本文包含了迄今為止大家公認的優(yōu)秀教程內(nèi)容。它絕不是網(wǎng)上每個ML相關(guān)教程的詳盡列表，而是經(jīng)過精挑細選而成的，畢竟網(wǎng)上的東西并不全是好的。我作者匯總的目標是為了補充我即將出版的新書，為它尋找在機器學(xué)習和NLP領(lǐng)域中找到的最佳教程。

通過這些最佳教程的匯總，我可以快速的找到我想要得到的教程。從而避免了閱讀更廣泛覆蓋范圍的書籍章節(jié)和苦惱的研究論文，你也許知道，當你的數(shù)學(xué)功底不是很好的時候這些論文你通常是拿不下的。為什么不買書呢？沒有哪一個作者是一個全能先生。當你嘗試學(xué)習特定的主題或想要獲得不同的觀點時，教程可能是非常有幫助的。

[[243905]]

我將這篇文章分為四個部分：機器學(xué)習，NLP，Python和數(shù)學(xué)。我在每個部分都包含了一些主題，但由于機器學(xué)習是一個非常復(fù)雜的學(xué)科，我不可能包含所有可能的主題。

如果有很好的教程你知道我錯過了，請告訴我！我將繼續(xù)完善這個學(xué)習教程。我在挑選這些鏈接的時候，都試圖保證每個鏈接應(yīng)該具有與其他鏈接不同的材料或以不同的方式呈現(xiàn)信息（例如，代碼與幻燈片）或從不同的角度。

機器學(xué)習

從機器學(xué)習入手（machinelearningmastery.com）

機器學(xué)習很有趣！（medium.com/@ageitgey）

機器學(xué)習規(guī)則：ML工程的最佳實踐（martin.zinkevich.org）

機器學(xué)習速成課程：第一部分，第二部分，第三部分（伯克利機器學(xué)習）

機器學(xué)習理論及其應(yīng)用簡介：用一個小例子進行視覺教程（toptal.com）
機器學(xué)習的簡單指南（monkeylearn.com）

我應(yīng)該使用哪種機器學(xué)習算法？（sas.com）

機器學(xué)習入門（sas.com）

初學(xué)者機器學(xué)習教程（kaggle.com/kanncaa1）

激活函數(shù)和Dropout函數(shù)

