机器学习&深度学习 资源&教程&文章&项目

[ccc013]

汇总目录：

• 综合资源
  • 网上教程
  • 视频课程
  • 书籍
  • 网站
  • 论文
  • 项目 & Github
  • 博客
  • 比赛
  • 数据集
  • 面试资料

[ccc013]

综合资源

1. Awesome Computer Vision--Github 上的一个9000+星的资源，包含书籍、课程、教程、论文、数据集、博客等等
2. 资源汇总 | 200多个最好的机器学习、NLP和Python相关教程
3. AI算法工程师手册--包含数学基础、机器学习、深度学习、计算机视觉和NLP等知识
4. StateOfTheArt.ai --AI 界的 State of the Art都在这里了
5. awesome-fashion-ai--有关 fashion 和 e-commerce 方面的研究论文、数据集等
6. AlphaTree-graphic-deep-neural-network--介绍了深度学习的一些模型，并且有图示，包含了图像分类、物体检测、人脸检测与识别等方向
7. AiLearning: 机器学习 - MachineLearning - ML、深度学习 - DeepLearning - DL、自然语言处理 NLP
8. A complete ML study path, focused on TensorFlow and Scikit-Learn--机器学习的学习路线

[ccc013]

网上教程

机器学习

• 机器学习100天[中文翻译]
• Machine Learning in Python--手把手教你利用Python对图像数据进行机器学习（使用scikit-learn 和Keras）：Machine Learning in Python 注：含KNN、朴素贝叶斯、Logistic回归、SVM、决策树、随机森林、神经网络和深度神经网络和CNN等算法
• CS229 机器学习速查表
• 机器学习笔记--机器学习与人工智能学习笔记，包括机器学习、深度学习以及常用开源框架（Tensorflow、PyTorch）等

深度学习

• deep_learning_cookbook--基于TensorFlow和Keras的深度学习书籍《Deep Learning Cookbook》,代码很详细，包含多个项目！
• 深度学习教程整理 | 干货--整理深度学习方面的教程，包括基础网络、框架总结、网络设计和转换等
• CS230 深度学习速查表
• deeplearning.ai（吴恩达老师的深度学习课程笔记及资源），吴恩达老师的机器学习课程个人笔记--同一个作者对吴恩达老师两门课程的笔记和资源
• 零基础入门深度学习(1) - 感知器--总共七章内容，从感知器、CNN到RNN、LSTM

CNN

• 深度概览卷积神经网络全景图，没有比这更全的了

  论文：https://arxiv.org/pdf/1803.08834.pd

RNN & LSTM

• Simple RNN, LSTM and Differentiable Neural Computer in pure Numpy[介绍]--纯 Numpy 实现 RNN 和 LSTM
• A Beginner's Guide to LSTMs and Recurrent Neural Networks--初学者入门 LSTM 的教程！
• 完全图解RNN、RNN变体、Seq2Seq、Attention机制
• 人人都能看懂的LSTM
• Understanding LSTM Networks--参考这篇文章翻译，LSTM入门总结

人脸

• face-alignment-with-opencv-and-python--人脸对齐
• facial-landmarks-dlib-opencv-python--利用 dlib 进行人脸关键点检测
• Implementing Face Detection using Python and OpenCV--利用 opencv 实现人脸检测

[ccc013]

视频课程

• Deep Learning, Reinforcement Learning, Machine Learning, Computer Vision, and NLP lectures--深度学习、强化学习、机器学习、计算机视觉、NLP方面的课程

机器学习

• 吴恩达老师的课程 [Couresa] [网易云]
• 李宏毅老师的 2019 机器学习课程 [youtube][B站] [课程资料链]
• 斯坦福大学的 CS229 机器学习课程
• 给程序员的实践深度学习课程[介绍]--整个课程一共7节，带你从理论到应用学成深度学习，计算机视觉、NLP、推荐系统等等一课打尽。并且非常偏向于实践，深受好评！
• 林轩田老师的两门课程

