- 本项目使用Docsify技术生成，并托管在GitHub Pages和 Gitee Pages
- 编辑时为方便索引使用，每节课的笔记文件名必须规范为 “序号-本节课程视频名称” （如：“ 08-线性回归 + 基础优化算法 .md ” ）
- 所有笔记将采用Markdown格式进行编排,推荐使用VSCode来编写。
- Markdown 快速入门点这里，Markdown 官方教程
- Markdown 数学公式语法 👉链接 1、链接 2
- VSCode 下载点这里
- Git 下载地址
- 若需在笔记中插入图片，推荐使用可靠的外链，如需插入本地图片，可先修改图片名称并上传至仓库的
Images文件夹，再在 Markdown 中使用相对 URL 进行引用。
- 《动手学深度学习》公开课视频(完结)链接点击 👇
通过 Git 版本控制系统与 Gitee 平台，可以实现笔记的多人在线协作 🤹♀️ 共同写作。可以在 Gitee 平台上首先 🧬Fork本项目，再通过 ⤴Pull Requests向本项目提交修改。具体方法参考第三章内容 👉Git 快速入门
- 《机器学习数学基础》 by W&B
- 斯坦福大学 EE104《机器学习导论》课程(2020) by Sanjay Lall
- 图宾根大学《概率机器学习》课程(2021) by Philipp Hennig
- 《机器学习凸优化：算法和复杂性》 by Sebastien Bubeck
- 台大林轩田老师《机器学习基石》🙌🙌
- 台大林轩田老师《机器学习技法》🙌🙌
- 吴恩达《机器学习基础》🙌🙌
- 滑铁卢大学计算机教授 Gautam-Kamath《机器学习入门》
- 斯坦福 2021 秋季 CS329P·《实用机器学习课程》 - 李沐 🙌
- 《生产中的机器学习(MLOps)》 - 吴恩达 🙌
- MIT 18.06SC 《线性代数》，2011 辅导课
- 台大《深度学习优化方法》课程(2021) by Chih-Jen Lin
- 伯克利 CS 182《深度学习：深度神经网络设计、可视化与理解》课程(2021) by Sergey Levine
- 五小时 PyTorch 深度学习课程
- 吴恩达《深度学习 deeplearning.ai》🙌🙌🙌
- 斯坦福 2018 CS230《深度学习》 - 吴恩达 🙌
- MIT《深度学习导论(6.S191)》课程(2021)
- 李宏毅 2021 机器学习深度学习(附作业讲解)🙌
- 李宏毅《机器学习/深度学习》国语课程(2021)🙌
- MIT 6.S191 《深度学习入门讲座》
- 斯坦福大学 Stats 385《深度学习分析》课程 (2019)
- CMU 10-708《概率图模型》课程(2020) by Eric P. Xing
- CS224W：《图机器学习》(中英字幕|2019 秋)
- 斯坦福 CS224W《图机器学习》课程(2021) by Jure Leskovec
- 斯坦福李飞飞 cs231n《计算机视觉经典课程》(2019)
- 麻省大学《CS685 自然语言处理进阶》课程(2020) by Mohit Iyyer
- 元学习教程(AAAI 2021 Tutorial)
- arXiv：arXiv 是康奈尔大学开放的一个免费的学术分发服务和开放获取档案，是世界上最大的预印本网站，30 年来造福了无数科研工作者，收录了物理学、数学、计算机科学、定量生物学、定量金融学、统计学、电气工程和系统科学以及经济学等领域的 200 万+篇学术文章。
- ar5iv：可以将arXiv发表的论文一键转换成阅读性超棒的网页直接浏览而无需下载，比如以论文《Deep Residual Learning for Image Recognition》为例，直接将它的arXiv链接
https://arxiv.org/abs/1512.03385中的arxiv改为ar5iv即https://ar5iv.org/html/1512.03385即可在线阅读。（目前该项目仍为测试阶段，只收录了2022年1月之前的论文） - Sci-hub：一个俄罗斯人开发的学术检索平台，通过输入文献的链接或者 DOI 或者 PubMed 号可以下载几乎所有 SCI 论文（只要不用万恶的知网 👿 我们就是好朋友 👋）。由于触动各大出版商利益，经常被封域名，可以在这里查询镜像 👉查询，🌏 镜像 1、🌏 镜像 2、🌏 镜像 3
