\
現在大家平時會遇到很多不錯的機器學習資源,但是大多數情況下,資源比較分散,不方便集中管理和查閱。更重要的是往往很難找到一個系統完整的資源導航,形成系統的學習路線,方便搜索。
重磅!今天小編在網上“閒逛”的時候發現了一個超級棒的機器學習優質資源分類導航。至少節約大家 50% 的時間。
下面詳細給大家介紹一下!
首先,放上這個機器學習優質資源分類導航的網站:
https://madewithml.com/topics/
該網站整理收集了機器學習最佳的資源,並持續更新中。如果你正在尋找當前的熱門內容,請查看主頁。如果你在沒有看到想要的主題,你可以使用頂部的搜索欄來搜索它。
該網站總共收集了 10 大主題內容,分別是:
框架
算法
自然語言處理
機器視覺
綜合
概念
數據、模型和訓練
全棧
工業
收藏
下面,分別來看一下!
1. 框架
這部分主要收集了一些編程用的框架,例如最常見的 Python、Numpy、TensorFlow 等。點開相應的框架,就會跳轉到比較全面的關於該框架的資源。
例如 Python:
除了 Getting started,還有 Tutorials、Toolkits、Research、Recent 等,內容真的太豐富了。
2. 算法
算法部分是比較核心的主題。包含了各個機器學習主要算法和理論,例如:線性代數、最大似然估計(MLE)、線性迴歸、支持向量機(SVM)、對抗生成網絡(GAN)等。每個內容下都包含了豐富的內容。
3. 自然語言處理
自然語言處理包括文本處理、語言建模(LM)、機器翻譯(MT)等。
4. 機器視覺
機器視覺主要包括圖像識別、物體檢測、圖像生成、動作識別等。
5. 綜合
這部分涵蓋的內容比較雜,包括異常檢測、時間序列、聚類語音識別等。
6. 概念
這部分主要包括遷移學習、非監督式學習、半監督式學習、強化學習等。
7. 數據、模型和訓練
這部分主要包括模型壓縮、數據收集、標註、可視化、分佈式訓練等。
8. 全棧
這部分主要包括 API、Docker、Web Scraping、SQL。
9. 工業
這部分主要包括 AI 應用,例如在健康領域等。
10. 收藏
這部分列舉了用於搜索非常有趣的集合的標籤列表。
總結
可以不說這是一份超讚的機器學習優質資源的分類導航。工慾善其事必先利其器,這個利器記得收藏哦!
最後,再次放上該分類導航的網站:
https://madewithml.com/topics/
推薦閱讀
(點擊標題可跳轉閱讀)
重磅!
AI有道年度技術文章電子版PDF來啦!
掃描下方二維碼,添加 AI有道小助手微信,可申請入羣,並獲得2020完整技術文章合集PDF(一定要備註:入羣 + 地點 + 學校/公司。例如:入羣+上海+復旦。
長按掃碼,申請入羣
(添加人數較多,請耐心等待)
最新 AI 乾貨,我在看