本文主要向大家介绍了机器学习入门之这是一份超全机器学习&深度学习网站资源清单，请收藏，通过具体的内容向大家展现，希望对大家学习机器学习入门有所帮助。

新闻资讯

1、Analytics Vidhya (https://www.analyticsvidhya.com/blog/): 为数据科学专业人员提供基于社区的知识门户

2、Distill (https://distill.pub/): 展示机器学习的最新文章

Google News 

(https://news.google.com/topics/CAAqIggKIhxDQkFTRHdvSkwyMHZNREZvZVdoZkVnSmxiaWdBUAE?hl=en-US&gl=US&ceid=US%3Aen): Google News Machine learning

3、MIT News

 (//news.mit.edu/topic/machine-learning): Machine learning | MIT News

4、17bigdata (//www.17bigdata.com ): 专注数据分析、挖掘、大数据相关领域的技术分享、交流

5、机器之心 (https://www.jiqizhixin.com): 机器之心 | 全球人工智能信息服务

6、雷锋网 (https://www.leiphone.com): 雷锋网 | 读懂智能，未来

7、数据分析网 (https://www.afenxi.com): 数据分析网 - 大数据学习交流第一平台

8、知乎主题 

(https://www.zhihu.com/topic/19559450/hot): 知乎机器学习热门主题

9、专知(//www.zhuanzhi.ai/)：专业可信的人工智能知识分发，包含5000+AI主题，荟萃、链路等资料

社区交流

1、AIQ (//www.6aiq.com ): 机器学习大数据技术社区

2、DataTau (https://www.datatau.com): 人工智能领域的Hacker News

3、MathOverflow (https://mathoverflow.net): 数学知识问答社区

4、Medium (https://medium.com/): 一个涵盖人工智能、机器学习和深度学习相关领域的自由、开放平台

5、专知(//www.zhuanzhi.ai/)：专业可信的人工智能知识分发，包含5000+AI主题，荟萃、链路等资料

6、PaperWeekly (//www.paperweekly.site): 一个推荐、解读、讨论和报道人工智能前沿论文成果的学术平台

7、Quora (https://www.quora.com/pinned/Machine-Learning): Quora | 机器学习主题

9、Reddit (https://www.reddit.com/r/MachineLearning): Reddit | 机器学习板块

10、ShortScience (//www.shortscience.org): 用最简单的篇幅去概况科学著作

11、SofaSofa (//sofasofa.io/index.php): 做最好的数据科学社区

12、Twitter (https://twitter.com/StatMLPapers): Twitter | 机器学习论文版块

13、极智能 (//www.ziiai.com): 人工智能技术社区

优质博文

1、Google AI Blog 

(https://ai.googleblog.com/): 谷歌AI博客

handong1587 (https://handong1587.github.io/): 深度学习各个方向资源汇总，及各大顶级会议/期刊资源

2、Machine Learning Mastery 

(https://machinelearningmastery.com/blog): 帮助开发人员使用机器学习的知识解决复杂的问题

3、Stats and Bots - Medium 

(https://blog.statsbot.co): 机器学习应用程序和代码的实用指南

4、tornadomeet的博客 

(https://www.cnblogs.com/tornadomeet/archive/2012/06/24/2560261.html): 很详细的ML&DL学习博客

