AI学习初期的【网址】
吴恩达深度学习笔记以及代码作业：
https://github.com/HuangCongQing/deeplearning.ai-note
推荐大家上github这个项目，问答作业和编程作业比较全，版式也很工整！
https://github.com/Kulbear
机器学习视频
见百度网盘
深度学习视频
https://mooc.study.163.com/university/deeplearning_ai#/c
deeplearning.ai官网
https://www.deeplearning.ai/
我的AI 学习过的资料
数学
注意：由于我是研究生时期看的，所以我是有数学刷题基础的，看得内容也属于有基础看为宜
视频
【线性代数的本质】合集-转载于3Blue1Brown官方双语】
https://www.bilibili.com/video/av44855426
【微积分的本质】合集 转载于3Blue1Brown官方双语
https://www.bilibili.com/video/av43822357
【概率】合集-转载于可汗学院公开课
https://www.bilibili.com/video/av46338100
【统计学习】中科院统计学习基础43讲
为算法取名字是需要技巧的
https://v.youku.com/v_show/id_XNTQxNjUyODM2.html?spm=a2hzp.8253869.0.0
书
《统计学习》李航
深度学习
黄海广笔记（排版以及时间安排细节很好，打印约60元彩印）
https://github.com/fengdu78/Coursera-ML-AndrewNg-Notes
https://github.com/fengdu78/deeplearning_ai_books
视频
【学习观0-5集合】YJango于建国（日本*神经网络博士）
https://www.bilibili.com/video/av36032860
额外不重要的参考
https://github.com/liweimin1996/MachineLearning-DeepLearning-NLP-LeetCode-StatisticalLearningMethod-TensorFlow
资源大综合
http://www.52nlp.cn
论坛 fast.ai
Welcome to fast.ai’s 7 week course,Practical Deep Learning For Coders, Part 1, taught by Jeremy Howard (Kaggle’s#1 competitor 2 years running, and founder ofEnlitic). Learn how to build state of the art models without needing graduate-level math—but also without dumbing anything down. Oh and one other thing… it’s totally free!
这是fast.ai官网上的课程介绍，课程由kaggle赛事老司机，连续两年冠军Jeremy Howard 和 Rachel Tomas 联合创办，旨在让更多人能接受深度学习的课程，而且是完全免费！真的是业界良心，这两年深度学习火了起来，国内就马上有培训机构推出收费课程了，教学水平参差不齐。而Jeremy和Rachel推出的课程，恰恰提现了他们的教育理念：
课程官网：www.fast.ai
课程首页：course.fast.ai
维基百科：wiki.fast.ai （详细的课程学习资料）
课程论坛：forums.fast.ai （这里有全球活跃的学习者在一起讨论课程）
中文论坛：https://www.tinymind.cn（全部的中文翻译视频及其它汉化公开课程）
学习教程
吴恩达
没有再比吴恩达课程还要浅得让人入门懂的课程了！
吴恩达有两大系列课程
| 系列 | 课程时间 |
|---|---|
| 机器学习 | 20小时 |
| 深度学习 | 24小时 |
其中，这两套系列有重叠部分章节四五六周近 3 小时，有过时不用看章节近 2 小时，所以加起来根本不用花费多久。
笔记与书
-
黄广海博士已经提供了视频的字幕及排版好的 pdf 课程讲义，让听课程省掉笔记时间！
-
市面上 《深度学习XX入门/实战/》 为名的书几乎超过9成内容都是对吴恩达课程内容的照搬。
狠人一周就能完成，当然听懂后还需要大量时间去跑代码， github 已经提供大量前人已经提供的作业可供参考。
学习教程先后问题
吴恩达有 2011 年的“机器学习”，2017 年的 “深度学习”。完全可以直接学 “深度学习”。
- 吴恩达把知识讲得 “深入浅出” ，即使是 0 基础，也能立即听懂 “深度学习”教程。把生活中常见的 “房价预测”、“垃圾邮件”典型事例分析地很透彻。所以，缺点对应有：例子太简单，数学逻辑性掌握不到位等。
- 因为吴恩达使用的是 “英语”，使用简单的单词反而能让中国人更容易懂，因为中文的定语含义等太多了。人对熟悉的单词内容会深究，而英文相对陌生一些，懂字面意思就不继续深想，从而让理解进入快车道，而不是钻字面的牛角尖。
- 吴恩达的课程通篇都在讲一个数据集的方程与偏差。没有涉及太多练习不会产生混淆。没有涉及太多数学的深入，不会让人头大。
- 从国际大牛的角度，更多的开阔前沿科技及处理问题的视野与严谨性，例如是如何解决误差的部分特别大篇幅。这是弥补国内的常规接不到项目的大学老师通病。
- 以解决一个问题的思路，逻辑串联得很合人的思维，把涉及的所有专业名词都过了一遍。
最重要的一点：看完吴恩达的视频一定要看其他人的，才能从多角度立体掌握。 再配合代码更佳！
英文学习
适应讲课风格
因为吴恩达用的是英文口语，字幕是双语，这和平常讲话不太一样，所以需要适应风格。
-
预习:前两节的课，学者可以先快速浏览预习 “中文笔记 ”，把不明白的地方做标记，重点听。
-
复习：除前两节的课时外，可以直接听，不用预习，只需遇到不明白的地方到讲义上查找。学者熟悉了讲课的风格，基础单词也从前两课累积了，“上路子”就顺畅了。
-
把书读薄：做一份属于自己的简短笔记，最好是 “图形化” 的，方便自己立马理解的。
李航《统计学习方法》
当有了吴恩达的课程基础后，对一些 “专有名词” ，特别是数学算法名词好奇的朋友，这本书将是毫无废话的 “速查手册” ，将用到的数学算法精简高质地列在纸上，等待你的随时查阅，非常精炼！省得去其他数学书上进行一处处查找。
我购买了纸质书学习的。
李飞飞
cs231n-2016徒手实现算法不调用任何框架李飞飞
李飞飞（女）教授在“TED”演讲时公开的图片开源网址
李飞飞图片开源库 www.image.net.org
5000万张图片，全部是人工清洗过的，标注超过2万个分类。
其他名家
吴立德
上海复旦大学博导，老教授。课程是2013年的，黑板板书，黑板视频不清晰，看着比较费劲。板书公式比较多，不适合初学者去形象化记忆。
课程质量内容安排还是很学校化的，中规中矩。
因为视频不太清晰，比较费眼，所以我没有选择看下去。