本文收录了迄今为止大家公认的优秀教程内容。它绝不是网络上所有与ML相关的教程的详尽列表，而是精心挑选的，毕竟不是所有在线的东西都是好的。我的作者编译的目的是通过寻找机器学习和NLP领域的最佳教程来补充我即将出版的书。通过收集这些最好的教程，我可以快速找到我想要得到的教程。从而避免阅读覆盖面更广的书籍章节和令人费解的研究论文，正如您可能知道的那样，当您的数学背景不是很好时，这些通常是不可接受的。为什么不买书？没有作家是全能先生。当您尝试学习特定主题或想要获得不同的视角时，教程会非常有用。我将这篇文章分为四个部分：机器学习、NLP、Python和数学。我在每个部分都包含了一些主题，但由于机器学习是一门非常复杂的学科，我不可能涵盖所有可能的主题。如果您知道我错过了一个很好的教程，请告诉我！我会继续完善这个学习教程。当我选择这些链接时，我试图确保每个链接应该有不同的材料或以不同的方式呈现信息（例如，代码与幻灯片）或从与其他链接不同的角度来看。机器学习机器学习入门(machinelearningmastery.com)机器学习很有趣！(medium.com/@ageitgey)机器学习规则：ML工程的最佳实践(martin.zinkevich.org)机器学习速成课程：第一部分、第二部分、第三部分（伯克利的机器学习）机器学习理论及其应用简介:带有小示例的视觉教程(toptal.com)机器学习简单指南(monkeylearn.com)我应该使用哪种机器学习算法？(sas.com)机器学习简介(sas.com)机器学习初学者教程(kaggle.com/kanncaa1)激活函数和丢弃函数Sigmoid神经元(neuralnetworksanddeeplearning.com)激活函数在神经网络中的作用是什么？(quora.com)神经网络常用激活函数优缺点对比表(stats.stackexchange.com)激活函数及其类型对比(medium.com)理解对数损失(exegetic.biz)损失函数(StanfordCS231n))L1vs.L2损失函数(rishy.github.io)交叉熵成本函数(neuralnetworksanddeeplearning.com)偏差(bias)神经网络中偏差的作用(stackoverflow.com)神经网络中的偏差节点(makeyourownneuralnetwork.blogspot.com))人工神经网络中的偏差是什么？(quora.com)感知器(neuralnetworksanddeeplearning.com)感知器(natureofcode.com)单层神经网络(Perceptrons)(dcu.ie)从感知器到深度网络(toptal.com)回归线性回归分析简介(duke.edu)线性回归(ufldl.stanford.edu)线性回归(readthedocs.io)逻辑回归(readthedocs.io)机器学习的简单线性回归教程(machinelearningmastery.com)机器学习的逻辑回归教程(machinelearningmastery.com)Softmax回归(ufldl.stanford.edu）梯度下降中的梯度下降学习（neuralnetworksanddeeplearning.com）梯度下降（iamtrask.github.io）如何理解梯度下降算法（kdnuggets.com）梯度下降优化算法概述（sebastianruder.com）优化：随机梯度下降（StanfordCS231n)GenerativeLearningAlgorithmsforGenerativeLearning(StanfordCS229)APracticalExplanationofNaiveBayesianClassifiers(monkeylearn.com)SupportVectorMachinesIntroductiontoSupportVectorMachines(SVM)(monkeylearn.com)支持向量机(StanfordCS229)线性分类:SVM,Softmax(Stanford231n)Backprop关于backprop你应该知道的事(medium.com/@karpathy)你能对神经网络反向传播算法给出一个直观的解释吗？(github.com/rasbt)反向传播算法的工作原理(neuralnetworksanddeeplearning.com)通过时间和梯度消失的反向传播(wildml.com)通过时间的反向传播简介(machinelearningmastery.com)反向传播，直觉(StanfordCS231n)深度学习YN2深度学习指南(yerevann.com)深度学习论文阅读路线图(github.com/floodsung)深度学习简而言之(nikhilbuduma.com)深度学习教程(QuocV.Le)什么是深度学习研究？(machinelearningmastery.com)人工智能、机器学习和深度学习有什么区别？(nvidia.com)深度学习-简介(gluon.mxnet.io)优化和降维数据降维的七种技术(knime.org)主成分分析(StanfordCS229)Dropout：一种改进神经网络的方法TheSimpleWay(Hinton@NIPS2012)如何训练你的深度神经网络？(rishy.github.io)长短期记忆(LSTM)LSTM网络的流行介绍(machinelearningmastery.com)了解LSTM神经网络(colah.github.io)探索LSTM(echen.me)任何人都可以学习写作Python中的LSTM-RNN(iamtrask.github.io)卷积神经网络(CNN)卷积网络简介(neuralnetworksanddeeplearning.com)深度学习和卷积神经网络(medium.com/@ageitgey)ConvNets:AModularPerspective(colah.github.io)理解卷积(colah.github.io)递归神经网络(RNN)递归神经网络教程(wildml.com)具有注意力和增强的递归神经网络(distill.pub)递归神经网络的不合理有效性(karpathy.github.io)DeepDiveintoRecurrentNeuralNetworks(nikhilbuduma.com)ReinforcementLearningBeginnersIntroductiontoReinforcementLearningandItsImplementationGuide(analyticsvidhya.com)ReinforcementLearningTutorial(mst.edu)LearningReinforcementLearning(wildml.com)DeepReinforcementLearning:PingPong来自Pixels(karpathy.github.io)GenerativeAdversarialNetworks(GAN)IntroductiontoAdversarialMachineLearning(aaai18adversarial.github.io)What是生成对抗网络？