(xí)方法》堪稱(chēng)經(jīng)典，包含更加完備和專(zhuān)業(yè)的機(jī)器學(xué)習(xí)理論知識(shí)，作為夯實(shí)理論非常不錯(cuò)。

講課 PPT：

https://github.com/fengdu78/l...

讀書(shū)筆記：

http://www.cnblogs.com/limitl...

https://github.com/SmirkCao/L...

參考筆記：

https://zhuanlan.zhihu.com/p/...

代碼實(shí)現(xiàn)：

https://github.com/fengdu78/l...

在經(jīng)過(guò)前面的學(xué)習(xí)之后，這本《Scikit-Learn 與 TensorFlow 機(jī)器學(xué)習(xí)實(shí)用指南》非常適合提升你的機(jī)器學(xué)習(xí)實(shí)戰(zhàn)編程能力。

這本書(shū)分為兩大部分，第一部分介紹機(jī)器學(xué)習(xí)基礎(chǔ)算法，每章都配備 Scikit-Learn 實(shí)操項(xiàng)目；第二部分介紹神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)，每章配備 TensorFlow 實(shí)操項(xiàng)目。如果只是機(jī)器學(xué)習(xí)，可先看第一部分的內(nèi)容。

全書(shū)代碼：

https://github.com/ageron/han...

比賽是提升自己機(jī)器學(xué)習(xí)實(shí)戰(zhàn)能力的最有效的方式，首選 Kaggle 比賽。

Kaggle 主頁(yè):

https://www.kaggle.com/

Kaggle 路線:

https://github.com/apachecn/k...

Scikit-Learn 作為機(jī)器學(xué)習(xí)一個(gè)非常全面的庫(kù)，是一份不可多得的實(shí)戰(zhàn)編程手冊(cè)。

官方文檔：

https://scikit-learn.org/stab...

中文文檔（0.19）：

http://sklearn.apachecn.org/#/

在吳恩達(dá)開(kāi)設(shè)了機(jī)器學(xué)習(xí)課程之后，發(fā)布的《Deep Learning》課程也備受好評(píng)，吳恩達(dá)老師的課程最大的特點(diǎn)就是將知識(shí)循序漸進(jìn)的傳授給你，是入門(mén)學(xué)習(xí)不可多得良好視頻資料。

整個(gè)專(zhuān)題共包括五門(mén)課程：01.神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)；02.改善深層神經(jīng)網(wǎng)絡(luò)-超參數(shù)調(diào)試、正則化以及優(yōu)化；03.結(jié)構(gòu)化機(jī)器學(xué)習(xí)項(xiàng)目；04.卷積神經(jīng)網(wǎng)絡(luò)；05.序列模型。

課程視頻

網(wǎng)易云課堂：

https://mooc.study.163.com/un...

Coursera:

https://www.coursera.org/spec...

課程筆記

之前編寫(xiě)過(guò)吳恩達(dá)老師機(jī)器學(xué)習(xí)個(gè)人筆記黃海廣博士帶領(lǐng)團(tuán)隊(duì)整理了中文筆記：

https://github.com/fengdu78/d...

參考論文

吳恩達(dá)老師在課程中提到了很多優(yōu)秀論文，黃海廣博士整理如下：

https://github.com/fengdu78/d...

課程PPT及課后作業(yè)

吳恩達(dá)深度學(xué)習(xí)課程，包含課程的課件、課后作業(yè)和一些其他資料：

https://github.com/stormstone...

說(shuō)到深度學(xué)習(xí)的公開(kāi)課，與吳恩達(dá)《Deep Learning》并駕齊驅(qū)的另一門(mén)公開(kāi)課便是由Fast.ai出品的《程序員深度學(xué)習(xí)實(shí)戰(zhàn)》。這門(mén)課最大的特點(diǎn)便是“自上而下”而不是“自下而上”,是絕佳的通過(guò)實(shí)戰(zhàn)學(xué)習(xí)深度學(xué)習(xí)的課程。

視頻地址

B站地址(英文字幕)：

https://www.bilibili.com/vide...

CSDN地址(2017版中文字幕):

https://edu.csdn.net/course/d...

課程筆記

英文筆記原文：

https://medium.com/@hiromi_su...

由ApacheCN組織的中文翻譯：

https://github.com/apachecn/f...

