一文打尽人工智能和机器学习网络资源，赶紧收藏！
转自：大数据文摘|bigdatadigest
编译：Chloe 朝夕 修竹 Aileen
谷歌刚刚上线的机器学习课程刷屏科技媒体头条。激动过后，多数AI学习者会陷入焦虑：入坑人工智能，到底要从何入手？
的确，如今学习人工智能最大的困难不是找不到资料，更多同学的痛苦是：网上资源太多了，以至于没法知道从哪儿开始搜索，也没法知道搜到什么程度。
为了节省大家的时间，我们搜遍网络把最好的免费资源汇总整理到这篇文章当中。这些链接够你学上很久，而且你看完本文一定会再次惊叹：现在网上关于机器学习、深度学习和人工智能的信息真的非常多。
本文罗列了以下几个方面的学习资源，供大家收藏。
研究人员
许多著名的人工智能研究人员都在网络上有很强的影响力。下面我列出了20个专家，也给出了能够找到他们详细信息的网站。
◦ Sebastian Thrun
http://robots.stanford.edu
◦ Yann Lecun
http://yann.lecun.com
◦ Nando de Freitas
http://www.cs.ubc.ca/~nando/
◦ Andrew Ng
http://www.andrewng.org
◦ Daphne Koller
http://ai.stanford.edu/users/koller/
◦ Adam Coates
http://cs.stanford.edu/~acoates/
◦ Jürgen Schmidhuber
http://people.idsia.ch/~juergen/
◦ Geoffrey Hinton
http://www.cs.toronto.edu/~hinton/
◦ Terry Sejnowski
http://www.salk.edu/scientist/terrence-sejnowski/
◦ Michael Jordan
https://people.eecs.berkeley.edu/~jordan/
◦ Peter Norvig
http://norvig.com
◦ Yoshua Bengio
http://www.iro.umontreal.ca/~bengioy/yoshua_en/
◦ Ian Goodfellow
http://www.iangoodfellow.com
◦ Andrej Karpathy
http://karpathy.github.io
◦ Richard Socher
http://www.socher.org
◦ Demis Hassabis
http://demishassabis.com
◦ Christopher Manning
https://nlp.stanford.edu/~manning/
◦ Fei-Fei Li
http://vision.stanford.edu/people.html
◦ François Chollet
https://scholar.google.com/citations?user=VfYhf2wAAAAJ&hl=en
◦ Larry Carin
http://people.ee.duke.edu/~lcarin/
◦ Dan Jurafsky
https://web.stanford.edu/~jurafsky/
◦ Oren Etzioni
http://allenai.org/team/orene/
人工智能研究机构
许多研究机构致力于促进人工智能的研究与开发。下面我列出了一些机构的网站。
◦ Open AI
https://openai.com
◦ Deep Mind
https://deepmind.com
◦ Google Research
https://research.googleblog.com
◦ AWS AI
https://aws.amazon.com/blogs/ai/
◦ Facebook AI Research
https://research.fb.com/category/facebook-ai-research-fair/
◦ Microsoft Research
https://www.microsoft.com/en-us/research/
◦ Baidu Research
http://research.baidu.com
◦ Intel AI
https://software.intel.com/en-us/ai-academy
◦ AI²
http://allenai.org
◦ Partnership on AI
https://www.partnershiponai.org
视频课程
网上也有大量的视频课程和教程，其中很多都是免费的，还有一些付费的也很不错，但是在这篇文章中我只提供免费内容的链接。下面我列出的这些免费课程可以让你学上好几个月。
◦ Coursera — Machine Learning (Andrew Ng)
https://www.coursera.org/learn/machine-learning#syllabus
◦ Coursera — Neural Networks for Machine Learning (Geoffrey Hinton)
https://www.coursera.org/learn/neural-networks
◦ Machine Learning (mathematicalmonk)
https://www.youtube.com/playlist?list=PLD0F06AA0D2E8FFBA
◦ Practical Deep Learning For Coders (Jeremy Howard & Rachel Thomas)
http://course.fast.ai/start.html
◦ Stanford CS231n — Convolutional Neural Networks for Visual Recognition (Winter 2016)
https://www.youtube.com/watch?v=g-PvXUjD6qg&list=PLlJy-eBtNFt6EuMxFYRiNRS07MCWN5UIA
◦ 斯坦福CS231n【中字】视频
http://study.163.com/course/introduction/1003223001.htm
◦ Stanford CS224n — Natural Language Processing with Deep Learning (Winter 2017)
https://www.youtube.com/playlist?list=PL3FW7Lu3i5Jsnh1rnUwq_TcylNr7EkRe6
◦ Oxford Deep NLP 2017 (Phil Blunsom et al.)