- Z-librery：全球最大的数字图书馆项目，可以下载到几乎任何的电子书、教材等等。
- Distill👍👍👍：算法可视化做得非常棒的一个网站，定期发布解读文章，深入浅出！
- PaperWithCode👍👍👍：汇聚了主流论文的代码实现，还有 SOTA Benchmark、常用库、数据集、各框架统计对比等等
- AISummer👍👍：一个 AI 相关的博客，有非常多高质量的图文并茂讲解文章，适合入门学习
- Aminer👍：科研工作者的科研社交和论文贡献知识图谱化分析平台
- TensorFlow Playground：多层神经网络可视化，可以实时调整各种参数。不得不说谷歌大法好，项目质量优质、精致
- Stanford ConvNetJS：斯坦福一个运行于浏览器的神经网络 Demo
- DeepLearning Ai-Note
- Pytorch：Meta（原 Facebook）出品，席卷科研界，目前已与 Caffe2 合并，代码友好，文档清晰，性能一般 👉项目主页
- Tensorflow：Google 出品，席卷工业界，部署成熟，性能尚可，生态应用广泛，但代码、文档较混乱 👉项目主页
- MXNet：沐神团队出品，Apache、亚马逊支持，D2L 项目优先推荐，设计理念优秀，性能出色，但目前生态较弱，发展受限 👉项目主页
- MindSpore：昇思，华为出品，优势在于可与华为硬件高效协同，生态优势仅限华为系 👉项目主页
- Jittor：计图，清华大神梁盾主导开发（类似沐神），贾扬清大神高度评价 👉项目主页
- OneFlow：一流，大神袁进辉团队出品，设计优秀，在公开 Benchmark 跑出“近乎玄学”的性能第一出色成绩 👏👏👏，就是文档偏弱，主页有些 Low（跑题了）👉项目主页
- PaddlePaddle：飞浆，百度出品，代码开发实现出色，贾扬清大神高度评价，不过文档有些混乱，推广有些“用力过猛”👉项目主页
- MegEngine：天元，旷世科技出品 👉项目主页
这里分享一篇Oneflow创始人袁进辉的一篇不同框架的综述比较文章👉深度学习框架的灵魂
- Amazon Sagemaker Studio Lab（🙌Free GPU!）👉使用说明
- Google Colab（需梯子,Free GPU）
- AutoDL（国内平台，按需租用，价格较低）
- AWS（老牌云平台，国内无障碍访问，价格尚可）
- 华为云（国内实力较强，服务好）
- 阿里云（国内最早起家云服务厂商，销售套路较多）
同学们在学习的过程中，如果对笔记上的内容有任何想说的（如 🙋♀️提问&回答、✒排版、💬意见建议 ）可以在对应的每篇笔记页面的 👇 最底部 👇 的Gitalk 留言板畅所欲言（需登录 Github 账号），留言内容将作为项目的 Issues 提交至作者，我们会尽快进行回复反馈。
如果觉得笔记内容有写得实在 👁 不顺眼、❌ 有错、💢 瞎写的地方，欢迎光速打脸纠错 ✋提交 🔗Pull Requests进行修改，具体操作步骤可参考第三章内容 👉Git 快速入门
首先十分感谢沐神充满热爱的知识分享和不求回报的无私奉献，沐神的精神时刻激励着我们认真做好这个学习笔记，同时我们炒鸡赞同沐神“动手学”的理念，为了完成这个项目，我们也尝试学习、融合并实践了很多技术栈，如版本控制系统、Linux 与云计算、静态页面托管部署、LaTex 公式语法、Mermaid 图绘制、Numpy、Pandas、Matplotlib 数据处理三剑客等等，在实践中学习，效果确实很好。
其次感谢合作者小猪同学，如果没有他强大的学习能力 Boosting🚀 和快速的执行力，这个笔记项目很可能就夭折了。
最后感谢践行“我为人人、人人为我”开源精神的广大开发者，得益于好用的各种工具和服务如：Markdown、Git、Github&Gitee Pages、Gitalk、Docsify 等等，大大减轻了繁重的工作量，使得这个笔记能以更好的效果呈现。