机器学习是一个相对来说技术含量比较高的领域，需要通过多种途径结合才能高效的学习。
首先介绍几个比较有用的社区，包含了丰富的学习资料。
学习社区
1. 神力AI(MANA)
神力AI是一个聚焦于人工智能技术应用与研究的社区。它旨在为开发者和研究人员提供一个资源丰富的平台，成员可以分享自己的项目、获取技术支持，并参与技术讨论。神力AI还常常举办线下活动，促进交流与合作。
2. AI研习社
AI研习社是一个专注于人工智能学习与知识分享的社区，主要面向初学者和中级开发者。社区提供各种在线课程、教程和项目实战，旨在提高成员的实战能力和技术水平。此外，社群内的学习氛围浓厚，成员相互帮助，共同进步。
3. 极市
极市是一个专注于计算机视觉与深度学习的技术社区，提供大量的实践资源和工具。其平台上有丰富的开源数据集以及深度学习模型，适合开发者进行测试和部署。社区还鼓励创新，支持项目分享和合作。
4. AI导航网
AI导航网致力于整合各类人工智能相关资源和工具，是一个资源聚合的社区。它提供相关文档、书籍、工具和平台的整理与推荐，方便开发者查找所需信息。此外，也提供一些技术资讯和行业动态，帮助成员了解最新的科技趋势。
5. 智源社区
智源社区是由智源研究院发起的，旨在促进人工智能领域的学术研究与技术交流。这个社区尤其关注基础研究和前沿技术，提供学术论文、研究成果的分享，并组织相关的学术活动。成员多为学术界和研究机构的专家与学者，旨在推动人工智能的深入发展。
入门阶段
该阶段建议看书或者学习视频课程来快速入门，掌握机器学习的基本概念和原理，为后面的实战打好基础。
书籍推荐
1、零基础学机器学习(豆瓣评分：9.1)
本书可以说是最好的零基础入门机器学习的书籍，该书包括机器学习快速上手路径、数学和Python 基础知识、机器学习基础算法（线性回归和逻辑回归）、深度神经网络、卷积神经网络、循环神经网络、经典算法、集成学习、无监督和半监督等非监督学习类型、强化学习实战等内容，以及相关实战案例。
2、Python机器学习基础教程(豆瓣评分：8.9)
本书是机器学习入门书，以Python语言介绍。主要内容包括：机器学习的基本概念及其应用。
3、白话机器学习的数学(豆瓣评分：9.0)
本书以通俗易懂的方式，逐步讲解了机器学习中实用的数学基础知识。其中，重点讲解了容易成为学习绊脚石的数学公式和符号。同时，还通过实际的Python 编程讲解了数学公式的应用，进而加深读者对相关数学知识的理解。
博客推荐
2. 如何自学人工智能？
3. 入门人工智能
4. 了解人工智能
6. 入行人工智能十大经典书单
7. 人工智能的全面科普
10. 机器学习入门必备：如何用Python从头实现感知器算法
12. 人工智能开发者的入门指南
13. 机器学习敲门砖：任何人都能看懂的TensorFlow介绍
15. RNN 怎么用？给初学者的小教程
16. 一篇文章带你进入无监督学习：从基本概念到四种实现模型
17. 谷歌官方指南：如何通过玩TensorFlow Playground来理解神经网络
19. 如何自学人工智能？人工智能好学？初学者如何从零学习人工智能和机器学习？
20. 人工智能数学基础----导数
21. 人工智能领域的顶级学术期刊大全
22. 聊聊大数据与人工智能
24. 大龄程序员的人工智能学习之路
26. 如何自学人工智能？
27. 面向普通开发者的机器学习入门
28. 机器学习入门指南
29. 超基础的机器学习入门-原理篇
学习课程
2. 深度学习入门与实战
实战阶段
实战阶段是要学习和实战相结合，通过读书逛社区来学习和解决问题，通过跟着视频教程来实战，这种理论和实战相结合的方式学习才能快速的提升自己。
人工智能领域细分了很多分支，这里分开来介绍。
机器学习系列
博客推荐
- 机器学习资源汇总
- 机器学习流程
- 机器学习---决策树
- 机器学习手册学习笔记--图像处理
- 机器学习(一)：5分钟理解机器学习并上手实践
- 机器学习和深度学习的区别
- 看机器学习如何预测债券收益率
- 在Android中借助TensorFlow使用机器学习
- 吴恩达机器学习：无监督学习算法
- 机器学习 --- 线性回归