斯坦福的深度學(xué)習(xí)課程CS230在4月2日剛剛開(kāi)課，對(duì)應(yīng)的全套PPT也隨之上線。從內(nèi)容來(lái)看，今年的課程與去年的差別不大，涵蓋了CNNs, RNNs, LSTM, Adam, Dropout, BatchNorm, Xavier/He initialization 等深度學(xué)習(xí)的基本模型，涉及醫(yī)療、自動(dòng)駕駛、手語(yǔ)識(shí)別、音樂(lè)生成和自然語(yǔ)言處理等領(lǐng)域。

Datawhale整理了該門(mén)課程的詳細(xì)介紹及參考資料:

吳恩達(dá)CS230深度學(xué)習(xí)開(kāi)課了！視頻配套PPT應(yīng)有盡有

本書(shū)是入門(mén)深度學(xué)習(xí)領(lǐng)域的極佳教材，主要介紹了神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)中的基礎(chǔ)知識(shí)、主要模型（前饋網(wǎng)絡(luò)、卷積網(wǎng)絡(luò)、循環(huán)網(wǎng)絡(luò)等）以及在計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理等領(lǐng)域的應(yīng)用。

復(fù)旦教授邱錫鵬開(kāi)源發(fā)布《神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)》

完成以上學(xué)習(xí)后，想要更加系統(tǒng)的建立深度學(xué)習(xí)的知識(shí)體系，閱讀《深度學(xué)習(xí)》準(zhǔn)沒(méi)錯(cuò)。該書(shū)從淺入深介紹了基礎(chǔ)數(shù)學(xué)知識(shí)、機(jī)器學(xué)習(xí)經(jīng)驗(yàn)以及現(xiàn)階段深度學(xué)習(xí)的理論和發(fā)展，它能幫助人工智能技術(shù)愛(ài)好者和從業(yè)人員在三位專(zhuān)家學(xué)者的思維帶領(lǐng)下全方位了解深度學(xué)習(xí)。

書(shū)籍介紹

《深度學(xué)習(xí)》通常又被稱(chēng)為花書(shū)，深度學(xué)習(xí)領(lǐng)域最經(jīng)典的暢銷(xiāo)書(shū)。由全球知名的三位專(zhuān)家IanGoodfellow、YoshuaBengio和AaronCourville撰寫(xiě)，是深度學(xué)習(xí)領(lǐng)域奠基性的經(jīng)典教材。該書(shū)被大眾尊稱(chēng)為“AI圣經(jīng)”。

在線閱讀

該書(shū)由眾多網(wǎng)友眾包翻譯，電子版在以下地址獲得：

https://github.com/exacity/de...

當(dāng)你看完了所有的視頻，研習(xí)了AI圣經(jīng)，一定充滿(mǎn)了滿(mǎn)腦子問(wèn)號(hào)，此時(shí)不如來(lái)深度學(xué)習(xí)面試中常見(jiàn)的500個(gè)問(wèn)題。

書(shū)籍介紹

DeepLearning-500-questions，作者是川大的一名優(yōu)秀畢業(yè)生談繼勇。該項(xiàng)目以深度學(xué)習(xí)面試問(wèn)答形式，收集了 500 個(gè)問(wèn)題和答案。內(nèi)容涉及了常用的概率知識(shí)、線性代數(shù)、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、計(jì)算機(jī)視覺(jué)等熱點(diǎn)問(wèn)題，該書(shū)目前尚未完結(jié)，卻已經(jīng)收獲了Github 2.4w stars。

項(xiàng)目地址：

https://github.com/scutan90/D...

學(xué)深度學(xué)習(xí)一定離不開(kāi)TensorFlow

官方文檔：

https://www.tensorflow.org/ap...

中文文檔：

https://github.com/jikexueyua...

PyTorch是學(xué)深度學(xué)習(xí)的另一個(gè)主流框架

官方文檔：

https://pytorch.org/docs/stab...

中文文檔(版本0.3)：

https://github.com/apachecn/p...

與吳恩達(dá)的課程對(duì)于機(jī)器學(xué)習(xí)和深度學(xué)習(xí)初學(xué)者的意義相同，David Silver的這門(mén)課程絕對(duì)是大多數(shù)人學(xué)習(xí)強(qiáng)化學(xué)習(xí)必選的課程。

課程從淺到深，把強(qiáng)化學(xué)習(xí)的內(nèi)容娓娓道來(lái)，極其詳盡。不過(guò)由于強(qiáng)化學(xué)習(xí)本身的難度，聽(tīng)講這門(mén)課還是有一定的門(mén)檻，建議還是在大致了解這個(gè)領(lǐng)域之后觀看該視頻學(xué)習(xí)效果更佳，更容易找到學(xué)習(xí)的重點(diǎn)。

視頻地址

B站地址(中文字幕)：

https://www.bilibili.com/vide...

課程原地址：

https://www.youtube.com/watch...

課程資料

課程PPT：

http://www0.cs.ucl.ac.uk/staf...

課程筆記：

https://www.zhihu.com/people/...

