人工智能资料大全
人工智能資料大全
斯坦福大學cs231
? 課件地址： http://cs231n.stanford.edu/slides/2017/?? 課程視頻地址： https://www.youtube.com/playlist?list=PL3FW7Lu3i5JvHM8ljYj-zLfQRF3EO8sYv?
? Bilibili視頻地址： http://www.bilibili.com/video/av13260183/#page=1?
1、入門首選：
http://deeplearning.net/tutorial/該站提供了一系列的theano代碼示范，通過研究模仿，就可以學會包括NN/DBN/CNN/RNN在內的大部分主流技術。其中也有很多文獻連接以供參考。
2、BP神經網絡：
http://neuralnetworksanddeeplearning.com/
第1部分的教程中，神經網格的參數是theano自動求導的，如果想深入了解細節，還得手動推導加代碼實現一遍。該教程對BP神經網絡的理論細節講的非常好。
3、理論補充：
http://goodfeli.github.io/dlbook/
該書內容比較廣泛，雖未最終完成，但已初見氣象。用來完善理論知識是再好不過。
4、圖像處理中的卷積神經網絡：
http://vision.stanford.edu/teaching/cs231n/syllabus.html
前面三部分相當于導論，比較寬泛一些，該教程則是專注于卷積神經網絡在圖像視覺領域的運用，CNN方面知識由此深入。
5、自然語言處理中的深度學習：
http://cs224d.stanford.edu/
本教程則偏重于深度學習在自然語言處理領域的運用，詞向量等方面知識由此深入。
6、遞歸神經網絡：
http://www.wildml.com/
該博客講的RNN是非常棒的系列，不可不讀。
7、keras框架：
http://keras.io/
keras框架是基于theano的上層框架，容易快速出原型，網站中提供的大量實例也是非常難得的研究資料。
8、深度學習和NLP
https://github.com/nreimers/deeplearning4nlp-tutorial/tree/master/2015-10_Lecture
該教程是第5部分的補充，理論講的不多，theano和keras代碼講的很多，附帶的代碼筆記很有參考價值。
9、機器學習教程
https://www.cs.ox.ac.uk/people/nando.defreitas/machinelearning/
牛津大學的機器學習課程，講到了大量深度學習和強化學習的內容，適合于復習過一遍。
10、搭建硬件平臺
http://xccds1977.blogspot.com/2015/10/blog-post.html
到這里，你的理論和代碼功力應該差不多入門了，可以組個GPU機器來大干一場了。可以參考筆者這個博客來攢個機器。
11、去kaggle實戰玩玩吧
? ? ? ? http://www.kaggle.com/
鏈接： https://ocw.mit.edu/courses/mathematics/18-06sc-linear-algebra-fall-2011/index.htm
MIT微積分公開課
鏈接： https://www.edx.org/course/calculus-1a-differentiation-mitx-18-01-1x
MIT概率論公開課
鏈接： https://www.edx.org/course/introduction-probability-science-mitx-6-041x-2
? ? ? ? 神經網絡細胞原理? http://www.tudou.com/listplay/sQi_LbKp7Kk/VUQGmBXIzf0.html
? ? ? ? 人工神經網絡? http://www.analyticsvidhya.com/blog/2016/03/introduction-deep-learning-fundamentals-neural-networks/ 人工智能(AI)資料大全 | 程序師 與50位技術專家面對面20年技術見證，附贈技術全景圖
總結
