【終極收藏】AI領域你不能不關注的大牛、機構、課程、會議、圖書（附下載）

1新智元編譯

來源：

編譯：弗格森 劉小芹

【新智元導讀】科技作者、創業者、自學AI並成為博士生的Robbie Allen收集整理了一份詳盡的資料，囊括值得關注的人、機構、課程、博客、Github庫、會議等各種資源，值得收藏學習。

機器學習和AI的資源那麼多，該從何處下手？

科技作者、創業者、自學AI並成為博士生的Robbie Allen收集整理了一份詳盡的資料，囊括值得關注的人、機構、課程、博客、Github庫、會議等各種資源，最重要的是，這些全都是免費的。

無論你是初學AI，還是想要進階，這些資料能不可錯過。

首先感謝Robbie Allen，接下來我們就來看這份機器學習、深度學習和AI資源大全。微信格式所限無法外鏈，新智元在編譯時將重要的鏈接直接放在文中，可以複製后在瀏覽器中打開。

了解更多可以查看原文。

資源目錄：

• 知名研究人員

• AI組織

• 視頻課程

• 博客作者

• 書籍

• YouTube頻道

• Quora主題

• Reddit子版塊

• GitHub項目

• Podcasts

• Newsletters

• 會議

• 研究鏈接

• 教程

知名研究人員

許多最知名的AI研究者都在網路上有很多的參與，例如在Reddit或Quora Session上做Ask-Me-Anything等。以下提供他們的個人網站，Wikipedia頁面，Twitter主頁，Google scholar頁面，quora 主頁等的鏈接，讀者可以從文末的原文鏈接進入（排名不分先後）。

Sebastian Thrun：Udacity(優達學城)創始人、斯坦福終身教授、Google X 實驗室創始人

Yann Lecun：Facebook AI 實驗室負責人、紐約大學教授

Nando de Freitas：牛津大學教授

Andrew Ng：斯坦福大學副教授、人工智慧實驗室主任，Coursera聯合創始人，前百度首席科學家

Daphne Koller：斯坦福大學教授、Coursera聯合創始人

Adam Coates：百度矽谷AI實驗室主任

Jürgen Schmidhuber：瑞士人工智慧實驗室IDSIA 的科學事務主管

Geoffrey Hinton：多倫多大學計算機科學系教授、谷歌Engineering Fellow

Terry Sejnowski：索爾克研究所神經科學家

Michael Jordan：加州大學伯克利分校教授

Peter Norvig：谷歌公司研究總監

Yoshua Bengio：蒙特利爾大學教授

Ian Goodfellow：谷歌大腦Staff Research Scientist

Andrej Karpathy：特斯拉人工智慧部門主管

Richard Socher：Salesforce首席科學家、斯坦福計算機科學系副教授

Demis Hassabis：DeepMind創始人兼CEO

Christopher Manning：斯坦福大學計算機科學和語言學教授

Fei-Fei Li（李飛飛）：斯坦福大學教授、谷歌雲AI/ML首席科學家

François Chollet：谷歌人工智慧研究員、深度學習框架Keras 的作者

Dan Jurafsky：斯坦福大學計算機科學系和語言學系教授、語言學系主任

Oren Etzioni：艾倫人工智慧研究所CEO

AI組織

有許多知名的組織致力於推動人工智慧研究和開發。以下是部分網站/博客和Twitter帳戶。

OpenAI / Twitter (127K followers)

DeepMind / Twitter (80K followers)

Google Research / Twitter (1.1M followers)

AWS AI / Twitter (1.4M followers)

Facebook AI Research (no Twitter :)

Microsoft Research / Twitter (341K followers)

Baidu Research / Twitter (18K followers)

IntelAI / Twitter (2K followers)

AI² / Twitter (4.6K followers)

Partnership on AI / Twitter (5K followers)

視頻課程

網路上有大量視頻課程和教程，其中許多都是免費的。也有一些很好的付費課程，但本文主要提供免費內容的推薦。有相當多的大學課程都提供在線課程材料，但沒有視頻。以下課程可以足夠你忙上幾個月了：

Coursera — 機器學習（Machine Learning）

授課：Andrew Ng

https://www.coursera.org/learn/machine-learning#syllabus

Coursera — 機器學習神經網路（Neural Networks for Machine Learning）

授課：Geoffrey Hinton

Udacity — 機器學習導論（Intro to Machine Learning）

授課：Sebastian Thrun

Udacity — 機器學習（Machine Learning）

授課：Georgia Tech

Udacity — 深度學習（Deep Learning）

授課：Vincent Vanhoucke

機器學習（Machine Learning）

授課：mathematicalmonk

https://www.youtube.com/playlist?list=PLD0F06AA0D2E8FFBA

給程序員的機器學習實踐課程（Practical Deep Learning For Coders）

授課：Jeremy Howard & Rachel Thomas

Stanford CS231n —面向視覺識別的卷積神經網路（ Convolutional Neural Networks for Visual Recognition） (Winter 2016)

授課：李飛飛、Justin Johnson & Serena Yeung

Stanford CS224n — 深度學習與自然語言處理（Natural Language Processing with Deep Learning）(Winter 2017)

授課：Chris Manning & Richard Socher

哈佛深度NLP課程（Oxford Deep NLP 2017 ）

授課：Phil Blunsom et al.

