有哪些可以自学机器学习、深度学习、人工智能的网站？ 第1页

有哪些可以自学机器学习、深度学习、人工智能的网站？

这篇文章会介绍我搜索AI相关信息的方法论和高频使用工具。

太长不看版：

知乎可以用于学习 AI，知乎是中文社区里面讨论AI 气氛最好最活跃的社区。

学习 AI 可以从“找人、找代码、找论文、找课程”的层面寻找资料：

• 找人： AMiner
• 代码： Papers with Code
• 论文： Semantic Scholar
• 课程：B站搜“吴恩达”“李宏毅”肯定错不了

好了，开始正文吧

说在前面的话

工欲善其事，必先利其器。

虽然我是一个喜欢收藏资源和工具的松鼠党，

但我更明白，相较于放在收藏夹和云盘里吃灰，充分发掘工具的效果是非常重要的。

我其实很有资格回答这个问题，因为学习机器学习以来，我大概收藏了上百个相关网站，建立了索引。但是一股脑儿进行推荐，只会导致屏幕前阅读的你把这个回答放进收藏夹。

那么，我就推荐我日常使用频率最高，贯穿每天科研实践的“自学机器学习、深度学习、人工智能的网站”。

0. 知乎

不会吧不会吧，不会真有人在知乎上学习人工智能吧。

其实知乎的确是中文世界里自学人工智能的一个很好的营地。

如果真想在知乎上高效学习AI，首先应该关注高领域的高水平人群。

这里有一个很棒的激励机制——领域“优秀回答者”。

佩戴了小黄花的创作者，创作的内容很大概率上是该领域相关的优质内容。

如果能够翻阅他们的历史创作，然后关注他们的时间线甚至是他们关注的人，

肯定会对自己的学习有所启发。

经过整理 ^[1] ，AI相关领域目前一共有51位优秀创作者 ^{[2] [3] [4] [5]} ，列表如下：

田渊栋 Flood Sung PENG Bo Yi Lu Naiyan Wang Filestorm 陈然 微调
覃含章 王喆 周博磊 吴海波 霍华德 王赟 Maigo 贾扬清 Dr.Wu
嘉慧Lincoln 卡牌大师 郭小贤 杨军 夕小瑶 莫烦 zibuyu9 严林
Yulong YJango 俞扬 天津包子馅儿 文兄 周开拓 李文哲 lau phunter
li Eta 史博 谢澎涛 熊辰炎 豆豆豆豆豆豆豆叶 齐鹏 李沐 何之源
mileistone 魏秀参 冯超 林天威 萧瑟 王峰 谢流远 taokongcn
微软亚洲研究院 机器之心 量子位

其次，关注高水平文章和专栏。

这些优秀的创作者们，经常会把他们的内容以文章形式记录下来，然后放到对应的专栏里。

为了回答这个题目，在 @古柳-DesertsX 专栏盘点^[6][7]的基础上，我手工筛选了AI领域相关的高关注专栏，以供参考（1000以上关注专栏，有遗漏，不严格按照关注数排序）。