- 33个机器学习常用数据集
- 统计学习和机器学习
- 机器学习经典开源数据集
- 几个机器学习常用算法
- 机器学习 - sklean
- Python机器学习笔记
- 机器学习项目流程
- 神经网络的监督学习
- 用于数据分类的无监督学习
- 机器学习——监督学习&无监督学习
- 机器学习技术——有监督学习
- 无监督学习算法
- 监督学习及无监督学习
- 监督学习最常见的五种算法
- 机器学习|朴素贝叶斯算法（二）-用sklearn实践贝叶斯
- python：sklearn
- sklearn常用机器学习算法
- sklearn中分类模型评估指标（二）：Kappa系数、混淆矩阵、分类指标报告、汉明损失
- python机器学习库sklearn——多类、多标签、多输出
- 终于有人说清楚了--XGBoost算法
- xgboost的原理没你想像的那么难
- 机器学习：xgboost（回归实战）
课程推荐
1. 人工智能就业班全套课程
2. 人工智能原理
3. [人工智能] 人工智能
书籍推荐
1、机器学习实战（原书第2版）(豆瓣评分：9.7)
从豆瓣评分就知道该书的质量，该书理论比较少，提供了很多实战示例，从零帮助你直观地理解并掌握构建智能系统所需要的概念和工具。
2、Scikit-Learn与TensorFlow机器学习实用指南(豆瓣评分：9.6)
该书通过具体的例子、很少的理论以及两款成熟的Python框架：Scikit-Learn和TensorFlow，作者Aurélien Géron会帮助你掌握构建智能系统所需要的概念和工具。
3、机器学习公式详解(豆瓣评分：9.4)
从名字就知道该书是干嘛的，主要是对机器学习中的公式的推导和解析。
深度学习系列
博客推荐
- PyTorch之对类别张量进行one-hot编码
- PyTorch之BN核心参数详解
- 主流深度学习框架对比：看你最适合哪一款？
- OpenAI 的 PixelCNN++实现：基于 Python3 和 TensorFlow
- 深度学习教程：从感知器到深层网络
- 卷积神经网络架构详解：它与神经网络有何不同？
- Python入门深度学习完整指南
- 分布式深度学习：神经网络的分布式训练
- GitHub 上 57 款最流行的开源深度学习项目
- 利用Python进行深度学习的完整入门指南
- 深度学习三大框架对比
- 深度学习局限何在？图网络的出现并非偶然
- 深度学习最常用的算法:Adam优化算法
- 23种深度学习库排行榜：TensorFlow最活跃、Keras最流行
- TensorFlow 深度学习笔记
- 多层感知机MLP
- Alink漫谈(十四) ：多层感知机 之 总体架构
- Julia：用多层感知机解决异或问题
- 从此明白了卷积神经网络（CNN）
- TensorFlow实现多层感知机及可视化训练过程中的数据记录
- 大话卷积神经网络CNN（干货满满）
- 卷积神经网络(CNN)介绍与实践
- 用“活着的”CNN进行验证码识别
- 自回归模型详解与PixelCNN构建
- 【RNN从入门到实战】GRU入门到实战——使用GRU预测股票
- [机器学习读书笔记] - RNNs vs GRUs vs LSTM (附 Trax 基于GRUs的文本生成)
- GRU神经网络
- 首次大规模神经机器翻译架构分析结果出炉，LSTM 优于GRU
- 深度学习之LSTM及GRU
- 透彻的理解：循环神经网络
- 深度学习之循环神经网络RNN(基础篇)
- RNN原理解析与实现(Keras)
课程推荐
书籍推荐
1、深度学习原理与实践(豆瓣评分：9.7)
本书详细介绍了目前深度学习相关的常用网络模型（ANN、CNN、RNN），以及不同网络模型的算法原理和核心思想。本书利用大量的实例代码对网络模型进行了分析，这些案例能够加深读者对网络模型的认识。
2、Python深度学习(豆瓣评分：9.5)
本书由 Keras 之父、现任 Google 人工智能研究员的弗朗索瓦·肖莱（François Chollet）执笔，详尽介绍了使用 Python 和 Keras 进行深度学习的探索实践，涉及计算机视觉、自然语言处理、生成式模型等应用。