David Silver的課程雖然內(nèi)容詳盡，但前沿的很多內(nèi)容都沒(méi)有被包括在內(nèi)，這時(shí)，臺(tái)大李宏毅的《深度強(qiáng)化學(xué)習(xí)》就是學(xué)習(xí)前沿動(dòng)態(tài)的不二之選。

視頻地址

B站地址(中文字幕)：

https://www.bilibili.com/vide...

課程原地址：

https://www.youtube.com/watch...

課程資料

課程PPT：

http://speech.ee.ntu.edu.tw/~...

課程筆記：

https://blog.csdn.net/cindy_1...

Arxiv Stats

Arxiv 機(jī)器學(xué)習(xí)最新論文檢索主頁(yè)地址：

https://arxiv.org/list/stat.M...

Arxiv Sanity Preserver

Andrej Karpathy 開(kāi)發(fā)了 Arxiv Sanity Preserver，幫助分類(lèi)、搜索和過(guò)濾特征

主頁(yè)地址：

http://www.arxiv-sanity.com/?...

Papers with Code(Browse state-of-the-art)

這個(gè)網(wǎng)站叫做 Browse state-of-the-art。它將 ArXiv 上的最新深度學(xué)習(xí)論文與 GitHub 上的開(kāi)源代碼聯(lián)系起來(lái)。該項(xiàng)目目前包含了 651 個(gè)排行榜，1016 個(gè)深度學(xué)習(xí)任務(wù)，795 個(gè)數(shù)據(jù)集，以及重磅的 10257 個(gè)含復(fù)現(xiàn)代碼的優(yōu)秀論文。簡(jiǎn)直就是一個(gè)尋找論文和代碼的利器。它將 1016 個(gè)深度學(xué)習(xí)任務(wù)分成了 16 大類(lèi)，涉及了深度學(xué)習(xí)的各個(gè)方面。

主頁(yè)地址：

https://paperswithcode.com/sota

舉兩個(gè)例子：

CV：

https://paperswithcode.com/ar...

NLP：

https://paperswithcode.com/ar...

Papers with Code(Sorted by stars)

這份資源收集了 AI 領(lǐng)域從 2013 - 2018 年所有的論文，并按照在 GitHub 上的標(biāo)星數(shù)量進(jìn)行排序。

GitHub 項(xiàng)目地址：

https://github.com/zziz/pwc

如果你是深度學(xué)習(xí)領(lǐng)域的新手，你可能會(huì)遇到的第一個(gè)問(wèn)題是“我應(yīng)該從哪篇論文開(kāi)始閱讀？”下面是一個(gè)深入學(xué)習(xí)論文的閱讀路線圖！

GitHub 項(xiàng)目地址：

https://github.com/floodsung/...

這份深度學(xué)習(xí)論文閱讀路線分為三大塊：

1 Deep Learning History and Basics

2 Deep Learning Method

3 Applications

目標(biāo)檢測(cè)（Object Detection）是深度學(xué)習(xí) CV 領(lǐng)域的一個(gè)核心研究領(lǐng)域和重要分支?？v觀 2013 年到 2019 年，從最早的 R-CNN、Fast R-CNN 到后來(lái)的 YOLO v2、YOLO v3 再到今年的 M2Det，新模型層出不窮，性能也越來(lái)越好！

本資源對(duì)目標(biāo)檢測(cè)近幾年的發(fā)展和相關(guān)論文做出一份系統(tǒng)介紹，總結(jié)一份超全的文獻(xiàn) paper 列表。

GitHub 項(xiàng)目地址：

https://github.com/hoya012/de...

會(huì)議

NeurIPS：https://nips.cc/

ICML：https://icml.cc/

ICLR：https://iclr.cc/

AAAI：https://aaai.org/Conferences/...

IJCAI：https://www.ijcai.org/

UAI：http://www.auai.org/uai2019/i...

計(jì)算機(jī)視覺(jué)：

CVPR：http://cvpr2019.thecvf.com/

ECCV：https://eccv2018.org/program/...

ICCV：http://iccv2019.thecvf.com/

自然語(yǔ)言處理：

ACL：http://www.aclcargo.com/

EMNLP：https://www.aclweb.org/portal...

NAACL：https://naacl2019.org/

知名期刊:

JAIR：https://www.jair.org/index.ph...