https://github.com/oxford-cs-deepnlp-2017/lectures
◦ 牛津Deep NLP【中字】视频
http://study.163.com/course/introduction/1004336028.htm
◦ Reinforcement Learning (David Silver)
http://www0.cs.ucl.ac.uk/staff/d.silver/web/Teaching.html
◦ Practical Machine Learning Tutorial with Python (sentdex)
https://www.youtube.com/watch?list=PLQVvvaa0QuDfKTOs3Keq_kaG2P55YRn5v&v=OGxgnH8y2NM
YouTube
YouTube上有很多频道或者用户都经常会发布一些AI或者机器学习相关的内容，我把这些链接按照订阅数/观看数多少列示在下边，这样方便看出来哪个更受欢迎。
◦ sendex（22.5万订阅，2100万次观看）
https://www.youtube.com/user/sentdex
◦ Siraj Raval（14万订阅，500万次观看）
https://www.youtube.com/channel/UCWN3xxRkmTPmbKwht9FuE5A
◦ Two Minute Papers（6万订阅，330万次观看）
https://www.youtube.com/user/keeroyz
◦ DeepLearning.TV（4.2万订阅，140万观看）
https://www.youtube.com/channel/UC9OeZkIwhzfv-_Cb7fCikLQ
◦ Data School（3.7万订阅，180万次观看）
https://www.youtube.com/user/dataschool
◦ Machine Learning Recipes with Josh Gordon（32.4万次观看）
https://www.youtube.com/playlist?list=PLOU2XLYxmsIIuiBfYad6rFYQU_jL2ryal
◦ Artificial Intelligence — Topic（1万订阅）
https://www.youtube.com/channel/UC9pXDvrYYsHuDkauM2fLllQ
◦ Allen Institute for Artificial Intelligence (AI2)（1.6千订阅，6.9万次观看）
https://www.youtube.com/channel/UCEqgmyWChwvt6MFGGlmUQCQ
◦ Machine Learning at Berkeley（634订阅，4.8万次观看）
https://www.youtube.com/channel/UCXweTmAk9K-Uo9R6SmfGtjg
◦ Understanding Machine Learning — Shai Ben-David（973订阅，4.3万次观看）
https://www.youtube.com/channel/UCR4_akQ1HYMUcDszPQ6jh8Q
◦ Machine Learning TV（455订阅，1.1万次观看）
https://www.youtube.com/channel/UChIaUcs3tho6XhyU6K6KMrw
博客
虽然人工智能和机器学习现在这么火，但是我很惊讶地发现相关博主并没有那么多。可能是因为内容比较复杂，把有意义的部分整理出来需要花很大精力；也有可能是因为类似Quora这样的平台比较多，专家们回答问题更方便也不需要花太多时间做详细论述。 下面我会按照推特的关注数排序介绍一些博主，他们一直在做人工智能相关的原创内容，而不只是一些新闻摘要或者公司博客。
◦ Andrej Karpathy（推特关注数6.9万）
http://karpathy.github.io
◦ i am trask（推特关注数1.4万）
http://iamtrask.github.io
◦ Christopher Olah（推特关注数1.3万）
http://colah.github.io
◦ Top Bots（推特关注数1.1万）
http://www.topbots.com
◦ WildML（推特关注数1万）
http://www.wildml.com
◦ Distill（推特关注数9千）
https://distill.pub
◦ Machine Learning Mastery（推特关注数5千）
http://machinelearningmastery.com/blog/
◦ FastML（推特关注数5千）
http://fastml.com
◦ Adventures in NI（推特关注数5千）
https://joanna-bryson.blogspot.de
◦ Sebastian Ruder（推特关注数3千）
http://sebastianruder.com
◦ Unsupervised Methods（推特关注数1.7千）
http://unsupervisedmethods.com
◦ Explosion（推特关注数1千）
https://explosion.ai/blog/
◦ Tim Dettmers（推特关注数1千）
http://timdettmers.com
◦ When trees fall…（推特关注数265）
http://blog.wtf.sg
◦ ML@B（推特关注数80）
https://ml.berkeley.edu/blog/
Quora
Quora已经成为人工智能和机器学习的重要资源，许多顶尖的研究人员会在上面回答问题。下面我列出了一些主要关于人工智能的话题，如果你想自定义你的Quora喜好，你可以选择订阅这些话题。记得去查看每个话题下的FAQ部分（例如机器学习下常见问题解答），你可以看到Quora社区里提供的一些常见问题列表。
◦ 计算机科学 (560万关注)
https://www.quora.com/topic/Computer-Science
◦ 机器学习 (110万关注)
https://www.quora.com/topic/Machine-Learning
◦ 人工智能 (63.5万关注)
https://www.quora.com/topic/Artificial-Intelligence
◦ 深度学习 (16.7万关注)
https://www.quora.com/topic/Deep-Learning
◦ 自然语言处理 (15.5 万关注)
https://www.quora.com/topic/Natural-Language-Processing
◦ 机器学习分类(11.9万关注)
https://www.quora.com/topic/Classification-machine-learning
◦ 通用人工智能(8.2万 关注)
https://www.quora.com/topic/Artificial-General-Intelligence
◦ 卷积神经网络 (2.5万关注)
https://www.quora.com/topic/Convolutional-Neural-Networks-1?merged_tid=360493
◦ 计算语言学(2.3万关注)
https://www.quora.com/topic/Computational-Linguistics
◦ 循环神经网络(1.74万关注)
https://www.quora.com/topic/Recurrent-Neural-Networks-RNNs
（END）
杭州市卫生信息中心
微信号：zjhzhic
