# mlhub123

**Repository Path**: masterf/mlhub123

## Basic Information

- **Project Name**: mlhub123
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: MIT
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2020-07-17
- **Last Updated**: 2020-12-19

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

<!-- @import "[TOC]" {cmd="toc" depthFrom=1 depthTo=6 orderedList=false} -->

<!-- code_chunk_output -->

* [mlhub123](#mlhub123)
	* [导航](#导航)
		* [新闻资讯](#新闻资讯)
		* [社区交流](#社区交流)
		* [优质博文](#优质博文)
		* [资源检索](#资源检索)
		* [比赛实践](#比赛实践)
	* [资源](#资源)
		* [课程学习](#课程学习)
		* [资源收集](#资源收集)
		* [开源书籍](#开源书籍)
		* [实战项目](#实战项目)
	* [文档](#文档)
		* [Python](#python)
		* [C & C++](#c-c)
		* [Java & Scala](#java-scala)

<!-- /code_chunk_output -->

# mlhub123
机器学习网站导航以及资源，欢迎PR提供资源：
 - 网站：[https://www.mlhub123.com/](https://www.mlhub123.com/)
 - 进微信群交流：备注mlhub进群 - [mlhub](https://ws1.sinaimg.cn/large/007i3XCUgy1fwgr8qhjz7j306506faag.jpg)
 - Telegram群组：[欢迎加入](https://t.me/joinchat/F6XKShFSdCUHuo5Rvoj4Jg)，资源多多~

## 导航

### 新闻资讯

- [Analytics Vidhya](https://www.analyticsvidhya.com/blog/): 为数据科学专业人员提供基于社区的知识门户
- [Distill](https://distill.pub/): 展示机器学习的最新文章
- [Google News](https://news.google.com/topics/CAAqIggKIhxDQkFTRHdvSkwyMHZNREZvZVdoZkVnSmxiaWdBUAE?hl=en-US&gl=US&ceid=US%3Aen): Google News Machine learning
- [kdnuggets](https://www.kdnuggets.com/?from=www.mlhub123.com): Machine Learning, Data Science, Big Data, Analytics, AI
- [MIT News](http://news.mit.edu/topic/machine-learning?from=www.mlhub123.com): Machine learning | MIT News
- [Towards Data Science](https://towardsdatascience.com/)：Sharing concepts, ideas, and codes
- [17bigdata](http://www.17bigdata.com?from=www.mlhub123.com): 专注数据分析、挖掘、大数据相关领域的技术分享、交流
- [机器之心](https://www.jiqizhixin.com?from=www.mlhub123.com): 机器之心 | 全球人工智能信息服务
- [雷锋网](https://www.leiphone.com/?from=www.mlhub123.com): 雷锋网 | 读懂智能，未来
- [数据分析网](https://www.afenxi.com?from=www.mlhub123.com): 数据分析网 - 大数据学习交流第一平台
- [知乎主题](https://www.zhihu.com/topic/19559450/hot?from=www.mlhub123.com): 知乎机器学习热门主题
- [专知](http://www.zhuanzhi.ai)：AI知识分发服务平台

### 社区交流

- [AIQ](http://www.6aiq.com/?from=www.mlhub123.com): 机器学习大数据技术社区
- [DataTau](https://www.datatau.com?from=www.mlhub123.com): 人工智能领域的Hacker News
- [MathOverflow](https://mathoverflow.net?from=www.mlhub123.com): 数学知识问答社区
- [Medium](https://medium.com/): 一个涵盖人工智能、机器学习和深度学习相关领域的自由、开放平台
- [PaperWeekly](http://www.paperweekly.site?from=www.mlhub123.com): 一个推荐、解读、讨论和报道人工智能前沿论文成果的学术平台
- [Quora](https://www.quora.com/pinned/Machine-Learning?from=www.mlhub123.com): Quora | 机器学习主题
- [Reddit](https://www.reddit.com/r/MachineLearning/?from=www.mlhub123.com): Reddit | 机器学习板块
- [ShortScience](http://www.shortscience.org?from=www.mlhub123.com): 用最简单的篇幅去概况科学著作
- [SofaSofa](http://sofasofa.io/index.php?from=www.mlhub123.com): 做最好的数据科学社区
- [Twitter](https://twitter.com/StatMLPapers): Twitter | 机器学习论文版块
- [极智能](http://www.ziiai.com/?from=www.mlhub123.com): 人工智能技术社区