JMLR：http://www.jmlr.org/

其它

機(jī)器人方面，有 CoRL（學(xué)習(xí)）、ICAPS（規(guī)劃，包括但不限于機(jī)器人）、ICRA、IROS、RSS；

對(duì)于更理論性的研究，有 AISTATS、COLT、KDD。

自然語(yǔ)言處理（NLP，Natural Language Processing）是研究計(jì)算機(jī)處理人類(lèi)語(yǔ)言的一門(mén)技術(shù)，目的是彌補(bǔ)人類(lèi)交流（自然語(yǔ)言）和計(jì)算機(jī)理解（機(jī)器語(yǔ)言）之間的差距。NLP包含句法語(yǔ)義分析、信息抽取、文本挖掘、機(jī)器翻譯、信息檢索、問(wèn)答系統(tǒng)和對(duì)話(huà)系統(tǒng)等領(lǐng)域。

CS224n 斯坦福深度自然語(yǔ)言處理課

17版中文字幕：

https://www.bilibili.com/vide...

課程筆記：

http://www.hankcs.com/?s=CS22...

2019版課程主頁(yè)：

http://web.stanford.edu/class...

自然語(yǔ)言處理 - Dan Jurafsky 和 Chris Manning

B站英文字幕版：

https://www.bilibili.com/vide...

學(xué)術(shù)激流網(wǎng)：

http://academictorrents.com/d...

Python自然語(yǔ)言處理

入門(mén)讀物，整本書(shū)不僅涉及了語(yǔ)料庫(kù)的操作，也對(duì)傳統(tǒng)的基于規(guī)則的方法有所涉及。全書(shū)包括了分詞（tokenization）、詞性標(biāo)注（POS）、語(yǔ)塊（Chunk）標(biāo)注、句法剖析與語(yǔ)義剖析等方面，是nlp中不錯(cuò)的一本實(shí)用教程。

自然語(yǔ)言處理綜論

By Daniel Jurafsky和James H. Martin

本書(shū)十分權(quán)威，是經(jīng)典的NLP教科書(shū)，涵蓋了經(jīng)典自然語(yǔ)言處理、統(tǒng)計(jì)自然語(yǔ)言處理、語(yǔ)音識(shí)別和計(jì)算語(yǔ)言學(xué)等方面。

統(tǒng)計(jì)自然語(yǔ)言處理基礎(chǔ)

By Chris Manning和HinrichSchütze

更高級(jí)的統(tǒng)計(jì)NLP方法，在統(tǒng)計(jì)基本部分和n元語(yǔ)法部分介紹得都很不錯(cuò)。

我愛(ài)自然語(yǔ)言處理

地址：http://www.52nlp.cn/

TFIDF、文檔相似度等等在這個(gè)網(wǎng)站上都有通俗易懂的解釋

語(yǔ)言日志博客（Mark Liberman）

地址：

http://languagelog.ldc.upenn....

natural language processing blog

地址：https://nlpers.blogspot.com/

美國(guó)Hal Daumé III維護(hù)的一個(gè)natural language processing的 博客，經(jīng)常評(píng)論最新學(xué)術(shù)動(dòng)態(tài)，值得關(guān)注。有關(guān)于ACL、NAACL等學(xué)術(shù)會(huì)議的參會(huì)感想和對(duì)論文的點(diǎn)評(píng)

基于LSTM的中文問(wèn)答系統(tǒng)

https://github.com/S-H-Y-GitH...

基于RNN的文本生成器

https://github.com/karpathy/c...

基于char-rnn的汪峰歌詞生成器

https://github.com/phunterlau...

用RNN生成手寫(xiě)數(shù)字

https://github.com/skaae/lasa...

中文NLP相關(guān)：https://github.com/crownpku/A...

英文NLP相關(guān)：

NLTK: http://www.nltk.org/

TextBlob: http://textblob.readthedocs.o...

Gensim: http://radimrehurek.com/gensim/

Pattern: http://www.clips.ua.ac.be/pat...

Spacy: http://spacy.io

Orange: http://orange.biolab.si/featu...

Pineapple: https://github.com/proycon/py...

100 Must-Read NLP Papers

https://github.com/mhagiwara/...

計(jì)算機(jī)視覺(jué)的應(yīng)用

無(wú)人駕駛

無(wú)人安防

人臉識(shí)別

車(chē)輛車(chē)牌識(shí)別

以圖搜圖

VR/AR

3D重構(gòu)

無(wú)人機(jī)

醫(yī)學(xué)圖像分析

其他

Stanford CS223B

比較適合基礎(chǔ)，適合剛剛?cè)腴T(mén)的同學(xué)，跟深度學(xué)習(xí)的結(jié)合相對(duì)來(lái)說(shuō)會(huì)少一點(diǎn)，不會(huì)整門(mén)課講深度學(xué)習(xí)，而是主要講計(jì)算機(jī)視覺(jué)，方方面面都會(huì)講到

李飛飛：CS231n課程：

https://mp.weixin.qq.com/s/-N...