5、爱可可-爱生活 

(https://weibo.com/fly51fly?topnav=1&wvr=6&topsug=1): 知名互联网资讯博主

6、超智能体

(https://zhuanlan.zhihu.com/YJango): 分享最通俗易懂的深度学习教程

7、人工智能笔记

 (https://zhuanlan.zhihu.com/ainote): 人工智能从入门到AI统治世界

论文检索

1、arXiv (https://arxiv.org): 康奈尔大学运营的学术预印本发布的平台

2、Arxiv Sanity (//www.arxiv-sanity.com): 论文查询推荐

3、GitXiv (//www.gitxiv.com): arXiv的成果开源实现平台

4、Papers with Code 

(https://paperswithcode.com): 将论文与开源代码实现结合

5、SCI-HUB (https://sci-hub.tw/): 找论文必备

6、猫咪论文 (https://lunwen.im): 简单自由的论文下载平台

比赛实践

1、Biendata (https://biendata.com/)：数据科学竞赛平台

2、DataCastle (//www.pkbigdata.com): 中国领先的数据科学竞赛平台

3、DataFountain (//www.datafountain.cn/#/): DF,CCF指定专业大数据竞赛平台

4、Kaggle (https://www.kaggle.com): 为数据科学家提供举办机器学习竞赛

5、KDD-CUP (//www.kdd.org/kdd-cup): 国际知识发现和数据挖掘竞赛

6、滴滴新锐 

(//research.xiaojukeji.com/trainee.html): 滴滴面向全球高校博士、硕士、优秀本科生的精英人才计划

7、JDD空间站 (https://jdder.jd.com/): 京东算法赛事平台

8、赛氪网 (//www.saikr.com): 汇集以高校竞赛为主，活动、社区为辅的大学生竞赛活动平台

9、天池大数据 (https://tianchi.aliyun.com): 大数据竞赛、大数据解决方案、数据科学家社区、人工智能、机器学习

课程学习

1、Data-science-complete-tutorial (https://github.com/zekelabs/data-science-complete-tutorial): 数据科学完整入门指南

2、David Silver 

(https://v.youku.com/v_show/id_XMjcwMDQyOTcxMg==.html?spm=a2h0j.11185381.listitem_page1.5!4~A&&f=49376145)：David Silver 深度强化学习课程

3、fast.ai (//www.fast.ai/): Making neural nets uncool again

4、liuyubobobo (https://coding.imooc.com/class/169.html): Python3 入门机器学习

5、Metacademy (https://metacademy.org/): 知识点检索并画出通向这个知识点的知识图谱

6、Two Minute Papers 

(https://www.youtube.com/channel/UCbfYPyITQ-7l4upoX8nvctg): YouTube | 最简短的语言概况最新的热点论文

7、3Blue1Brown (https://www.youtube.com/channel/UCYO_jab_esuFRV4b17AJtAw): YouTube | 数学基础频道

8、3Blue1Brown 中文 (//space.bilibili.com/88461692/#/): Bilibili | 数学基础频道

9、机器学习速成课程

 (https://developers.google.cn/machine-learning/crash-course/): Google制作的节奏紧凑、内容实用的机器学习简介课程

林轩田

 (https://www.bilibili.com/video/av4294020/): 机器学习基石

林轩田 

(https://www.bilibili.com/video/av12469267): 机器学习技法

邱锡鹏（复旦大学）

(https://github.com/nndl/nndl.github.io)：神经网络与深度学习

吴恩达 

(//study.163.com/course/introduction/1004570029.htm): 机器学习课程

吴恩达

 (https://mooc.study.163.com/smartSpec/detail/1001319001.htm): 深度学习课程

资源收集

1、awesome-machine-learning-cn 

(https://github.com/jobbole/awesome-machine-learning-cn): 机器学习资源大全中文版，包括机器学习领域的框架、库以及软件

2、Coursera-ML-AndrewNg-Notes

 (https://github.com/fengdu78/Coursera-ML-AndrewNg-Notes): 吴恩达老师的机器学习课程个人笔记

3、daily-paper-computer-vision

 (https://github.com/amusi/daily-paper-computer-vision): 记录每天整理的计算机视觉/深度学习/机器学习相关方向的论文

4、deeplearning_ai_books 

(https://github.com/fengdu78/deeplearning_ai_books): 吴恩达老师的深度学习课程笔记及资源

5、Deep-Learning-Papers-Reading-Roadmap (https://github.com/floodsung/Deep-Learning-Papers-Reading-Roadmap): 深度学习论文阅读路线图

6、Getting Started in Computer Vision Research (https://sites.google.com/site/mostafasibrahim/research/articles/how-to-start)：计算机视觉研究入门全指南

lihang_book_algorithm (https://github.com/WenDesi/lihang_book_algorithm): 《统计学习方法》算法python实现

Machine Learning、Deep Learning (https://github.com/ty4z2008/Qix/blob/master/dl.md): ML&DL资料

