【杂谈】从GitHub上星星最多的男人开始发GitHub综述资料

​

好的资源有利于大家迅速走上正确的学习道路，今天就来推荐一下GitHub上面那些机器学习领域里，最值得关注的综述性质的项目，一般名字会带上一个Awesome。

作者&编辑 | 言有三  

1 Awesome大综述

没错，项目名字就叫Awesome。这第一个简直就是最“丧心病狂”的综述，10万+星星，要把所有方向一并索引了，自己当目录。

https://github.com/sindresorhus/awesome

这个项目的创建者是sindresorhus，全职自由职业者，从事开源项目开发和维护，据说是这个星球上星星最多的男人，偏偏长得还很帅，个人主页：https://sindresorhus.com/，大家自己粉吧。

怎么说呢，本文其实你不看下去就是可以的，直接去看上面那个综述就行了。

2 读论文

读论文是搞AI研究必备的基本素质，这个项目是我看的前10个GitHub项目之一，整理了很多深度学习有关的优秀papers，项目的维护者是University of Waterloo的Terry Taewoong Um。

https://github.com/sindresorhus/awesome

不过请看最新申明：

[Notice] This list is not being maintained anymore because of the overwhelming amount of deep learning paperspublished every day since 2017.

大概意思就是，论文太多了，我们放弃了。如果是初学者，我觉得完全可以去好好看一眼，初学者最忌讳的就是天天看最新的东西，那样是有损于学习的。

类似的还有：

https://github.com/papers-we-love/papers-we-love

3 逛社区

这几个项目的特点就是杂而全，覆盖机器学习有关的一切资料。

有的深度学习一锅端了。

https://github.com/ChristosChristofidis/awesome-deep-learning

有的机器学习一锅端了。

https://github.com/josephmisiti/awesome-machine-learning

有的增强学习一锅端了

https://github.com/aikorea/awesome-rl

有数不清的GAN一锅端了

https://github.com/nightrome/really-awesome-gan

https://github.com/hindupuravinash/the-gan-zoo

东西太多了，建议大家看一眼就行了，别迷失，尤其是初学者，跟我们一起来可能更加合适。

4 听课程

专注收录computer science相关的所有课程。

https://github.com/prakhar1989/awesome-courses

类似的当然还有了，不过建议看课程不要求多，初学看书应该更好。

5 跟项目

因为python是机器学习算法里最受欢迎的语言，所以先介绍一个，6万多颗星，看看deep learning这个菜单下的资源就能窥见一斑。

https://github.com/vinta/awesome-python

类似的当然还有了，php，java，android，ios，shell，爬虫，应有尽有。

https://github.com/ziadoz/awesome-php

https://github.com/akullpp/awesome-java

https://github.com/sindresorhus/awesome-nodejs

https://github.com/vsouza/awesome-ios

https://github.com/snowdream/awesome-android

https://github.com/alebcay/awesome-shell

https://github.com/facert/awesome-spider

https://github.com/avelino/awesome-go

6 翻数据集

这是一个从各种博客，论坛等地方抓取数据集的项目。

https://github.com/awesomedata/awesome-public-datasets

还有一个辅助数据科学家养成的项目

https://github.com/bulutyazilim/awesome-datascience

类似的还有一些，可以没事翻翻。

https://github.com/onurakpolat/awesome-bigdata

7 看领域

你肯定知道接下来有三要说什么，那就是AI各个研究领域的综述了。

什么计算机视觉一锅端了。

https://github.com/jbhuang0604/awesome-computer-vision

https://github.com/kjw0612/awesome-deep-vision

什么自然语言处理一锅端了。

https://github.com/keon/awesome-nlp

什么语音处理一锅端了。

https://github.com/zzw922cn/awesome-speech-recognition-speech-synthesis-papers

还有很多领域，就不一一列举了，欢迎大家留言。

8 备面试

现在有很多的公众号和社区专门讲面试，还有一些朋友让我讲讲，你以为GitHub会没有吗？

https://github.com/MaximAbramchuck/awesome-interview-questions

我还在纠结讲还是不讲，因为讲出来必定会有争议，正好这几天知乎上回答的一个问题就引起争议了，大家不妨直接看吧。

https://www.zhihu.com/question/62482926/answer/625352436

关于面试只有一点小建议，虽然有套路，但是只要巩固好领域的基础知识和编程技能，再发展一些核心竞争力，就不用慌。

9 攒工具

好的工具干起活来可谓是事半功倍了，必须时刻留意。

记笔记的

https://github.com/jupyter/notebook

画图的

https://github.com/zfrenchee

http://alexlenail.me/NN-SVG/

https://github.com/HarisIqbal88/PlotNeuralNet

读论文的

https://github.com/karpathy/arxiv-sanity-preserver

转模型的

https://github.com/Microsoft/MMdnn

后面的等你来补充呀，我们已经写过一些了，看往期链接。

10 聚焦自己的方向

最后，就是好好聚焦自己的研究方向。有三是搞CV的，所以免不了要给大家推荐CV领域的资料。

人脸各个方向的。

https://github.com/polarisZhao/awesome-face

https://github.com/ChanChiChoi/awesome-Face_Recognition

语义分割的。

https://github.com/mrgloom/awesome-semantic-segmentation

跟踪的。

https://github.com/foolwood/benchmark_results

三维重建的。

https://github.com/openMVG/awesome_3DReconstruction_list

风格化的。

https://github.com/ycjing/Neural-Style-Transfer-Papers

目标检测的。

https://github.com/amusi/awesome-object-detection

https://github.com/hoya012/deep_learning_object_detection

太多太多了，轻轻松松还可以数出几十个，大家自己来吧。

对了，我们自己的官方git，也放一下吧，方便大家学习，刚刚开始，还需要力量加入。

​​https://github.com/longpeng2008/LongPeng_ML_Course​​

​​https://github.com/longpeng2008/yousan.ai​​

总结

Github就像程序员的免费淘宝店，什么都有，良莠不齐，这次介绍的项目大多星星都很多，不过也不要过度迷恋星星，星星是可以运营出来的。慧眼识珠，多积累吧，以后会开专栏讲讲怎么用GitHub的。

转载文章请后台联系

侵权必究

感谢各位看官的耐心阅读，不足之处希望多多指教。后续内容将会不定期奉上，欢迎大家关注有三公众号 有三AI！