1.入門(mén)學(xué)習(xí)：

《Computer Vision：Models, Learning and Inference》

2.經(jīng)典權(quán)威的參考資料：

《Computer Vision：Algorithms and Applications》

3.理論實(shí)踐：

《OpenCV3編程入門(mén)》

推薦系統(tǒng)就是自動(dòng)聯(lián)系用戶(hù)和物品的一種工具，它能夠在信息過(guò)載的環(huán)境中幫助用戶(hù)發(fā)現(xiàn)令他們感興趣的信息，也能將信息推送給對(duì)它們感興趣的用戶(hù)。推薦系統(tǒng)屬于資訊過(guò)濾的一種應(yīng)用。

推薦系統(tǒng)專(zhuān)項(xiàng)課程《Recommender Systems Specialization》

這個(gè)系列由4門(mén)子課程和1門(mén)畢業(yè)項(xiàng)目課程組成，包括推薦系統(tǒng)導(dǎo)論，最近鄰協(xié)同過(guò)濾，推薦系統(tǒng)評(píng)價(jià)，矩陣分解和高級(jí)技術(shù)等。

觀看地址：

https://www.coursera.org/spec...

《推薦系統(tǒng)實(shí)踐》（項(xiàng)亮 著）

《推薦系統(tǒng)》（Dietmar Jannach等 著，蔣凡 譯）

《用戶(hù)網(wǎng)絡(luò)行為畫(huà)像》（牛溫佳等 著）

《Recommender Systems Handbook》（Paul B·Kantor等 著）

LibRec

LibRec是一個(gè)Java版本的覆蓋了70余個(gè)各類(lèi)型推薦算法的推薦系統(tǒng)開(kāi)源算法庫(kù)，由國(guó)內(nèi)的推薦系統(tǒng)大牛郭貴冰創(chuàng)辦，目前已更新到2.0版本，它有效地解決了評(píng)分預(yù)測(cè)和物品推薦兩大關(guān)鍵的推薦問(wèn)題。

項(xiàng)目地址: https://github.com/guoguibing...

官網(wǎng)地址： https://www.librec.net/

LibMF

C++版本開(kāi)源推薦系統(tǒng)，主要實(shí)現(xiàn)了基于矩陣分解的推薦系統(tǒng)。針對(duì)SGD（隨即梯度下降）優(yōu)化方法在并行計(jì)算中存在的 locking problem 和 memory discontinuity問(wèn)題，提出了一種 矩陣分解的高效算法FPSGD（Fast Parallel SGD），根據(jù)計(jì)算節(jié)點(diǎn)的個(gè)數(shù)來(lái)劃分評(píng)分矩陣block，并分配計(jì)算節(jié)點(diǎn)。

項(xiàng)目地址：

http://www.csie.ntu.edu.tw/~c...

SurPRISE

一個(gè)Python版本的開(kāi)源推薦系統(tǒng)，有多種經(jīng)典推薦算法

項(xiàng)目地址：http://surpriselib.com/

Neural Collaborative Filtering

神經(jīng)協(xié)同過(guò)濾推薦算法的Python實(shí)現(xiàn)

項(xiàng)目地址：

https://github.com/hexiangnan...

Crab

基于Python開(kāi)發(fā)的開(kāi)源推薦軟件，其中實(shí)現(xiàn)有item和user的協(xié)同過(guò)濾

項(xiàng)目地址：http://muricoca.github.io/crab/

MovieLen

https://grouplens.org/dataset...

MovieLens數(shù)據(jù)集中，用戶(hù)對(duì)自己看過(guò)的電影進(jìn)行評(píng)分，分值為1~5。MovieLens包括兩個(gè)不同大小的庫(kù)，適用于不同規(guī)模的算法。小規(guī)模的庫(kù)是943個(gè)獨(dú)立用戶(hù)對(duì)1 682部電影作的10 000次評(píng)分的數(shù)據(jù)；大規(guī)模的庫(kù)是6 040個(gè)獨(dú)立用戶(hù)對(duì)3 900部電影作的大約100萬(wàn)次評(píng)分。適用于傳統(tǒng)的推薦任務(wù)

Douban

https://www.cse.cuhk.edu.hk/i...

Douban是豆瓣的匿名數(shù)據(jù)集，它包含了12萬(wàn)用戶(hù)和5萬(wàn)條電影數(shù)據(jù)，是用戶(hù)對(duì)電影的評(píng)分信息和用戶(hù)間的社交信息，適用于社會(huì)化推薦任務(wù)。

BookCrossing

http://www2.informatik.uni-fr...