(nvidia.com)滥用生成对抗网络制作8位像素艺术(medium.com/@ageitgey)生成对抗网络简介（TensorFlow中的代码）(aylien.com)初学者生成对抗网络(oreilly.com)多任务处理LearningOverviewofMulti-TaskLearninginDeepNeuralNetworks(sebastianruder.com)NLP自然语言处理很有趣！(medium.com/@ageitgey)NLP神经网络模型简介(YoavGoldberg)NLP权威指南(monkeylearn.com)NLP简介(algorithmia.com)NLP教程(vikparuchuri.com)NLP(NLP)FromScratch(arxiv.org)DeepLearningandNLPDeepLearningforNLP(arxiv.org)DeepLearningforNLP(NoMagic)(RichardSocher)UnderstandingConvolutionalNeuralNetworksforNLP(wildml.com)深度学习，NLP，表示(colah.github.io)最先进的NLP模型的新深度学习公式：使用Torch深度神经网络的嵌入、编码、参与、预测(explosion.ai)Row自然语言处理(nvidia.com)使用PytorchNLP进行深度学习(pytorich.org)使用词袋进行电影评论分类的词向量(kaggle.com)词嵌入简介第1部分、第2部分、第3部分(sebastianruder.com))词嵌入的惊人力量(acolyer.org)Word2vec参数学习解释(arxiv.org)Word2Vec教程-~Skip-Gram模型，负采样(mccormickml.com)NLP力机制和记忆中的编码器-解码器深度学习和注意力模型(wildml.com)序列模型(tensorflow.org)使用神经网络进行序列学习(NIPS2014)机器学习很有趣第五部分：语言翻译和深度学习序列的魔力(medium.com/@ageitgey)如何使用用于回显整数随机序列的编码器-解码器LSTM(machinelearningmastery.com)tf-seq2seq(google.github.io)Python机器学习速成课程(google.com)AwesomeMachineLearning(github.com/josephmisiti)掌握机器的7个步骤学习无线thPython(kdnuggets.com)示例机器学习笔记本(nbviewer.jupyter.org)使用Python进行机器学习(tutorialspoint.com)如何在Python算法中从头开始实现感知器的实际示例(machinelearningmastery.com)中的神经网络PythonUsingScratch(wildml.com)11行代码中的Python神经网络(iamtrask.github.io)ImplementYourOwnk-NearestNeighborAlgorithminPython(kdnuggets.com)来自Scatch的机器学习(github.com/eriklindernoren)Python机器学习（第2版）代码库(github.com/rasbt)Scipy和numpyScipy讲座(scipy-lectures.org)PythonNumpy教程(StanfordCS231n)Numpy和介绍Scipy(UCSBCHE210D)Python科学家速成班(nbviewer.jupyter.org)scikit-learnPyConscikit-learn教程索引(nbviewer.jupyter.org)scikit-learn分类算法(github.com/mmmayo13)scikit-learn教程(scikit-learn.org)shortscikit-learn教程(github.com/mmmayo13)TensorflowTensorflow教程(tensorflow.org)TensorFlow简介-CPU与GPU(medium.com/@erikhallstrm)TensorFlow(metaflow.fr)Tensorflow中的RNN(wildml.com)在TensorFlow中实现CNN进行文本分类(wildml.com)如何使用TensorFlow运行文本摘要(surmenok.com)PyTorchPyTorch教程(pytorch.org)PyTorch简单介绍(gaurav.im)教程：PyTorch中的深度学习(iamtrask.github.io)PyTorch示例(github.com)/jcjohnson)PyTorchTutorial(github.com/MorvanZhou)PyTorchTutorialforDeepLearningResearchers(github.com/yunjey)Mathematics机器学习数学(ucsc.edu)机器学习数学(UMIACSCMSC422)LinearAlgebraAnIntuitiveGuidetoLinearAlgebra(betterexplained.com)程序员的我矩阵乘法的直觉(betterexplained.com)理解叉积(betterexplained.com)理解点积(betterexplained.com)机器学习的线性代数(布法罗大学CSE574)深度学习的线性代数备忘单(medium.com)线性代数复习与参考（斯坦福CS229）概率论理解贝叶斯定理与比率（betterexplained.com）概率论简介（斯坦福CS229）机器学习概率论教程（斯坦福CS229）概率论（布法罗大学CSE574）机器概率论学习（多伦多大学CSC411）微积分如何理解导数：商法则、指数和对数(betterexplained.com)如何理解导数：乘积、动力学和链式法则(betterexplained.com)VectorCalculus:UnderstandingGradients(betterexplained.com)DifferentialCalculus(StanfordCS224n)AnOverviewofCalculus(readthedocs.io)虎口胡说八道，审稿人：。
