请收下这份2018学习清单：150个最好的机器学习，NLP和Python教程

本文英文出处：Robbie Allen

翻译/雷锋网字幕组 吴楚

校对/ 雷锋网 田晋阳

机器学习的发展可以追溯到1959年，有着丰富的历史。这个领域也正在以前所未有的速度进化。在之前的

一篇文章

中，我们讨论过为什么通用人工智能领域即将要爆发。有兴趣入坑ML的小伙伴不要拖延了，时不我待！

在今年秋季开始准备博士项目的时候，我已经精选了一些有关机器学习和NLP的优质网络资源。一般我会找一个有意思的教程或者视频，再由此找到三四个，甚至更多的教程或者视频。猛回头，发现标收藏夹又多了20个资源待我学习（推荐提升效率工具Tab Bundler）。

找到超过25个有关ML的“小抄”后，我写一篇博文，里面的资源都有超链接。

为了帮助也在经历类似探索过程的童鞋，我把至今发现的最好的教程汇总了一个列表。当然这不是网络上有关ML的最全集合，而且其中有一部分内容很普通。我的目标是要找到最好的有关机器学习子方向和NLP的教程。

我引用了能简洁介绍概念的基础内容。我已经回避包含一些大部头书的章节，和对理解概念没有帮助的科研论文。那为什么不买一本书呢？ 因为教程能更好地帮助你学一技之长或者打开新视野。

我把这博文分成四个部分，机器学习，NLP，Python，和数学基础。在每一小节我会随机引入一些问题。由于这方面学习材料太丰富了，本文并未涵括所有内容。

机器学习

1、机器学习就是这么好玩！(medium.com/@ageitgey)

机器学习速成课程（Berkeley的ML）：

Part I：https://ml.berkeley.edu/blog/2016/11/06/tutorial-1/

Part II：https://ml.berkeley.edu/blog/2016/12/24/tutorial-2/

Part III：https://ml.berkeley.edu/blog/2017/02/04/tutorial-3/

2、Activation and Loss Functions

激活函数与损失函数

3、偏差（Bias）

4、感知器（Perceptron）

5、回归算法

6、梯度下降

7、生成学习

8、支持向量机

9、后向传播算法（Backpropagation）

10、深度学习

11、优化算法与降维算法

12、长短期记忆(LSTM)

13、卷积神经网络（CNNs）

14、递归神经网络(RNNs)

15、强化学习

16、对抗式生成网络模型(GANs)

17、多任务学习

NLP

1、NLP

Natural Language Processing (almost) from Scratch (arxiv.org)

2、深度学习和 NLP

3、词向量（Word Vectors）

学习单词嵌入表示法(sebastianruder.com)

Part I：http://sebastianruder.com/word-embeddings-1/index.html

Part II：http://sebastianruder.com/word-embeddings-softmax/index.html

Part III：http://sebastianruder.com/secret-word2vec/index.html

4、Encoder-Decoder

Python

1、Python

2、实例

3、Scipy 和 numpy

4、scikit-learn

5、Tensorflow

(medium.com/@erikhallstrm)

6、PyTorch

数学

1、机器学习中的数学 (ucsc.edu)

https://people.ucsc.edu/~praman1/static/pub/math-for-ml.pdf

2、线性代数

3、概率论

4、计算方法（Calculus）

为帮助对自然语言处理感兴趣的同学快速高效入门，雷锋网AI慕课学院特邀新加坡南洋理工大学博士玖强老师，为大家带来《NLP工程师入门实践班：基于深度学习的自然语言处理》，课程包含NLP三大知识模块，算法理论+案例实训，搭配典型行业应用，层层递进，直通自然语言处理的本质及其应用！

早鸟价799元倒计时3天！！

更有组团优惠，4人成团每人优惠200元，快来组团报名吧！