MachineLearning_Python (https://github.com/lawlite19/MachineLearning_Python): 机器学习算法python实现

ml_cheatsheet (https://github.com/remicnrd/ml_cheatsheet)：机器学习算法速查手册

ml_tutorials (https://github.com/MorvanZhou/tutorials): 机器学习相关教程

NLP-progress (https://github.com/sebastianruder/NLP-progress)：跟踪NLP各项技术的state-of-the-art进展

7、周志华 - 机器学习

 (https://github.com/Vay-keen/Machine-learning-learning-notes): 周志华《机器学习》笔记

开源书籍

deeplearningbook-chinese 

(https://github.com/exacity/deeplearningbook-chinese): 深度学习中文版

deep_learning_cookbook (https://github.com/DOsinga/deep_learning_cookbook): 深度学习手册

hands_on_Ml_with_Sklearn_and_TF (https://github.com/apachecn/hands_on_Ml_with_Sklearn_and_TF): Sklearn与TensorFlow机器学习实用指南

Interpretable Machine Learning 

(https://christophm.github.io/interpretable-ml-book/): 一份指南，教你如何构建具有可解释性的黑盒模型

Neural Networks and Deep Learning (//neuralnetworksanddeeplearning.com/index.html): 深度学习开源书籍

Neural Networks and Deep Learning (https://github.com/zhanggyb/nndl): 深度学习开源书籍 - 中文

PythonDataScienceHandbook (https://github.com/jakevdp/PythonDataScienceHandbook): Python数据科学手册

TensorFlow-Course (https://github.com/open-source-for-science/TensorFlow-Course): 简单易学的TensorFlow教程

机器学习实战

 (https://github.com/apachecn/MachineLearning): Machine Learning in Action（机器学习实战）

简单粗暴TensorFlow

 (https://github.com/snowkylin/TensorFlow-cn): 本手册是一篇精简的TensorFlow入门指导

实战项目

face_recognition (https://github.com/ageitgey/face_recognition): 世界上最简单的人脸识别库

style2paints (https://github.com/lllyasviel/style2paints): 线稿自动上色

Python

Caffe (//caffe.berkeleyvision.org/): 一个基于表达式，速度和模块化原则创建的深度学习框架

Caffe2 (https://caffe2.ai/docs/getting-started.html?platform=windows&configuration=compile): Caffe2官方文档

Chainer (https://docs.chainer.org/en/stable/): 基于Python的独立的深度学习模型开源框架

CNTK (https://docs.microsoft.com/en-us/cognitive-toolkit/): CNTK官方文档

Gensim (https://radimrehurek.com/gensim/index.html): 包含可扩展的统计语义，分析纯文本文档的语义结构，以及检索相似语义的文档等功能

Keras (https://keras.io/): Keras官方文档

Matplotlib (https://matplotlib.org/tutorials/index.html): Matplotlib官方文档

MXNet (//mxnet.incubator.apache.org/tutorials/index.html): MXNet官方文档

Neon (//neon.nervanasys.com/index.html/): Nervana公司一个基于Python的深度学习库

NumPy (//www.numpy.org/): NumPy官方文档

pandas (//pandas.pydata.org/pandas-docs/stable/): pandas官方文档

PyBrain (//pybrain.org/docs/): 一个模块化的Python机器学习库

Pylearn2 (//deeplearning.net/software/pylearn2/): 构建于Theano之上的机器学习库

PyTorch (https://pytorch.org/tutorials/): PyTorch官方文档

Seaborn (https://seaborn.pydata.org/): Seaborn官方文档

scikit-learn (//scikit-learn.org/stable/documentation.html): scikit-learn官方文档

Statsmodels (//www.statsmodels.org/stable/index.html): 用来探索数据，估计统计模型，进行统计测试

TensorFlow (https://www.tensorflow.org/tutorials/): TF官方文档

Theano (//deeplearning.net/software/theano/): 允许高效地定义、优化以及评估涉及多维数组的数学表达式

C & C++

dlib (//dlib.net): 实用的机器学习和数据分析工具包

Java & Scala

DeepLearning4j (https://deeplearning4j.org/): 基于JAVA和Scala的商业级开源分布式深度学习框架

来源：专知

原文链接：https://github.com/howie6879/mlhub123

本文由职坐标整理并发布，希望对同学们有所帮助。了解更多详情请关注职坐标人工智能机器学习频道！