图灵汇官网

200+ 最佳机器学习、自然语言处理和Python教程——2018年版

去年，我撰写了一篇颇受欢迎的博文（在Medium上的浏览量达到16万次），列出了我在深入研究大量机器学习资源时发现的最佳教程。如今，随着大量关于传统机器学习概念的新教程涌现，以及在过去一年中出现的新技术，机器学习领域的资源数量惊人地增长。

本文精选了迄今为止我发现的最佳教程。这并不是网上的每一个与机器学习相关的教程的详尽列表（那是一项庞大且枯燥的工作），而是经过精心筛选的结果。我的目标是整理出在机器学习和自然语言处理各个领域中最好的教程。

在这些教程中，我尽量简化对具体概念的解释，以使读者更容易理解。为什么不直接购买书籍？当你希望对某些特定主题或不同方面进行初步了解时，我相信这些教程会更有帮助。

本文按照四个主题整理：机器学习、自然语言处理、Python和数学。每个主题都包含若干资源，但不可能覆盖所有内容。

如果你认为我遗漏了好的教程资源，请告知我。为了避免重复列出资源，我在每个主题下只列出了大约5到6个教程。下面的每个链接都指向不同的资源，并通过不同的方式或不同的角度展示这些内容。

相关资源

作者Robbie Allen是一位科技作家和创业者，并自学了人工智能并成为博士生。他曾整理了许多广为流传的机器学习相关资源。

1. 2017年版教程资源

• 英文：Over 150 of the Best Machine Learning, NLP, and Python Tutorials I’ve Found
• 中文翻译：http://pytlab.org

2. AI和机器学习资源汇总

• 英文：My Curated List of AI and Machine Learning Resources from Around the Web
• 中文翻译：http://www.sohu.com/a/168291972_473283

3. 机器学习和Python速查表

• 英文：Cheat Sheet of Machine Learning and Python (and Math) Cheat Sheets

目录

1. 机器学习

• 激活函数与损失函数
• 偏差
• 感知机
• 回归
• 梯度下降
• 生成学习
• 支持向量机
• 反向传播
• 深度学习
• 优化与降维
• 长短期记忆网络
• 卷积神经网络
• 循环神经网络
• 强化学习
• 生产对抗模型
• 多任务学习

2. 自然语言处理

• 深度学习与自然语言处理
• 词向量
• 编解码模型

3. Python

• 示例
• Scipy和NumPy教程
• Scikit-learn教程
• TensorFlow教程
• PyTorch教程

4. 数学基础

• 线性代数
• 概率论
• 微积分

1. 机器学习

开始学习机器学习

• 英文：Start Here with Machine Learning
• 中文：https://machinelearningmastery.com/start-here/

机器学习简介

• 英文：Machine Learning is Fun!
• 中文：https://medium.com/@ageitgey/machine-learning-is-fun-80ea3ec3c471

机器学习工程最佳实践

• 英文：Rules of Machine Learning: Best Practices for ML Engineering
• 中文：http://martin.zinkevich.org/rulesofml/rulesofml.pdf

机器学习速成课程

• 英文：Machine Learning Crash Course: Part I, Part II, Part III
• 中文：https://ml.berkeley.edu/blog/2016/11/06/tutorial-1/

机器学习理论与应用教程

• 英文：An Introduction to Machine Learning Theory and Its Applications: A Visual Tutorial with Examples
• 中文：https://www.toptal.com/machine-learning/machine-learning-theory-an-introductory-primer

机器学习入门指南

• 英文：A Gentle Guide to Machine Learning
• 中文：https://monkeylearn.com/blog/a-gentle-guide-to-machine-learning/

如何选择机器学习算法

• 英文：Which machine learning algorithm should I use?
• 中文：https://blogs.sas.com/content/subconsciousmusings/2017/04/12/machine-learning-algorithm-use/

机器学习入门指南

• 英文：The Machine Learning Primer
• 中文：https://www.sas.com/content/dam/SAS/en_us/doc/whitepaper1/machine-learning-primer-108796.pdf

机器学习教程初学者

• 英文：Machine Learning Tutorial for Beginners
• 中文：https://www.kaggle.com/kanncaa1/machine-learning-tutorial-for-beginners

1.1 激活函数与损失函数

• 英文：Sigmoid neurons
• 中文：http://neuralnetworksanddeeplearning.com/chap1.html#sigmoid_neurons

1.2 偏差

• 英文：Role of Bias in Neural Networks
• 中文：https://stackoverflow.com/questions/2480650/role-of-bias-in-neural-networks/2499936#2499936

1.3 感知机

• 英文：Perceptrons
• 中文：http://neuralnetworksanddeeplearning.com/chap1.html#perceptrons