### 优质博文

- [Google AI Blog](https://ai.googleblog.com/): 谷歌AI博客
- [handong1587](https://handong1587.github.io/): 深度学习各个方向资源汇总，及各大顶级会议/期刊资源
- [Machine Learning Mastery](https://machinelearningmastery.com/blog?from=www.mlhub123.com): 帮助开发人员使用机器学习的知识解决复杂的问题
- [paralleldots](https://blog.paralleldots.com/)：一个提供随时可用的一流AI解决方案的博客
- [Stats and Bots - Medium](https://blog.statsbot.co/?from=www.mlhub123.com): 机器学习应用程序和代码的实用指南
- [tornadomeet的博客](https://www.cnblogs.com/tornadomeet/archive/2012/06/24/2560261.html?from=www.mlhub123.com): 很详细的ML&DL学习博客
- [wildml](http://www.wildml.com/)：Artificial Intelligence, Deep Learning, and NLP
- [爱可可-爱生活](https://weibo.com/fly51fly?topnav=1&wvr=6&topsug=1): 知名互联网资讯博主
- [超智能体](https://zhuanlan.zhihu.com/YJango): 分享最通俗易懂的深度学习教程
- [人工智能笔记](https://zhuanlan.zhihu.com/ainote): 人工智能从入门到AI统治世界

### 资源检索

- [arXiv](https://arxiv.org): 康奈尔大学运营的学术预印本发布的平台
- [Arxiv Sanity](http://www.arxiv-sanity.com/?from=www.mlhub123.com): 论文查询推荐
- [GitXiv](http://www.gitxiv.com/?from=www.mlhub123.com): arXiv的成果开源实现平台
- [iData](https://www.cn-ki.net/): iData-知识检索
- [ModelDepot](https://modeldepot.io/search)：文献模型源代码搜索下载
- [Papers with Code](https://paperswithcode.com/?from=www.mlhub123.com): 将论文与开源代码实现结合
- [SCI-HUB](https://sci-hub.tw/): 找论文必备
- [猫咪论文](https://lunwen.im/?from=www.mlhub123.com): 简单自由的论文下载平台

### 比赛实践

- [biendata](https://biendata.com/)：数据科学竞赛平台
- [DataCastle](http://www.pkbigdata.com/?from=www.mlhub123.com): 中国领先的数据科学竞赛平台
- [DataFountain](http://www.datafountain.cn/#/?from=www.mlhub123.com): DF,CCF指定专业大数据竞赛平台
- [Kaggle](https://www.kaggle.com/?from=www.mlhub123.com): 为数据科学家提供举办机器学习竞赛
- [KDD-CUP](http://www.kdd.org/kdd-cup?from=www.mlhub123.com): 国际知识发现和数据挖掘竞赛
- [滴滴新锐](http://research.xiaojukeji.com/trainee.html?from=www.mlhub123.com): 滴滴面向全球高校博士、硕士、优秀本科生的精英人才计划
- [JDD空间站](https://jdder.jd.com/): 京东算法赛事平台
- [赛氪网](http://www.saikr.com/?from=www.mlhub123.com): 汇集以高校竞赛为主，活动、社区为辅的大学生竞赛活动平台
- [天池大数据](https://tianchi.aliyun.com/?from=www.mlhub123.com): 大数据竞赛、大数据解决方案、数据科学家社区、人工智能、机器学习