机器学习基石 [课程主页] [b站视频] 配套书籍：Learning From Data 笔记和习题

机器学习技法 [b站视频]

深度学习

• 李宏毅老师的深度学习课程
• CS231n课程
• Andrew Ng 的 deeplearning.ai Coursera 网易云课堂

[ccc013]

书籍

机器学习

• 《统计学习方法》

代码：https://github.com/wzyonggege/statistical-learning-method

https://github.com/WenDesi/lihang_book_algorithm

https://blog.csdn.net/tudaodiaozhale

https://github.com/fengdu78/lihang-code

https://github.com/SmirkCao/Lihang

• 《机器学习》--周志华

南瓜书： https://github.com/datawhalechina/pumpkin-book 对书中公式的补充推导

• 《机器学习实战》
• 《hands-on-ml-with-sklearn-and-tf》[电子书][中文版翻译][Code]
• 《百面机器学习》
• [译] 面向机器学习的特征工程

深度学习

• 《深度学习》
• 《动手学深度学习》[pdf][Github][Home]
• 深度学习图解[代码]
• 《21个项目玩转深度学习———基于TensorFlow的实践详解》[code]

[ccc013]

网站

国内

• (推荐)机器之心
• PaperWeekly
• 通天塔--论文阅读，中英文翻译对比

国外

• Arxiv--寻找最新论文的网站
• Arxiv Sanity Preserver[Code] --对 arXiv 更好的展示论文
• （强力推荐）Papers With Code--论文及其实现代码
• （强力推荐）Browse state-of-the-art--记录了16个大类，总共950+个任务的当前最先进的技术
• RSIP vision--图像处理和计算机上视觉
• Learn Opencv
• (推荐)PyimageSearch--计算机视觉、opencv等，并且都是详细实现代码，每一步实现都解释得很清楚！

[ccc013]

论文

顶会

• AAAI: 顶级人工智能综合会议

2019年accepted paper:

https://aaai.org/Conferences/AAAI-19/wp-content/uploads/2018/11/AAAI-19_Accepted_Papers.pdf

2018年accepted paper:

https://aaai.org/Conferences/AAAI-18/wp-content/uploads/2017/12/AAAI-18-Accepted-Paper-List.Web_.pdf

2017年accepted paper:

https://www.aaai.org/Conferences/AAAI/2017/aaai17accepted-papers.pdf

• IJCAI: 顶级人工智能综合会议

2018年accepted paper:

http://www.ijcai-18.org/accepted-papers/index.html

2017年accepted paper:

https://ijcai-17.org/accepted-papers.html

• ICML :顶级机器学习会议

2018年accepted paper:

https://icml.cc/Conferences/2018/Schedule?type=Poster

2017年accepted paper:

https://icml.cc/Conferences/2017/Schedule?type=Poster

• NIPS:顶级综合人工智能会议

2018年accepted paper:

https://nips.cc/Conferences/2018/Schedule?type=Poster

2017年accepted paper:

https://nips.cc/Conferences/2017/Schedule?type=Poster

• CVPR：计算机视觉和模式识别

CVPR 2018 accepted paper：http://openaccess.thecvf.com/CVPR2018.py

CVPR 2017 accepted paper：http://openaccess.thecvf.com/CVPR2017.py

• ICCV：国际计算机视觉大会

ICCV 2017 accepted paper：http://openaccess.thecvf.com/ICCV2017.py

• ECCV：欧洲计算机视觉国际会议

ECCV 2018 accepted paper：http://openaccess.thecvf.com/ECCV2018.py

综合资源

• deep-learning-papers-translation--Github 深度学习论文翻译，包括分类论文，检测论文等
• deep-learning-papers--深度学习的论文，包括视觉、文本、音频，最新更新是2017年10月
• 各种机器学习任务的顶级结果（论文）汇总--汇总多个任务，包括视觉、语音、NLP、强化学习等方向的最顶级结果的论文
• CV 领域常见单词 [一] [二]

[ccc013]