3、动手学深度学习(豆瓣评分：9.4)
该书旨在向读者交付有关深度学习的交互式学习体验。书中不仅阐述深度学习的算法原理，还演示它们的实现和运行。
自然语言处理系列
博客推荐
- 自然语言处理介绍
- 自然语言处理总结
- 教你用Python进行自然语言处理
- Python自然语言处理分析倚天屠龙记
- Python 自然语言处理入门
- Python调用自然语言处理包HanLP
- 自然语言处理中句子相似度计算的几种方法
- 深度学习与自然语言处理
- 自然语言处理系列之一：N元语法-ngram
- 汉语自然语言处理工具包下载
- 自然语言处理领域重要论文&资源全索引
- Python自然语言处理只需要5行代码
- 配置Hanlp自然语言处理进阶
- 自然语言处理入门笔记-> 准确率评测
- 怎样用机器学习8步解决90%的自然语言处理问题？
- hanlp中文自然语言处理分词方法说明
- 最全面的百度NLP自然语言处理技术解析
- 浏览器中的自然语言处理
- 自然语言处理在eBay的技术实践
- 使用sklearn做自然语言处理
- 自然语言处理入门笔记-> 二元语法与中文分词
- NLP入门+实战必读：一文教会你最常见的10种自然语言处理技术
- Pointer Networks在自然语言处理领域中的应用
- 12种自然语言处理的开源工具
- 自然语言处理NLP知识和产品的笔记
课程推荐
书籍推荐
1、深度学习进阶：自然语言处理(豆瓣评分：9.6)
该书围绕自然语言处理和时序数据处理，介绍深度学习中的重要技术，包括word2vec、RNN、LSTM、GRU、seq2seq 和Attention 等。本书语言平实，结合大量示意图和Python代码，按照“提出问题”“思考解决问题的新方法”“加以改善”的流程，基于深度学习解决自然语言处理相关的各种问题，使读者在此过程中更深入地理解深度学习中的重要技术。
2、语音与语言处理 自然语言处理：计算机语言学和语音识别导论(豆瓣评分：9.4)
本书是第一本从各个层面全面介绍语言技术的书，本书将深入的语言分析与健壮的统计方法结合起来，将自然语言处理、计算语言学以及语音识别等内容融合在一本书中，把各种技术相互联系起来，让读者了解怎样才能最佳地利用每种技术，怎样才能将各种技术结合起来使用。
3、Python自然语言处理(豆瓣评分：8.1)
该书提供了非常易学的自然语言处理入门介绍，该领域涵盖从文本和电子邮件预测过滤，到自动总结和翻译等多种语言处理技术。
计算机视觉系列
博客推荐
- 程序员必看：13个GitHub开源又炫酷的计算机视觉项目
- 基于Python的这个库，我实现了“隔空操物”
- 最新计算机视觉学习路线教程
- 计算机视觉中的transformer模型创新思路总结
- 31篇文章！计算机视觉从原理到OpenCv实战
- OpenCV能做哪些好玩的项目？适合初学者学习的五个计算机视觉项目
- 从神经科学到计算机视觉——50年来CV的发展之路
- iOS计算机视觉—人脸识别
- 【计算机视觉】视频车辆检测与计数
- 计算机视觉开发工程师需要哪些技能？
- 一文看懂计算机视觉-CV
- 深度学习入门：适合初学者的5个计算机视觉免费开源项目
- 计算机视觉的 基础学习
- GitHub上的计算机视觉学习资料推荐
- 深度学习之计算机视觉
- 个高可用的开源人脸识别项目！哪个识别率最高？
- 基于 Web 端的人脸识别身份验证
- 人脸识别 -- 活体检测(张嘴摇头识别)
- 震惊！只用20行代码就写出了一个人脸识别的程序
- 自学项目之opencv人脸识别
- 基于Java实现的人脸识别功能，一切都为了宠粉（附源码）
- Python图像处理，cv2模块，OpenCV实现边缘检测
- 计算视觉——图像梯度、图像边缘、几何特征、检测与提取
- Python图像处理，cv2模块，OpenCV实现目标跟踪
- 图像检索系列——利用 Python 检测图像相似度
- 图像相似度比较和检测图像中的特定物
- 干货｜一文读懂图像局部特征点检测算法