## 资源

### 课程学习

- [data-science-complete-tutorial](https://github.com/zekelabs/data-science-complete-tutorial): 数据科学完整入门指南
- [David Silver](https://v.youku.com/v_show/id_XMjcwMDQyOTcxMg==.html?spm=a2h0j.11185381.listitem_page1.5!4~A&&f=49376145)：David Silver 深度强化学习课程
- [fast.ai](http://www.fast.ai/): Making neural nets uncool again
- [hanbt](https://www.zybuluo.com/hanbingtao/note/433855): 零基础入门深度学习，深入浅出，很不错的入门教程
- [liuyubobobo](https://coding.imooc.com/class/169.html): Python3 入门机器学习
- [Metacademy](https://metacademy.org/): 知识点检索并画出通向这个知识点的知识图谱
- [Siraj Raval：时序预测](https://www.kaggle.com/learn/time-series-with-siraj)：Kaggle免费课程：时序预测
- [tensorflow2_tutorials_chinese](https://github.com/czy36mengfei/tensorflow2_tutorials_chinese)：ensorflow2中文教程，持续更新(当前版本:tensorflow2.0)
- [Two Minute Papers](https://www.youtube.com/channel/UCbfYPyITQ-7l4upoX8nvctg): YouTube | 最简短的语言概况最新的热点论文
- [YSDA nlp_course](https://github.com/yandexdataschool/nlp_course)：YSDA course in Natural Language Processing
- [3Blue1Brown](https://www.youtube.com/channel/UCYO_jab_esuFRV4b17AJtAw): YouTube | 数学基础频道
- [3Blue1Brown 中文](http://space.bilibili.com/88461692/#/): Bilibili | 数学基础频道
- [动手学深度学习](https://zh.diveintodeeplearning.org/)：面向中文读者的能运行、可讨论的深度学习教科书
- [谷歌：机器学习速成课程](https://developers.google.cn/machine-learning/crash-course/): Google制作的节奏紧凑、内容实用的机器学习简介课程
- [李宏毅](http://speech.ee.ntu.edu.tw/~tlkagk/courses.html)：李宏毅深度学习课程
- [林轩田](https://www.bilibili.com/video/av4294020/): 机器学习基石
- [林轩田](https://www.bilibili.com/video/av12469267): 机器学习技法
- [徐亦达](https://github.com/roboticcam/machine-learning-notes)：徐亦达老师机器学习课程
- [邱锡鹏（复旦大学）](https://github.com/nndl/nndl.github.io)：神经网络与深度学习
- [吴恩达](http://study.163.com/course/introduction/1004570029.htm): 机器学习课程
- [吴恩达](https://mooc.study.163.com/smartSpec/detail/1001319001.htm): 深度学习课程

### 资源收集

- [Algorithm_Interview_Notes-Chinese](https://github.com/imhuay/Algorithm_Interview_Notes-Chinese)：2018/2019/校招/春招/秋招/算法/机器学习(Machine Learning)/深度学习(Deep Learning)/自然语言处理(NLP)/C/C++/Python/面试笔记
- [awesome-machine-learning-cn](https://github.com/jobbole/awesome-machine-learning-cn): 机器学习资源大全中文版，包括机器学习领域的框架、库以及软件
- [awesome-public-datasets](https://github.com/awesomedata/awesome-public-datasets): 各领域公开数据集下载
- [Coursera-ML-AndrewNg-Notes](https://github.com/fengdu78/Coursera-ML-AndrewNg-Notes): 吴恩达老师的机器学习课程个人笔记
- [daily-paper-computer-vision](https://github.com/amusi/daily-paper-computer-vision): 记录每天整理的计算机视觉/深度学习/机器学习相关方向的论文
- [DeepLearning-500-questions](https://github.com/scutan90/DeepLearning-500-questions)：深度学习500问
- [deeplearning_ai_books](https://github.com/fengdu78/deeplearning_ai_books): 吴恩达老师的深度学习课程笔记及资源
- [Deep-Learning-Papers-Reading-Roadmap](https://github.com/floodsung/Deep-Learning-Papers-Reading-Roadmap): 深度学习论文阅读路线图
- [funNLP](https://github.com/fighting41love/funNLP)：中文语料库资源收集项目
- [Getting Started in Computer Vision Research](https://sites.google.com/site/mostafasibrahim/research/articles/how-to-start)：计算机视觉研究入门全指南
- [lihang_book_algorithm](https://github.com/WenDesi/lihang_book_algorithm): 《统计学习方法》算法python实现
- [Machine Learning、Deep Learning](https://github.com/ty4z2008/Qix/blob/master/dl.md): ML&DL资料
- [MachineLearning_Python](https://github.com/lawlite19/MachineLearning_Python): 机器学习算法python实现
- [Machine_Learning_Study_Path](https://github.com/linxid/Machine_Learning_Study_Path)：机器学习过程中所看的书，视频和源码
- [ml_cheatsheet](https://github.com/remicnrd/ml_cheatsheet)：机器学习算法速查手册
- [ml_tutorials](https://github.com/MorvanZhou/tutorials): 机器学习相关教程
- [NLP-progress](https://github.com/sebastianruder/NLP-progress)：跟踪NLP各项技术的state-of-the-art进展
- [100-Days-Of-ML-Code 英文版](https://github.com/Avik-Jain/100-Days-Of-ML-Code)：100 Days of Machine Learning Coding as proposed by Siraj Raval
- [100-Days-Of-ML-Code 中文版](https://github.com/MLEveryday/100-Days-Of-ML-Code)：100-Days-Of-ML-Code 中文版
- [周志华 - 机器学习](https://github.com/Vay-keen/Machine-learning-learning-notes): 周志华《机器学习》笔记