项目 & Github

• Tensorflow/models--TensorFlow 官方 Github
• gluon-cv--GluonCV 提供了当前计算机视觉性能最优的深度学习模型
• imgaug--Image augmentation for machine learning experiments.数据增强库
• DPED--增强图片质量
• Deep Learning - All You Need to Know--深度学习资源，包含了论文、网络模型、教程、数据集、博客、框架等等

人脸

• awesome-Face_Recognition:近十年的人脸相关的所有论文合集
• face_recognition:人脸识别库，可以实现识别、检测、匹配等等功能。

计算机视觉

• Awesome Image Classification--图像分类方面的汇总，常用的网络模型的性能结果，代码实现以及论文。
• Awesome-Image-Inpainting--图像修复方面的资料汇总

[ccc013]

博客

国内

1. 机器学习--tornadomeet--这是别人学习机器学习和深度学习做下笔记的博客，有好几十篇博文呢。
2. zouxy09的专栏--这个博客不只有机器学习内容，还有一个深度学习的系列。
3. Machine Learning--也是有关机器学习的一个博客。
4. 美团技术团队
5. 苏剑林的博客
6. 火光摇曳：腾讯技术大牛们的博客

国外

公司&组织

1. OpenAI--OpenAI
2. Distill--Distill
3. Google AI Blog--谷歌AI的博客
4. Notes on machine learning
5. BAIR Blog--伯克利大学AI小组博客
6. DeepMind Blog--DeepMind的博客
7. FAIR Blog--Facebook AI博客
8. Netflix：Netflix技术博客
9. Towards Data Science

个人

1. SALu--有关于 GAN 方面的文章
2. Colah’s Blog--神经网络理解方面的入门，以及深度学习知识
3. Ruder’s Blog--多任务学习、迁移学习
4. inFERENCe
5. Andrew Trask’s Blog
6. Adit Deshpande’s Blog--比较适合入门神经网络
7. Graduate Descent

[ccc013]

比赛

比赛网站

1. Kaggle
2. 天池
3. DataFountain
4. FlyAI
5. JData

比赛经验

• Kaggle 入门指南
• 分分钟带你杀入Kaggle Top 1%
• 6次Kaggle计算机视觉类比赛赛后感
• 参加kaggle竞赛是怎样一种体验？
• Kaggle入门，看这一篇就够了
• 零基础自学两月后三月三次轻松进入kaggle比赛top20小结

[ccc013]

数据集

• Datasets for machine learning [收藏：全网最大机器学习数据集，视觉、NLP、音频都在这了]--包含机器学习领域的数据集，

八大机器学习数据集

文章介绍：[原文][翻译]