- Python 图像处理 OpenCV （12）： Roberts 算子、 Prewitt 算子、 Sobel 算子和 Laplacian 算子边缘检测技术
- 图像中二维码的检测和定位
- [译] 提取图片中的文字、人脸或者条形码 —— 形状检测API
- AI 论文解读：基于 Transformer 的多目标跟踪方法 TrackFormer
- FastAI：基于机器视觉的典型多目标追踪算法应用实践
课程推荐
书籍推荐
1、计算机视觉中的多视图几何(豆瓣评分：9.8)
本书全面介绍了近几年来发展的基于几何的计算机视觉计算方法及其数学基础，从事相关数学领域研究的人士也值得一读。
2、计算机视觉中的数学方法(豆瓣评分：9.4)
该书由射影几何、矩阵与张量、模型估计3篇组成，着重介绍与视觉估计有关的数学理论与方法，主要内容包括：迭代优化理论，参数估计理论，视觉估计的代数方法、几何方法、鲁棒方法和贝叶斯方法。
3、计算机视觉(豆瓣评分：8.8)
该书内容比较全面，涉及几何摄像模型、光照和着色、色彩、线性滤波、局部图像特征、纹理、立体相对、运动结构、聚类分割、组合与模型拟合、追踪、配准、平滑表面与骨架、距离数据、图像分类、对象检测与识别、基于图像的建模与渲染、人形研究、图像搜索与检索、优化技术等内容。
数据分析系类
博客推荐
- 数据分析，从入门到崩溃
- 电商用户行为数据分析
- 如何快速成为数据分析师？
- 小白学数据分析--数据分析实操篇
- 数据分析入门系列教程-数据清洗
- 作为数据分析师，如何提升数据分析能力？
- Python | 数据分析实战 Ⅱ
- Python数据分析基础知识
- Python数据分析之股票数据
- 数据分析工具Pandas
- 数据分析之RFM分析
- 数据分析
- 让数据分析自动化：开源数据分析工具Rath介绍
- 一小时搭建实时数据分析平台
- 用 Python 分析了 20 万场吃鸡数据
- 小白数据分析——Python职位全链路分析
- Python | 数据分析实战Ⅰ
- 使用 Python 探索和分析数据 入门的入门
- 量化交易Python数据分析
- python 数据挖掘算法简要
- Python数据分析与挖掘实战--读书笔记
- 数据挖掘：python实战多因子分析
- Python 数据挖掘实践—KNN 分类
- 手机评论文本挖掘与数据分析（Python）
- Python中的Apriori关联算法-市场购物篮分析
- Twitter数据挖掘：如何使用Python分析大数据
- 数据挖掘——决策树巩固与 Python 实现
课程推荐
- python数据智能分析
- 10周成为数据分析师
- [数据分析]京东数据智能分析
- 量化交易魔鬼训练营
- [数据分析] SPSS论文数据分析实战视频课程
- 量化交易进阶实战课迭代式的量化策略研发
- Python金融数字货币量化投资课程
- Python项目实战从零开始搭建货币量化交易系统
- 人人都能学会数据分析
- [数据分析] 数据分析全栈工程师
- ClickHouse数据分析引擎入门到精通
书籍推荐
1、Python金融衍生品大数据分析(豆瓣评分：9.2)
本书主要介绍了有效定价期权的四个领域：基于巿场定价的过程、完善的巿场模型、数值方法及技术。
2、Python大数据分析与机器学习商业案例实战(豆瓣评分：8.4)
本书以功能强大且较易上手的Python语言为编程环境，全面讲解了大数据分析与机器学习技术的商业应用实战。
3、Spark快速大数据分析(豆瓣评分：8.3)
不多介绍，看书名就知道这本书是介绍如何利用机器学习算法执行大数据分析的。
面试题推荐
1. 计算机视觉面试经历
3. 苹果、谷歌等大厂的AI面试题被我们搞到手了，你敢来挑战吗？
8. 160个机器学习面试题
9. 阿里机器学习七面面经
10. 机器学习算法面经（腾讯阿里网易）
12. 【面试】美团CV实习岗面试记录
标签：数据分析,机器,人工智能,学习,Python,资料,集合,自然语言 From： https://blog.csdn.net/2401_86756763/article/details/141535757