### 开源书籍

- [deeplearningbook-chinese](https://github.com/exacity/deeplearningbook-chinese): 深度学习中文版
- [deep_learning_cookbook](https://github.com/DOsinga/deep_learning_cookbook): 深度学习手册
- [hands_on_Ml_with_Sklearn_and_TF](https://github.com/apachecn/hands_on_Ml_with_Sklearn_and_TF): Sklearn与TensorFlow机器学习实用指南
- [Interpretable Machine Learning](https://christophm.github.io/interpretable-ml-book/): 一份指南，教你如何构建具有可解释性的黑盒模型
- [Neural Networks and Deep Learning](http://neuralnetworksanddeeplearning.com/index.html): 深度学习开源书籍
- [Neural Networks and Deep Learning](https://github.com/zhanggyb/nndl): 深度学习开源书籍 - 中文
- [PythonDataScienceHandbook](https://github.com/jakevdp/PythonDataScienceHandbook): Python数据科学手册
- [TensorFlow-Course](https://github.com/open-source-for-science/TensorFlow-Course): 简单易学的TensorFlow教程
- [机器学习实战](https://github.com/apachecn/MachineLearning): Machine Learning in Action（机器学习实战）
- [简单粗暴TensorFlow](https://github.com/snowkylin/TensorFlow-cn): 本手册是一篇精简的TensorFlow入门指导
- [神经网络与深度学习](https://github.com/nndl/nndl.github.io)：《神经网络与深度学习》 Neural Network and Deep Learning

### 实战项目

- [face_recognition](https://github.com/ageitgey/face_recognition): 世界上最简单的人脸识别库
- [style2paints](https://github.com/lllyasviel/style2paints): 线稿自动上色

## 文档

### Python

- [Caffe](http://caffe.berkeleyvision.org/): 一个基于表达式，速度和模块化原则创建的深度学习框架
- [Caffe2](https://caffe2.ai/docs/getting-started.html?platform=windows&configuration=compile): Caffe2官方文档
- [Chainer](https://docs.chainer.org/en/stable/): 基于Python的独立的深度学习模型开源框架
- [CNTK](https://docs.microsoft.com/en-us/cognitive-toolkit/): CNTK官方文档
- [Gensim](https://radimrehurek.com/gensim/index.html): 包含可扩展的统计语义，分析纯文本文档的语义结构，以及检索相似语义的文档等功能
- [Keras](https://keras.io/): Keras官方文档
- [Matplotlib](https://matplotlib.org/tutorials/index.html): Matplotlib官方文档
- [MXNet](http://mxnet.incubator.apache.org/tutorials/index.html): MXNet官方文档
- [Neon](http://neon.nervanasys.com/index.html/): Nervana公司一个基于Python的深度学习库
- [NumPy](http://www.numpy.org/): NumPy官方文档
- [pandas](http://pandas.pydata.org/pandas-docs/stable/): pandas官方文档
- [PyBrain](http://pybrain.org/docs/): 一个模块化的Python机器学习库
- [Pylearn2](http://deeplearning.net/software/pylearn2/): 构建于Theano之上的机器学习库
- [PyTorch](https://pytorch.org/tutorials/): PyTorch官方文档
- [Seaborn](https://seaborn.pydata.org/): Seaborn官方文档
- [scikit-learn](http://scikit-learn.org/stable/documentation.html): scikit-learn官方文档
- [Statsmodels](http://www.statsmodels.org/stable/index.html): 用来探索数据，估计统计模型，进行统计测试
- [TensorFlow](https://www.tensorflow.org/tutorials/): TF官方文档
- [Theano](http://deeplearning.net/software/theano/): 允许高效地定义、优化以及评估涉及多维数组的数学表达式

### C & C++
- [dlib](http://dlib.net): 实用的机器学习和数据分析工具包

### Java & Scala

- [DeepLearning4j](https://deeplearning4j.org/): 基于JAVA和Scala的商业级开源分布式深度学习框架