強化學習（Reinforcement Learning）

授課：David Silver

Python實踐機器學習教程（Practical Machine Learning Tutorial with Python）

授課：sentdex

https://www.youtube.com/watch?list=PLQVvvaa0QuDfKTOs3Keq_kaG2P55YRn5v&v=OGxgnH8y2NM

YouTube頻道

以下是經常發布AI或機器學習相關的受歡迎的內容的YouTube頻道或用戶，按照訂閱者/觀看次數排序。

sentdex (225K 訂閱, 21M 觀看)

Artificial Intelligence A.I. (7M 觀看)

Siraj Raval (140K 訂閱, 5M 觀看)

Two Minute Papers (60K 訂閱, 3.3M 觀看)

DeepLearning.TV (42K 訂閱, 1.7M 觀看)

Data School (37K 訂閱, 1.8M 觀看)

Machine Learning Recipes with Josh Gordon (324K 觀看)

https://www.youtube.com/playlist?list=PLOU2XLYxmsIIuiBfYad6rFYQU_jL2ryal

Artificial Intelligence — Topic (10K 訂閱)

Allen Institute for Artificial Intelligence (AI2) (1.6K 訂閱, 69K 觀看)

Machine Learning at Berkeley (634 訂閱, 48K 觀看)

Understanding Machine Learning — Shai Ben-David (973 訂閱, 43K 觀看)

Machine Learning TV (455 訂閱, 11K 觀看)

博客作者

以下推薦一些優質的博客作者。

Andrej Karpathy：

i am trask ：

Christopher Olah：

Top Bots ：

WildML：

Distill ：

Machine Learning Mastery ：

FastML：

Adventures in NI：

Sebastian Ruder：

Unsupervised Methods：

Explosion：

Tim Dettmers：

When trees fall…：

ML@B ：

Medium上人工智慧方面的作者：

Robbie Allen

Erik P.M. Vermeulen

Frank Chen

azeem

Sam DeBrule

Derrick Harris

Yitaek Hwang

samim

Paul Boutin

Mariya Yao

Rob May

Avinash Hindupur

書籍

有很多書籍，涵蓋機器學習，深度學習和NLP的一些方面。在本節中，我將聚焦於可以直接從網頁訪問或下載的免費書籍。

機器學習：

理解機器學習，從理論到演算法（Understanding Machine Learning From Theory to Algorithms，http://101.96.8.164/www.cs.huji.ac.il/~shais/UnderstandingMachineLearning/understanding-machine-learning-theory-algorithms.pdf）

Machine Learning Yearning，作者：Andrew Ng，www.mlyearning.org/）

機器學習課程（A Course in Machine Learning，http://ciml.info）

機器學習（Machine Learning，https://www.intechopen.com/books/machine_learning）

神經網路與機器學習（Neural Networks and Deep Learning，neuralnetworksanddeeplearning.com/）

深度學習圖書（Deep Learning Book，www.deeplearningbook.org/）

強化學習導論（Reinforcement Learning: An Introduction，incompleteideas.net/sutton/book/the-book-2nd.html）

強化學習（Reinforcement Learning，https://www.intechopen.com/books/reinforcement_learning）

NLP

對話與語言處理（第三版）（Speech and Language Processing (3rd ed. draft)，https://web.stanford.edu/~jurafsky/slp3/）

Python自然語言處理（Natural Language Processing with Python，www.nltk.org/book/）

信息檢索概論（An Introduction to Information Retrieval，https://nlp.stanford.edu/IR-book/html/htmledition/irbook.html）

數學

統計思維概論（Introduction to Statistical Thought，people.math.umass.edu/~lavine/Book/book.pdf）

貝葉斯統計學概論 （Introduction to Bayesian Statistics，https://www.stat.auckland.ac.nz/~brewer/stats331.pdf）

概率論概論（Introduction to Probability，https://www.dartmouth.edu/~chance/teaching_aids/books_articles/probability_book/amsbook.mac.pdf）

統計思維：面向Python程序員的概率論與統計學（Think Stats: Probability and Statistics for Python programmers，greenteapress.com/wp/think-stats-2e/）

