本文整理了一些从入门到进阶的机器学习资源，包括收费的精品视频课程、优质书籍和经典的代码实战项目。

视频课程

1.1 吴恩达的机器学习课程

• 授课平台：Coursera、网易云课堂
• 辅助资料：英文笔记、中文笔记、字幕

1.2 吴恩达的深度学习课程

• 授课平台：Coursera、网易云课堂
• 辅助资料：笔记

1.3 斯坦福CS231n课程

• 主题：卷积神经网络在视觉识别中的应用
• 授课平台：斯坦福官网、网易云课堂

1.4 fast.ai课程

• 主题：深度学习
• 授课平台：官网
• 课程内容：Part1: 实践深度学习、Part2: 最新深度学习技术

1.5 百度PaddlePaddle公开课

• 主题：机器学习入门、机器学习模型、深度学习基础

1.6 徐亦达的机器学习课程

• 授课平台：官网、GitHub、哔哩哔哩、百度云

1.7 李宏毅的深度学习课程

• 授课平台：官网、哔哩哔哩

1.8 谷歌机器学习速成课程

• 内容：课程、练习、术语库

书籍推荐

2.1 Keras

• 书籍：
  • 《Deep Learning with Python》（难度：低，推荐指数：★★★★★）
  • 《Deep Learning with Keras》（难度：低，推荐指数：★★★★）

2.2 TensorFlow

• 书籍：
  • 《Hands-On Machine Learning with Scikit-Learn and TensorFlow》（难度：中，推荐指数：★★★★★）
  • 《Learning TensorFlow》
  • 《TensorFlow Machine Learning Cookbook》（难度：中，推荐指数：★★★★★）

2.3 自然语言处理

• 书籍：
  • 《Deep Learning in Natural Language Processing》
  • 《Natural Language Processing with TensorFlow》
  • 《Mastering Natural Language Processing with Python》
  • 《Text Analytics with Python》

2.4 机器学习

• 书籍：
  • 《统计学习方法》（难度：中，推荐指数：★★★★★）
  • 《Pattern Recognition and Machine Learning》（难度：高，推荐指数：★★★★★）
  • 《机器学习实战》（难度：低，推荐指数：★★★★）
  • 《Machine Learning Yearning》
  • 《美团机器学习实战》
  • 《集体智慧编程》（难度：低，推荐指数：★★★★）
  • 《百面机器学习 算法工程师带你去面试》

2.5 深度学习

• 书籍：
  • 《Deep Learning》（中文版，难度：高，推荐指数：★★★★★）
  • 《神经网络与深度学习》（难度：中，推荐指数：★★★★）
  • 《Deep Learning with Python: A Hands-on Introduction》

框架介绍

基础框架

• pandas、imbalanced-learn、xLearn

机器学习

• sklearn、LightGBM、XGBoost、CatBoost

深度学习

• TensorFlow、Keras、PyTorch、PaddlePaddle

机器学习博客推荐

1. Open AI

• 由Elon Musk发起的非营利组织，专注于自然语言处理、图像处理和语音处理等领域的研究。

2. Distill

• 由来自Google Brain、DeepMind等著名机构的科学家组成的编辑团队，致力于清晰地解释机器学习概念。

3. BAIR博客

• 加州大学伯克利分校伯克利AI研究（BAIR）小组的官方博客，分享最新的研究成果和观点。

4. DeepMind

• DeepMind是一家广为人知的人工智能公司，致力于推动AI技术的发展。

5. Andrej Karpathy的博客

• 作者现为特斯拉人工智能总监，主要撰写深度学习相关文章，发布在Medium平台。

6. Colah的博客

• 作者Christopher Olah是Google Brain的研究科学家，致力于用简单的方式解释复杂的神经网络。

7. WildML

• 作者同样来自Google Brain，主要关注深度学习领域的研究和实践。

8. Ruder的博客

• 作者是一名博士生，主要撰写深度学习和自然语言处理相关的文章。

9. FAIR博客

• Facebook人工智能研究院（FAIR）的官方博客，涵盖人工智能、深度学习、机器学习及其在Facebook产品的应用。

10. Adit Deshpande的博客

• 作者是一名本科生，主要为初学者提供入门级教程。

11. inFERENCe的博客

• 作者是一名剑桥大学博士，与Twitter合作，撰写关于概率推理、生成模型和无监督学习的文章。

12. Andrew Trask的博客

• 作者是DeepMind的研究科学家和博士，撰写了许多关于PyTorch深度学习教程的文章。

往期精品内容推荐

• 自然语言处理领域中图神经网络模型（GNN）的应用现状（论文）
• 《TensorFlow 2.0深度学习算法实战教材》（2019年11月版，含中文版教材、随书代码和视频）
• Peter Norvig关于现代人工智能方法的访谈
• 自然语言处理算法工程师必备资料汇总（基础知识点、面试经验）
• 区块链基础知识入门指南（李笑来著）
• 波士顿动力机器人的情感与判断力展示
• 中文自然语言处理评测数据集、基准模型、语料库及排行榜整理
• 开放语音/音频数据集整理
• 从概率到机器学习再到文本挖掘的NLP技术路径规划
• 机器学习、深度学习、自然语言处理面试常考知识点、代码、算法理论基础汇总