脑人言 @脑人言 原创脑科学科普
无痛的机器学习 @冯超 无痛的机器学习小课堂，介绍机器学习的原理与应用
智能单元 @Flood Sung 聚焦通用人工智能
深度学习大讲堂 @郭丹青 人工智能的产品技术前沿
PRML @郑梓豪 一起来读论文吧！主要是我读过的，觉得有意思的机器学习论文
AI学人 @王咏刚 有关 AI 的一切：科普，视点，深度，花边，八卦
AI Insight @何之源 致力于清晰、有深度的机器学习教程
Python 与 机器学习 @射命丸咲 Python · 数学 · 机器学习
混沌巡洋舰 @许铁-巡洋舰科技 探讨AI与脑科学的前沿交叉与产业落地
Hic Rhodus hic salta @OwlLite 人脑与人工智能
技术备忘录 @PENG Bo 现代数学、人工智能、物理等等。
强化学习知识大讲堂 @天津包子馅儿 专注强化学习算法分享
深度炼丹 @Sherlock 分享在深度学习的一些项目实践与经验
人工智能学习笔记 @张江 为你打造属于你学习人工智能的最佳学习路径
机器有颗玻璃心 @王晋东不在家 机器学习-迁移学习
炼丹实验室 @萧瑟 深度学习实战经验介绍
深度学习:从入门到放弃 @余俊 深度学习的一些学习研究
非凸优化学习之路 @Zeap 希望构造一个优化算法的学习交流平台
人工智能应用系列 @罗韵 分享有趣的人工智能应用
写给妹子的深度学习教程 @花花 从零开始的深度学习
矗不知其几千万落 @我勒个矗 就是记下 AI/ML 学习过程里杂七杂八的东西咯～
深度学习+自然语言处理（NLP） @刘博 专注于梳理深度学习相关学科的基础知识
Video Analysis 论文笔记 @林天威 视频分析与理解相关领域论文笔记
自然语言居酒屋 @斤木 停下来喝一碗自然语言的酒。欢迎来坐。
当推荐系统遇上深度学习 @somTian 深度学习在推荐系统上的应用进展
机器学习与深度学习 @Jack-Cui 关于算法的点点滴滴
Machine Learning Notes @柳枫 机器学习过程中的个人思索
山人.七-深度学习 @狗头山人七 追寻谷歌deepmind巨人脚步，研究深度学习。
DL(Deep Learning)小记 @Charles Wang 向着深度学习前进
神经网络与强化学习 @剑圣 赋予机器一点灵感
机器不学习 @天雨粟 专治机器不会学、瞎学、乱学等疑难杂症
理论与机器学习 @袁洋 关于机器学习、理论、优化的一些最新结果
设计人工智能网络 @范凌 聚集全球设计人工智能的观点和人才
一周一paper @陈宇飞 一周一篇ML和Infra相关的paper
信号处理与机器学习 @aresmiki 数据让机器像人一样思考！！！
DT新纪元 @pro-am 数据时代，从零，一起，用数据拓展世界！
AutoML @marsggbo 介绍AutoML相关研究以及机器学习等基础
人工智能学习专栏 @宝珠道人 聚焦人工智能，实战经验分享
AI与机器人 @沙漏 人工智能与机器人领域的相关知识分享
生物超循环 @科科 解读生物奥秘
一个数据玩家的自我修养 @Kevin Zhang 玩数据还是被数据玩，这是个问题
面向人生编程 @桔了个仔 编写你的人生，开发你的“套路”