1.4 回归

• 英文：Introduction to linear regression analysis
• 中文：http://people.duke.edu/~rnau/regintro.htm

1.5 梯度下降

• 英文：Learning with gradient descent
• 中文：http://neuralnetworksanddeeplearning.com/chap1.html#learningwithgradient_descent

1.6 生成学习

• 英文：Generative Learning Algorithms
• 中文：http://cs229.stanford.edu/notes/cs229-notes2.pdf

1.7 支持向量机

• 英文：An introduction to Support Vector Machines (SVM)
• 中文：https://monkeylearn.com/blog/introduction-to-support-vector-machines-svm/

1.8 反向传播

• 英文：Yes you should understand backprop
• 中文：https://medium.com/@karpathy/yes-you-should-understand-backprop-e2f06eab496b

1.9 深度学习

• 英文：A Guide to Deep Learning by YN²
• 中文：http://yerevann.com/a-guide-to-deep-learning/

1.10 优化与降维

• 英文：Seven Techniques for Data Dimensionality Reduction
• 中文：https://www.knime.org/blog/seven-techniques-for-data-dimensionality-reduction

1.11 长短期记忆网络

• 英文：A Gentle Introduction to Long Short-Term Memory Networks by the Experts
• 中文：http://machinelearningmastery.com/gentle-introduction-long-short-term-memory-networks-experts/

1.12 卷积神经网络

• 英文：Introducing convolutional networks
• 中文：http://neuralnetworksanddeeplearning.com/chap6.html#introducingconvolutionalnetworks

1.13 循环神经网络

• 英文：Recurrent Neural Networks Tutorial
• 中文：http://www.wildml.com/2015/09/recurrent-neural-networks-tutorial-part-1-introduction-to-rnns/

1.14 强化学习

• 英文：Simple Beginner’s guide to Reinforcement Learning & its implementation
• 中文：https://www.analyticsvidhya.com/blog/2017/01/introduction-to-reinforcement-learning-implementation/

1.15 生产对抗模型

• 英文：Adversarial Machine Learning
• 中文：https://aaai18adversarial.github.io/slides/AML.pptx

1.16 多任务学习

• 英文：An Overview of Multi-Task Learning in Deep Neural Networks
• 中文：http://sebastianruder.com/multi-task/index.html

2. 自然语言处理

• 英文：Natural Language Processing is Fun!
• 中文：https://medium.com/@ageitgey/natural-language-processing-is-fun-9a0bff37854e

2.1 深度学习与自然语言处理

• 英文：Deep Learning applied to NLP
• 中文：https://arxiv.org/pdf/1703.0391.pdf

2.2 词向量

• 英文：Bag of Words Meets Bags of Popcorn
• 中文：https://www.kaggle.com/c/word2vec-nlp-tutorial

2.3 编解码模型

• 英文：Attention and Memory in Deep Learning and NLP
• 中文：http://www.wildml.com/2016/01/attention-and-memory-in-deep-learning-and-nlp/

3. Python

• 英文：Machine Learning Crash Course
• 中文：https://developers.google.com/machine-learning/crash-course/

3.1 示例

• 英文：How To Implement The Perceptron Algorithm From Scratch In Python
• 中文：http://machinelearningmastery.com/implement-perceptron-algorithm-scratch-python/

3.2 Scipy和NumPy教程

• 英文：Scipy Lecture Notes
• 中文：http://www.scipy-lectures.org/

3.3 Scikit-learn教程

• 英文：PyCon scikit-learn Tutorial Index
• 中文：http://nbviewer.jupyter.org/github/jakevdp/sklearn_pycon2015/blob/master/notebooks/Index.ipynb

3.4 TensorFlow教程

• 英文：Tensorflow Tutorials
• 中文：https://www.tensorflow.org/tutorials/

3.5 PyTorch教程

• 英文：PyTorch Tutorials
• 中文：http://pytorch.org/tutorials/

4. 数学基础

• 英文：Math for Machine Learning
• 中文：https://people.ucsc.edu/~praman1/static/pub/math-for-ml.pdf

4.1 线性代数

• 英文：An Intuitive Guide to Linear Algebra
• 中文：https://betterexplained.com/articles/linear-algebra-guide/

4.2 概率论

• 英文：Understanding Bayes Theorem With Ratios
• 中文：https://betterexplained.com/articles/understanding-bayes-theorem-with-ratios/

4.3 微积分

• 英文：How To Understand Derivatives: The Quotient Rule, Exponents, and Logarithms
• 中文：https://betterexplained.com/articles/how-to-understand-derivatives-the-quotient-rule-exponents-and-logarithms/