Sigmoid神經(jīng)??元（neuralnetworksanddeeplearning.com）

激活函數(shù)在神經(jīng)網(wǎng)絡(luò)中的作用是什么？（quora.com）

神經(jīng)網(wǎng)絡(luò)中常見的激活函數(shù)的優(yōu)缺點比較列表（stats.stackexchange.com）

激活函數(shù)及其類型對比（medium.com）

理解對數(shù)損失（exegetic.biz）

損失函數(shù)（斯坦福CS231n）

L1與L2損失函數(shù)（rishy.github.io）

交叉熵成本函數(shù)（neuralnetworksanddeeplearning.com）

偏差（bias）

偏差在神經(jīng)網(wǎng)絡(luò)中的作用（stackoverflow.com）

神經(jīng)網(wǎng)絡(luò)中的偏差節(jié)點（makeyourownneuralnetwork.blogspot.com）

什么是人工神經(jīng)網(wǎng)絡(luò)的偏差？（quora.com）

感知器

感知器（neuralnetworksanddeeplearning.com）

感知器（natureofcode.com）

單層神經(jīng)網(wǎng)絡(luò)（感知器）（dcu.ie）

從Perceptrons到Deep Networks（toptal.com）

回歸

線性回歸分析介紹（duke.edu）

線性回歸（ufldl.stanford.edu）

線性回歸（readthedocs.io）

Logistic回歸（readthedocs.io）

機器學(xué)習的簡單線性回歸教程（machinelearningmastery.com）

機器學(xué)習的Logistic回歸教程（machinelearningmastery.com）

Softmax回歸（ufldl.stanford.edu）

梯度下降

在梯度下降中學(xué)習（neuralnetworksanddeeplearning.com）

梯度下降（iamtrask.github.io）

如何理解梯度下降算法（kdnuggets.com）

梯度下降優(yōu)化算法概述（sebastianruder.com）

優(yōu)化：隨機梯度下降（斯坦福CS231n）

生成學(xué)習（Generative Learning）

生成學(xué)習算法（斯坦福CS229）

樸素貝葉斯分類器的實用解釋（monkeylearn.com）

支持向量機

支持向量機（SVM）簡介（monkeylearn.com）

支持向量機（斯坦福CS229）

線性分類：支持向量機，Softmax（Stanford 231n）

反向傳播

你應(yīng)該了解的backprop（medium.com/@karpathy）

你能給出神經(jīng)網(wǎng)絡(luò)反向傳播算法的直觀解釋嗎？（github.com/rasbt）

反向傳播算法的工作原理（neuralnetworksanddeeplearning.com）

通過時間反向傳播和消失的漸變（wildml.com）

時間反向傳播的簡單介紹（machinelearningmastery.com）

反向傳播，直覺（斯坦福CS231n）

深度學(xué)習

YN2深度學(xué)習指南（yerevann.com）

深度學(xué)習論文閱讀路線圖（github.com/floodsung）

Nutshell中的深度學(xué)習（nikhilbuduma.com）

深度學(xué)習教程（Quoc V.Le）

什么是深度學(xué)習？（machinelearningmastery.com）

人工智能，機器學(xué)習和深度學(xué)習之間有什么區(qū)別？（nvidia.com）

深度學(xué)習–簡單介紹 （gluon.mxnet.io）

最優(yōu)化和降維

數(shù)據(jù)降維減少的七種技術(shù)（knime.org）

主成分分析（斯坦福CS229）

Dropout：一種改善神經(jīng)網(wǎng)絡(luò)的簡單方法（Hinton @ NIPS 2012）

如何訓(xùn)練你的深度神經(jīng)網(wǎng)絡(luò)?（rishy.github.io）

長短期記憶（LSTM）

長短期記憶網(wǎng)絡(luò)的通俗介紹（machinelearningmastery.com）

了解LSTM 神經(jīng)網(wǎng)絡(luò)Networks（colah.github.io）

探索LSTM（echen.me）

任何人都可以學(xué)習用Python編寫LSTM-RNN（iamtrask.github.io）

卷積神經(jīng)網(wǎng)絡(luò)（CNN）

卷積網(wǎng)絡(luò)介紹（neuralnetworksanddeeplearning.com）

深度學(xué)習和卷積神經(jīng)網(wǎng)絡(luò)（medium.com/@ageitgey）

Conv Nets：模塊化視角（colah.github.io）

了解卷積（colah.github.io）

遞歸神經(jīng)網(wǎng)絡(luò)（RNN）

遞歸神經(jīng)網(wǎng)絡(luò)教程（wildml.com）

注意和增強的遞歸神經(jīng)網(wǎng)絡(luò)（distill.pub）

遞歸神經(jīng)網(wǎng)絡(luò)的不合理有效性（karpathy.github.io）

深入了解遞歸神經(jīng)網(wǎng)絡(luò)（nikhilbuduma.com）

強化學(xué)習

強化學(xué)習初學(xué)者入門及其實施指南（analyticsvidhya.com）

強化學(xué)習教程（mst.edu）

學(xué)習強化學(xué)習（wildml.com）

深度強化學(xué)習：來自像素的乒乓球（karpathy.github.io）

生成對抗網(wǎng)絡(luò)（GAN）

對抗機器學(xué)習簡介（aaai18adversarial.github.io）

什么是生成性對抗網(wǎng)絡(luò)？（nvidia.com）

濫用生成對抗網(wǎng)絡(luò)制作8位像素藝術(shù)（medium.com/@ageitgey）

Generative Adversarial Networks簡介（TensorFlow中的代碼）（aylien.com）

初學(xué)者的生成對抗網(wǎng)絡(luò)（oreilly.com）

多任務(wù)學(xué)習

深度神經(jīng)網(wǎng)絡(luò)中多任務(wù)學(xué)習概述（sebastianruder.com）

NLP