這個(gè)數(shù)據(jù)集是網(wǎng)上的Book-Crossing圖書(shū)社區(qū)的278858個(gè)用戶(hù)對(duì)271379本書(shū)進(jìn)行的評(píng)分，包括顯式和隱式的評(píng)分。這些用戶(hù)的年齡等人口統(tǒng)計(jì)學(xué)屬性(demographic feature)都以匿名的形式保存并供分析。這個(gè)數(shù)據(jù)集是由Cai-Nicolas Ziegler使用爬蟲(chóng)程序在2004年從Book-Crossing圖書(shū)社區(qū)上采集的。

經(jīng)典必讀論文整理，包括綜述文章、傳統(tǒng)經(jīng)典推薦文章、社會(huì)化推薦文章、基于深度學(xué)習(xí)的推薦系統(tǒng)文章、專(zhuān)門(mén)用于解決冷啟動(dòng)的文章、POI相關(guān)的論文、利用哈希技術(shù)來(lái)加速推薦的文章以及推薦系統(tǒng)中經(jīng)典的探索與利用問(wèn)題的相關(guān)文章等。

項(xiàng)目地址:

https://github.com/hongleizha...

1.今日頭條推薦系統(tǒng)機(jī)制介紹，面向內(nèi)容創(chuàng)作者。分享人：項(xiàng)亮，今日頭條推薦算法架構(gòu)師:

https://v.qq.com/x/page/f0800...

3分鐘了解今日頭條推薦系統(tǒng)原理

https://v.qq.com/x/page/g0534...

3.facebook是如何為十億人推薦好友的

https://code.facebook.com/pos...

4.Netflix的個(gè)性化和推薦系統(tǒng)架構(gòu)

http://techblog.netflix.com/2...

評(píng)分卡模型時(shí)在銀行、互金等公司與借貸相關(guān)業(yè)務(wù)中最常見(jiàn)也是最重要的模型之一。簡(jiǎn)而言之它的作用就是對(duì)客戶(hù)進(jìn)行打分，來(lái)對(duì)客戶(hù)是否優(yōu)質(zhì)進(jìn)行評(píng)判。

根據(jù)評(píng)分卡模型應(yīng)用的業(yè)務(wù)階段不用，評(píng)分卡模型主要分為三大類(lèi)：A卡（Application score card）申請(qǐng)?jiān)u分卡、B卡（Behavior score card）行為評(píng)分卡、C卡（Collection score card）催收評(píng)分卡。其中申請(qǐng)?jiān)u分卡用于貸前，行為評(píng)分卡用于貸中，催收評(píng)分卡用于貸后，這三種評(píng)分卡在我們的信貸業(yè)務(wù)的整個(gè)生命周期都至關(guān)重要。

《信用風(fēng)險(xiǎn)評(píng)分卡研究——基于SAS的開(kāi)發(fā)與實(shí)施》

樣本選取

確定訓(xùn)練樣本、測(cè)試樣本的觀察窗（特征的時(shí)間跨度）與表現(xiàn)窗（標(biāo)簽的時(shí)間跨度），且樣本的標(biāo)簽定義是什么？一般情況下風(fēng)險(xiǎn)評(píng)分卡的標(biāo)簽都是考慮客戶(hù)某一段時(shí)間內(nèi)的延滯情況。

特征準(zhǔn)備

原始特征、衍生變量

數(shù)據(jù)清洗

根據(jù)業(yè)務(wù)需求對(duì)缺失值或異常值等進(jìn)行處理

特征篩選

根據(jù)特征的IV值（特征對(duì)模型的貢獻(xiàn)度）、PSI（特征的穩(wěn)定性）來(lái)進(jìn)行特征篩選，IV值越大越好（但是一個(gè)特征的IV值超過(guò)一定閾值可能要考慮是否用到未來(lái)數(shù)據(jù)），PSI越小越好（一般建模時(shí)取特征的PSI小于等于0.01）

對(duì)特征進(jìn)行WOE轉(zhuǎn)換

即對(duì)特征進(jìn)行分箱操作，注意在進(jìn)行WOE轉(zhuǎn)換時(shí)要注重特征的可解釋性

建立模型

在建立模型過(guò)程中可根據(jù)模型和變量的統(tǒng)計(jì)量判斷模型中包含和不包含每個(gè)變量時(shí)的模型質(zhì)量來(lái)進(jìn)行變量的二次篩選。

評(píng)分指標(biāo)

評(píng)分卡模型一般關(guān)注的指標(biāo)是KS值（衡量的是好壞樣本累計(jì)分部之間的差值）、模型的PSI(即模型整體的穩(wěn)定性）、AUC值等。

知識(shí)圖譜是一種結(jié)構(gòu)化數(shù)據(jù)的處理方法，它涉及知識(shí)的提取、表示、存儲(chǔ)、檢索等一系列技術(shù)。從淵源上講，它是知識(shí)表示與推理、數(shù)據(jù)庫(kù)、信息檢索、自然語(yǔ)言處理等多種技術(shù)發(fā)展的融合。

為什么需要知識(shí)圖譜？什么是知識(shí)圖譜？——KG的前世今生

https://zhuanlan.zhihu.com/p/...