最后，关注高质量问题。

以“人工智能”话题为例，我们可以找到精选的内容区。

就能发现最近较热的高质量创作。

如果想提高学习效率，更应该主动出击，去搜索自己感兴趣的内容与话题。

以学习机器学习需要看什么书为例，我们搜索“机器学习，书籍”，很大概率就能找到以前别人的问题或者回答^[8]。

入门学习路线也是类似的，很快就能找到 @微调“如何用3个月零基础入门「机器学习」^[9]？” 这样的高质量创作。

好了好了，就不继续介绍怎么在知乎上学习AI了，不然这篇内容就全在安利知乎平台了。

1. 找人

其实上面同样的思路也能用在其他网站上，我们在刚进入某个具体的人工智能细分领域的时候，

最快了解这个领域的途径是根据对应的英文术语去学术网站上搜寻对应的综述文章。

根据综述文章去纵向查询历史研究状况，横向查询哪些人和机构研究得比较好。

综述的参考文献也不要放过，应该深入的阅读。

通过阅读多篇综述文章，可以对这个领域有一个大概的了解，这是最稳的方法。

但如果不想努力了，想先看看这些领域有哪些厉害的前辈呢？这时候就需要借助一些工具

以查询元学习（meta-learning)领域为例，首先打开 AMiner @AMiner科技情报站 @学术头条

然后输入关键词就能找到对应的学者了。

点进去能看到作者的相关信息。

这个网站还有其他的许多功能和榜单，可以好好尝试一下。

在明白有哪些厉害的作者后，可以通过名字搜索到他们的个人主页，历史论文等等等等，能对他们有更深的了解。AI领域的青年学者们，特别喜欢在主页上分享他们的新工作。

作为补充，如果有条件的话，还可以关注他们的推特，了解最新的动态。

2. 代码

学AI最重要的就是动手实践模型，那么从哪里能快速找到开源的模型呢？

第一：在正在阅读的论文内，可以找到作者的相关说明。

因为开源代码是一项亮点，如果做了的话肯定会宣传的

第二：借助工具直接搜索模型代码。

Papers with Code 网站，顾名思义，提供有代码的论文。

除此以外，该网站还根据细分领域的指标对论文进行了整理和排序。

以图像配准（Image Registration）为例。指标、论文、代码，安排得明明白白。

Github - Awesome

众所周知，Github 是最大的代码托管网站，程序员乐园与救命稻草。

熟悉 Github 的朋友肯定也听过鼎鼎大名的 Awesome 系列。

以 awesome 为名，进行某个领域资料的高质量整合。

以学习 Python 为例，很快就能找到对应的 awesome-python^[10][11] 的项目，你要的资源全都有人整好了。

类似的，我之前在研究图像配准领域，和小伙伴们也整了一个 awesome-image-registration .

第三：如果还是没找到好的模型，那么不妨根据论文里的联系方式，主动向通讯作者申请代码和数据。

第四：实在找不到就自己写，自己实现吧。

3. 论文

论文搜索引擎非常非常多，我这就有二十多个…

学术领域，我个人最喜欢的当然还是“谷歌学术”以及“Web of Science”，如果没有条件使用的话，可以去搜索谷歌学术的镜像网站进行使用。

常用搜索引擎，如果无法使用谷歌的话，用 bing 也是可以替代的。

还有很多的会议专门的搜索引擎，再次不赘述，之后可能单开一篇文章进行盘点介绍。

如果无法使用谷歌学术，这里推荐另一个网站可以作为替代，用起来感觉也很不错，搜索结果也很精准。

4. 课程

说到 AI 学习的课程，不得不提几位老师的优秀工作。

英文课程：

吴恩达机器学习课程：https://www.coursera.org/learn/machine-learning

如果访问 Coursera 有困难的话，可以在B站搜索“吴恩达机器学习”；
如果想下载的话，可以参考 @黄海广 整理的相关资源 Coursera-ML-AndrewNg-Notes .

中文课程：

李宏毅机器学习课程： Hung-yi Lee - Courses

呐，李宏毅老师绝对是二刺螈里面最懂 AI 的，AI 里面最懂二刺螈的。
@Datawhale 整理了相关资料 leeml-notes

其他课程基本上b站上都有人进行搬运，搜索学习就好。

顺便说一下，实操是最好的学习方法，现在 AI 领域各种语言里面，Python 的生态圈最好，如果是刚开始自学的话，推荐两本书，它们都有非常好的介绍相关知识点，然后用实际案例和程序代码来引人入门。

特别说明《动手学深度学习》是由 @李沐 前辈参与编写的，这本书有在线网站，上面有书籍PDF，代码和讨论社区，甚至可以申请AWS的算力，的确是非常棒的一项开源学习工作，非常感谢无私的贡献。

如果喜欢这种创作风格的话欢迎讨论和关注 @白小鱼

希望这个回答能助力你的学习，感谢阅读~ (๑•ᴗ•๑)

参考

1. ^知乎上有哪些「硬科技」领域的专业人士？ https://www.zhihu.com/question/327352285/answer/1354872978
2. ^机器学习 - 优秀回答者 https://www.zhihu.com/topic/19559450/top-writer
3. ^人工智能 - 优秀回答者 https://www.zhihu.com/topic/19551275/top-writer
4. ^深度学习 - 优秀回答者 https://www.zhihu.com/topic/19813032/top-writer
5. ^数据挖掘 - 优秀回答者 https://www.zhihu.com/topic/19553534/top-writer
6. ^最全专栏合集：编程、python、爬虫、数据分析、挖掘、ML、NLP、DL... https://zhuanlan.zhihu.com/p/30352071
7. ^最全知乎专栏合集：编程、python、爬虫、数据分析、挖掘、ML、NLP、DL... https://www.e-learn.cn/topic/3358044
8. ^学习机器学习应该看哪些书籍？ https://www.zhihu.com/question/22221180/answer/952340429
9. ^如何用3个月零基础入门「机器学习」？ https://zhuanlan.zhihu.com/p/29704017
10. ^ https://awesome-python.com/
11. ^ https://github.com/vinta/awesome-python