1. Kaggle 数据集

数据集地址：

https://www.kaggle.com/datasets

每个数据集都是一个小型社区，用户可以在其中讨论数据、查找公共代码或在内核中创建自己的项目。包含各式各样的真实数据集。

用户还可以看到与每个数据集相关的“内核”，许多数据科学家还提供了相关手册来分析数据集。

2. Amazon 数据集

数据集地址：

https://registry.opendata.aws/

该数据源包含多个不同领域的数据集，如：公共交通、生态资源、卫星图像等。

网页中也有一个搜索框来帮助用户寻找想要的数据集，还有所有数据集的描述和使用示例，这些数据集信息丰富且易于使用！

数据集存储在Amazon Web Services (AWS)资源中，比如Amazon S3——云中的一个高度可伸缩的对象存储服务。

如果用户正在使用AWS进行机器学习实验和开发，这将非常方便，由于它是AWS网络的本地数据，因此数据集的传输将非常快。

3. UCI机器学习资源库

数据集地址：

https://archive.ics.uci.edu/ml/datasets.html

另一个来自加州大学信息与计算机科学学院的大型资源库，包含100多个数据集。

用户可以找到单变量和多变量时间序列数据集，分类、回归或推荐系统的数据集。

有些UCI的数据集已经是被清洗过的。

4. 谷歌数据集搜索引擎

数据集地址：

https://toolbox.google.com/datasetsearch

在2018年末，谷歌做了他们最擅长的事情，推出了另一项伟大的服务——它是一个可以按名称搜索数据集的工具箱。

他们的目标是统一成千上万个不同的数据集存储库，使这些数据能够且易被发现。

5. 微软数据集

数据集地址：

https://msropendata.com/

2018年7月，微软与外部研究社区共同宣布推出“Microsoft Research Open Data”。

它在云中包含一个数据存储库，用于促进全球研究社区之间的协作。它提供了一系列用于已发表研究的、经过处理的数据集。

6. Awesome Public Datasets Collection

数据集地址：

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

这是一个按“主题”组织的数据集，比如生物学、经济学、教育学等。

这里列出的大多数数据集都是免费的，但是在使用任何数据集之前，用户需要检查一下许可要求。

7. 政府数据集

政府相关数据集也很容易找到的。

许多国家为了提高透明度，向公众分享了各种数据集。以下是一些例子：

欧盟开放数据门户：欧洲政府数据集。

数据集地址：

https://data.europa.eu/euodp/data/dataset

美国政府数据：目前由于一些非政治性原因，暂时无法访问。

数据集地址：

https://www.data.gov/

新西兰政府数据集：

数据集地址：

https://catalogue.data.govt.nz/dataset

印度政府数据集：

数据集地址：

https://data.gov.in/

8. 计算机视觉数据集

数据集地址：

https://www.visualdata.io/

Visual Data包含一些可以用来构建计算机视觉(CV)模型的大型数据集。

用户可以通过特定的CV主题查找特定的数据集，如语义分割、图像标题、图像生成，甚至可以通过解决方案(自动驾驶汽车数据集)查找特定的数据集。

---

常用数据集

1. Mnist：手写数字数据集，包含 60000 张训练集和 10000 张测试集。
2. fashion-mnist [官网] [Github]
3. Cifar：分为 Cifar10 和 Cifar100。前者包含 60000 张图片，总共10个类别，每类 6000 张图片。后者是 100 个类别，每个类别 600 张图片。类别包括猫狗鸟等动物、飞机汽车船等交通工具。
4. Imagenet：应该是目前最大的开源图像数据集，包含 1500 万张图片，2.2 万个类别。
5. lsun [官网] [Github]
6. Open Images V4[Description][Download][Paper]--包含 600 个类别，900w 张数据集，包含图片标签、物体检测框以及视觉关系的标注信息。

人脸数据集

1. LFW
2. CelebA

数据集介绍：https://blog.csdn.net/Cloudox_/article/details/78432517

百度云下载：https://pan.baidu.com/s/1eSNpdRG#list/path=%2FCelebA%2FImg

3. MS-Celeb-1M

4. CASIA-WebFace

5. FaceScrub

6. MegaFace

衣服数据集

1. Fashion Detection in the Wild (Deep Clothes Detector)

数据集：Large-scale Fashion (DeepFashion) Database

论文：DeepFashion: Powering Robust Clothes Recognition and Retrieval with Rich Annotations.

作者介绍[Home][PPT]

文章：

• deepfashion数据集相关及多标签学习
• DeepFashion: 服装公开数据集概述

2. MULTI-VIEW CLOTHING DATASET

论文：MVC: A Dataset for View-Invariant Clothing Retrieval and Attribute Prediction

数据集：数据集

[ccc013]

面试资料

综合

• Algorithm_Interview_Notes-Chinese--2018/2019/校招/春招/秋招/算法/机器学习(Machine Learning)/深度学习(Deep Learning)/自然语言处理(NLP)/C/C++/Python/面试笔记

题目

• 深度学习500问
• BAT面试1000题--知乎专栏，面试题目
• machine-learning-interview-questions--英文版面试题目，包括深度学习、机器学习和数学
• 深度学习面试中文版--问题，以及给出在《深度学习》中答案所在的页码
• 技术面试必备基础知识--包含算法、操作系统、数据库、网络、JAVA等面试题目