什么是知識(shí)圖譜？

https://zhuanlan.zhihu.com/p/...

智能搜索時(shí)代：知識(shí)圖譜有何價(jià)值？

https://zhuanlan.zhihu.com/p/...

百度王海峰：知識(shí)圖譜是 AI 的基石

http://www.infoq.com/cn/news/...

譯文|從知識(shí)抽取到RDF知識(shí)圖譜可視化

http://rdc.hundsun.com/portal...

3.1 知識(shí)提取

構(gòu)建kg首先需要解決的是數(shù)據(jù)，知識(shí)提取是要解決結(jié)構(gòu)化數(shù)據(jù)生成的問(wèn)題。我們可以用自然語(yǔ)言處理的方法，也可以利用規(guī)則。

3.1.1 使用規(guī)則

正則表達(dá)式

正則表達(dá)式（Regular Expression， regex）是字符串處 理的基本功。數(shù)據(jù)爬取、數(shù)據(jù)清洗、實(shí)體提取、關(guān)系提取，都離不開(kāi)regex。

推薦資料入門(mén)：

精通正則表達(dá)式

regexper 可視化：例 [a-z]*(d{4}(D+))

pythex 在線測(cè)試正則表達(dá)式：

http://pythex.org/

推薦資料進(jìn)階：

re2 ：

Python wrapper for Google"s RE2 using Cython

https://pypi.python.org/pypi/...

Parsley ：更人性化的正則表達(dá)語(yǔ)法

http://parsley.readthedocs.io...

中文分詞和詞性標(biāo)注

分詞也是后續(xù)所有處理的基礎(chǔ)，詞性（Part of Speech, POS）就是中學(xué)大家學(xué)過(guò)的動(dòng)詞、名詞、形容詞等等的詞的分類(lèi)。一般的分詞工具都會(huì)有詞性標(biāo)注的選項(xiàng)。

推薦資料入門(mén)：

jieba 中文分詞包

https://github.com/fxsjy/jieba

中文詞性標(biāo)記集

https://github.com/memect/kg-...

推薦資料進(jìn)階：

genius 采用 CRF條件隨機(jī)場(chǎng)算法

https://github.com/duanhongyi...

Stanford CoreNLP分詞

https://blog.csdn.net/guolind...

命名實(shí)體識(shí)別

命名實(shí)體識(shí)別（NER）是信息提取應(yīng)用領(lǐng)域的重要基礎(chǔ)工具，一般來(lái)說(shuō)，命名實(shí)體識(shí)別的任務(wù)就是識(shí)別出待處理文本中三大類(lèi)（實(shí)體類(lèi)、時(shí)間類(lèi)和數(shù)字類(lèi)）、七小類(lèi)（人名、機(jī)構(gòu)名、地名、時(shí)間、日期、貨幣和百分比）命名實(shí)體。

推薦資料：

Stanford CoreNLP 進(jìn)行中文命名實(shí)體識(shí)別

https://blog.csdn.net/guolind...

3.1.2 使用深度學(xué)習(xí)

使用自然語(yǔ)言處理的方法，一般是給定schema，從非結(jié)構(gòu)化數(shù)據(jù)中抽取特定領(lǐng)域的三元組（spo），如最近百度舉辦的比賽就是使用DL模型進(jìn)行信息抽取。

序列標(biāo)注

使用序列生出模型，主要是標(biāo)記出三元組中subject及object的起始位置，從而抽取信息。

推薦資料：

序列標(biāo)注問(wèn)題

https://www.cnblogs.com/jiang...

seq2seq

使用seq2seq端到端的模型，主要借鑒文本摘要的思想，將三元組看成是非結(jié)構(gòu)化文本的摘要，從而進(jìn)行抽取，其中還涉及Attention機(jī)制。

推薦資料：

seq2seq詳解

https://blog.csdn.net/irving_...

詳解從Seq2Seq模型到Attention模型

https://caicai.science/2018/1...

3.2 知識(shí)表示

知識(shí)表示（Knowledge Representation，KR，也譯為知識(shí)表現(xiàn)）是研究如何將結(jié)構(gòu)化數(shù)據(jù)組織，以便于機(jī)器處理和人的理解的方法。

需要熟悉下面內(nèi)容：

JSON和YAML

json庫(kù)：

https://docs.python.org/2/lib...