概率論與統計學實踐指南（The Probability and Statistics Cookbook，statistics.zone/）

線性代數（Linear Algebra，joshua.smcvt.edu/linearalgebra/book.pdf）

線性代數錯誤集錦（Linear Algebra Done Wrong，www.math.brown.edu/~treil/papers/LADW/book.pdf）

線性代數（理論與實踐）（Linear Algebra, Theory And Applications，https://math.byu.edu/~klkuttle/Linearalgebra.pdf）

面向計算機科學的數學（Mathematics for Computer Science，https://courses.csail.mit.edu/6.042/spring17/mcs.pdf）

微積分學（Calculus，https://ocw.mit.edu/ans7870/resources/Strang/Edited/Calculus/Calculus.pdf）

計算機科學與統計學學生用的微積分學（Calculus I for Computer Science and Statistics Students，www.math.lmu.de/~philip/publications/lectureNotes/calc1_forInfAndStatStudents.pdf）

Quora

Quora已經成為AI和機器學習的重要資源。許多頂尖的研究人員在網站上回答問題。下面我列出了一些主要的AI相關主題，您可以訂閱，如果您想自定義您的Quora Feed。查看Quora社區中每個主題（例如機器學習的常見問題）中的常見問題解答部分的問題列表。

計算機科學（560萬訂閱者）

機器學習（110萬訂閱者）

人工智慧（63萬5千訂閱者）

深度學習（16萬7千訂閱者）

NLP (15萬5千訂閱者)

分類機器學習（11萬9千訂閱者）

通用人工智慧（8萬2千訂閱者）

卷積神經網路-CNN（2萬5千訂閱者）

計算機語言學（2萬3千訂閱者）

RNN（1萬7千4百訂閱者）

Reddit

Reddit上的AI社區不如Quora那麼大，但它仍然有一些很好的子版塊值得關注。 Reddit可以幫助您跟上最新的新聞和研究，而Quora是問題/答案。以下是按訂戶人數排序的主要AI相關子領域。

機器學習(111K讀者)

機器人(43K 讀者)

人工智慧（35K 讀者）

數據科學（34k 讀者）

學習機器學習（11k讀者）

計算機視覺（11k讀者）

ML問題（8k讀者）

語言科技（7k讀者）

ML課程（4k讀者）

ML論文（4k讀者）

Github

關於AI社區的好處之一是大多數新項目都是開源的，並在Github上提供，如果要在Python中使用示例演算法實現或使用Juypter Notebook，Github上還有許多教育資源。以下是標有特定主題。

機器學習

深度學習

TensorFlow

神經網路

NLP

Podcasts（略）

新聞媒體

如果想通過最新的新聞和研究來跟上最新進度，可以選擇的以每周為單位的新聞訂閱數量很多，他們大多數涵蓋相同的東西，所以你只需要一兩個就可以。

The Exponential View

AI Weekly

Deep Hunt

O』Reilly Artificial Intelligence Newsletter

Machine Learning Weekly

Data Science Weekly Newsletter

Machine Learnings

Artificial Intelligence News

When trees fall…

WildML

Inside AI

Kurzweil AI

Import AI

The Wild Week in AI

Deep Learning Weekly

Data Science Weekly

KDnuggets Newsletter

會議

令人驚訝的是，隨著人工智慧的普及，人工智慧相關會議的數量也有所增加。 （這些不是免費的！）

學術

NIPS (Neural Information Processing Systems)

ICML (International Conference on Machine Learning)

KDD (Knowledge Discovery and Data Mining)

ICLR (International Conference on Learning Representations)

ACL (Association for Computational Linguistics)

EMNLP (Empirical Methods in Natural Language Processing)

CVPR (Computer Vision and Pattern Recognition)

ICCF (International Conference on Computer Vision)

專業會議:

O』Reilly Artificial Intelligence Conference

Machine Learning Conference (MLConf)

AI Expo (North America, Europe, World)

AI Summit

AI Conference

研究論文

arXiv.org

Semantic Scholar searches

推薦一個Andrej Karpathy的論文項目： http://www.arxiv-sanity.com/

課程：

推薦另一個專門的博客Over 150 of the Best Machine Learning, NLP, and Python Tutorials（https://unsupervisedmethods.com/over-150-of-the-best-machine-learning-nlp-and-python-tutorials-ive-found-ffce2939bd78）

小抄：Cheat Sheet of Machine Learning and Python (and Math) Cheat Sheets（https://unsupervisedmethods.com/cheat-sheet-of-machine-learning-and-python-and-math-cheat-sheets-a4afe4e791b6）

戳原文查看更多：https://unsupervisedmethods.com/my-curated-list-of-ai-and-machine-learning-resources-from-around-the-web-9a97823b8524