自然語言處理很有趣！（medium.com/@ageitgey）

自然語言處理神經(jīng)網(wǎng)絡(luò)模型入門（Yoav Goldberg）

自然語言處理權(quán)威指南（monkeylearn.com）

自然語言處理簡介（algorithmia.com）

自然語言處理教程（vikparuchuri.com）

自然語言處理（NLP）來自Scratch（arxiv.org）

深度學(xué)習和NLP

深度學(xué)習適用于NLP（arxiv.org）

NLP的深度學(xué)習（沒有魔法）（Richard Socher）

了解NLP的卷積神經(jīng)網(wǎng)絡(luò)（wildml.com）

深度學(xué)習、NLP、表示（colah.github.io）

最先進的NLP模型的新深度學(xué)習公式：嵌入、編碼、參與、預(yù)測（explosion.ai）

使用Torch深度神經(jīng)網(wǎng)絡(luò)進行自然語言處理（nvidia.com）

使用Pytorch進行深度學(xué)習NLP（pytorich.org）

詞向量

使用詞袋模型解決電影評論分類（kaggle.com）

詞嵌入介紹第一部分，第二部分，第三部分（sebastianruder.com）

詞向量的驚人力量（acolyer.org）

word2vec參數(shù)學(xué)習解釋（arxiv.org）

Word2Vec教程-?Skip-Gram模型，負抽樣（mccormickml.com）

編碼器-解碼器

深度學(xué)習和NLP中的注意力機制和記憶力模型（wildml.com）

序列模型（tensorflow.org）

使用神經(jīng)網(wǎng)絡(luò)進行序列學(xué)習（NIPS 2014）

機器學(xué)習很有趣第五部分：深度學(xué)習的語言翻譯和序列的魔力（medium.com/@ageitgey）

如何使用編碼器-解碼器LSTM來回顯隨機整數(shù)序列（machinelearningmastery.com）

tf-seq2seq（google.github.io）

Python

機器學(xué)習速成課程（google.com）

令人敬畏的機器學(xué)習（github.com/josephmisiti）

使用Python掌握機器學(xué)習的7個步驟（kdnuggets.com）

一個示例機器學(xué)習筆記（nbviewer.jupyter.org）

使用Python進行機器學(xué)習（tutorialspoint.com）

實戰(zhàn)案例

如何在Python中從頭開始實現(xiàn)感知器算法（machinelearningmastery.com）

在Python中使用Scratch實現(xiàn)神經(jīng)網(wǎng)絡(luò)（wildml.com）

使用11行代碼在Python中實現(xiàn)神經(jīng)網(wǎng)絡(luò)（iamtrask.github.io）

使用Python實現(xiàn)你自己的k-Nearest Neighbor算法（kdnuggets.com）

來自Scatch的ML（github.com/eriklindernoren）

Python機器學(xué)習（第2版）代碼庫（github.com/rasbt）

Scipy和numpy

Scipy講義（scipy-lectures.org）

Python Numpy教程（斯坦福CS231n）

Numpy和Scipy簡介（UCSB CHE210D）

Python中的科學(xué)家速成課程（nbviewer.jupyter.org）

scikit學(xué)習

PyCon scikit-learn教程索引（nbviewer.jupyter.org）

scikit-learn分類算法（github.com/mmmayo13）

scikit-learn教程（scikit-learn.org）

簡短的scikit-learn教程（github.com/mmmayo13）

Tensorflow

Tensorflow教程（tensorflow.org）

TensorFlow簡介 - CPU與GPU（medium.com/@erikhallstrm）

TensorFlow（metaflow.fr）

Tensorflow中的RNN（wildml.com）

在TensorFlow中實現(xiàn)CNN進行文本分類（wildml.com）

如何使用TensorFlow運行文本摘要（surmenok.com）

PyTorch

PyTorch教程（pytorch.org）

PyTorch的簡單介紹（gaurav.im）

教程：PyTorch中的深度學(xué)習（iamtrask.github.io）

PyTorch示例（github.com/jcjohnson）

PyTorch教程（github.com/MorvanZhou）

深度學(xué)習研究人員的PyTorch教程（github.com/yunjey）

數(shù)學(xué)

機器學(xué)習數(shù)學(xué)（ucsc.edu）

機器學(xué)習數(shù)學(xué)（UMIACS CMSC422）

線性代數(shù)

線性代數(shù)直觀指南（betterexplained.com）

程序員對矩陣乘法的直覺（betterexplained.com）

了解Cross產(chǎn)品（betterexplained.com）

了解Dot產(chǎn)品（betterexplained.com）

用于機器學(xué)習的線性代數(shù)（布法羅大學(xué)CSE574）

用于深度學(xué)習的線性代數(shù)備忘單（medium.com）

線性代數(shù)評論與參考（斯坦福CS229）

概率論

用比率理解貝葉斯定理（betterexplained.com）

概率論入門（斯坦福CS229）

機器學(xué)習的概率論教程（斯坦福CS229）

概率論（布法羅大學(xué)CSE574）

機器學(xué)習的概率論（多倫多大學(xué)CSC411）

微積分

如何理解導(dǎo)數(shù)：商數(shù)規(guī)則，指數(shù)和對數(shù)（betterexplained.com）

如何理解導(dǎo)數(shù)：產(chǎn)品，動力和鏈條規(guī)則（betterexplained.com）

矢量微積分：了解漸變（betterexplained.com）

微分學(xué)（斯坦福CS224n）

微積分概述（readthedocs.io）

本文由阿里云云棲社區(qū)組織翻譯。

文章原標題《over-200-of-the-best-machine-learning-nlp-and-python-tutorials-2018-edition》

作者：Robbie Allen

譯者：虎說八道，審校：。