PyYAML: 是Python里的Yaml處理庫(kù)

http://pyyaml.org/wiki/PyYAML

RDF和OWL語(yǔ)義：

http://blog.memect.cn/?p=871

JSON-LD

主頁(yè)：http://json-ld.org/

3.3 知識(shí)存儲(chǔ)

需要熟悉常見(jiàn)的圖數(shù)據(jù)庫(kù)

a.知識(shí)鏈接的方式：字符串、外鍵、URI

b.PostgreSQL及其JSON擴(kuò)展

Psycopg包操作PostgreSQL

http://initd.org/psycopg/docs/

c.圖數(shù)據(jù)庫(kù) Neo4j和OrientDB

1.Neo4j的Python接口 https://neo4j.com/developer/p...

2.OrientDB：http://orientdb.com/orientdb/

d.RDF數(shù)據(jù)庫(kù)Stardog

Stardog官網(wǎng)：http://stardog.com/

3.4 知識(shí)檢索

需要熟悉常見(jiàn)的檢索技術(shù)

ElasticSearch教程：

http://joelabrahamsson.com/el...

本體：

https://www.zhihu.com/questio...

RDF：

https://www.w3.org/RDF/

Apache Jena：

https://jena.apache.org/

D2RQ：

http://d2rq.org/getting-started

4.1 Protege構(gòu)建本體系列

protege：

https://protege.stanford.edu/

protege使用：

https://zhuanlan.zhihu.com/p/...

4.2 開(kāi)發(fā)語(yǔ)言

python或java

4.3 圖數(shù)據(jù)庫(kù)技術(shù)

Neo4j：https://neo4j.com/

AllegroGraph：https://franz.com/agraph/alle...

4.4 可視化技術(shù)

d3.js：https://d3js.org/

Cytoscape.js：http://js.cytoscape.org/

4.5 分詞技術(shù)

jieba：https://github.com/fxsjy/jieba

hanlp：https://github.com/hankcs/HanLP

基于知識(shí)圖譜的問(wèn)答：

https://github.com/kangzhun/K...

Agriculture_KnowledgeGraph：

https://github.com/qq54727654...

由知名開(kāi)源平臺(tái)，AI技術(shù)平臺(tái)以及領(lǐng)域?qū)＜遥篈pacheCN，Datawhale，AI有道和黃海廣博士聯(lián)合整理貢獻(xiàn)：

1.ApacheCN：片刻，李翔宇，飛龍，王翔

2.Datawhale：范晶晶，馬晶敏，李碧涵，李福，光城，居居，康兵兵，鄭家豪

3.AI有道：紅色石頭

4.黃海廣博士

Datawhale

一個(gè)專(zhuān)注于AI領(lǐng)域的開(kāi)源組織，上海交通大學(xué)國(guó)家級(jí)孵化項(xiàng)目，目前有7個(gè)獨(dú)立團(tuán)隊(duì)，聚集了一群有開(kāi)源精神和探索精神的團(tuán)隊(duì)成員，匯聚了來(lái)自各個(gè)高校和企業(yè)的優(yōu)秀學(xué)習(xí)者，致力于構(gòu)建純粹的學(xué)習(xí)圈子和優(yōu)質(zhì)的開(kāi)源項(xiàng)目，提供的組隊(duì)學(xué)習(xí)涵蓋了數(shù)據(jù)分析，數(shù)據(jù)挖掘，機(jī)器學(xué)習(xí)，深度學(xué)習(xí)，編程等16個(gè)內(nèi)容領(lǐng)域。

AI有道

一個(gè)專(zhuān)注于 AI 領(lǐng)域的技術(shù)公眾號(hào)。公眾號(hào)主要涉及人工智能領(lǐng)域 Python、ML 、CV、NLP 等前沿知識(shí)、干貨筆記和優(yōu)質(zhì)資源！我們致力于為廣大人工智能愛(ài)好者提供優(yōu)質(zhì)的 AI 資源和切實(shí)可行的 AI 學(xué)習(xí)路線。

黃博（機(jī)器學(xué)習(xí)初學(xué)者）

機(jī)器學(xué)習(xí)課程在國(guó)內(nèi)還不夠普及，大部分初學(xué)者還是很迷茫，走了很多彎路，黃海廣博士希望能盡自己的微薄之力，為機(jī)器學(xué)習(xí)初學(xué)者提供一個(gè)學(xué)習(xí)交流的平臺(tái)。

ApacheCN

一個(gè)致力于提供優(yōu)質(zhì)開(kāi)源項(xiàng)目的開(kāi)源組織，致力于AI文檔翻譯，Kaggle比賽交流、LeetCode算法刷題、大數(shù)據(jù)交流等項(xiàng)目。我們希望做出廣大 AI 愛(ài)好者真正需要的東西，打造真正有價(jià)值的長(zhǎng)尾作品。

官方網(wǎng)址：http://www.apachecn.org/