https://github.com/edisonleeeee/awesome-learning-resource

A curated list of all kinds of learning resources, blogs, books, videos and so on.
https://github.com/edisonleeeee/awesome-learning-resource

List: awesome-learning-resource

Last synced: 4 months ago
JSON representation

A curated list of all kinds of learning resources, blogs, books, videos and so on.

Host: GitHub
URL: https://github.com/edisonleeeee/awesome-learning-resource
Owner: EdisonLeeeee
License: gpl-3.0
Created: 2019-07-20T11:07:36.000Z (almost 7 years ago)
Default Branch: master
Last Pushed: 2021-07-09T09:08:40.000Z (almost 5 years ago)
Last Synced: 2025-11-08T12:01:47.404Z (7 months ago)
Homepage:
Size: 486 KB
Stars: 398
Watchers: 8
Forks: 70
Open Issues: 0
Metadata Files:
- Readme: README.md
- License: LICENSE

Awesome Lists containing this project

README

# Awesome Learning Resources :heart:😎

[![Awesome](https://awesome.re/badge.svg)](https://awesome.re)
[![Contributions Welcome](https://img.shields.io/badge/Contributions-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com)
![](https://img.shields.io/github/license/EdisonLeeeee/Awesome-Learning-Resource)

### 👉 Table of Contents 👈
+ [Git 👬](#1)
+ [GitHub :octocat:](#2)
+ [Linux 🐧](#3)
+ [Docker 🐳](#4)
+ [Math (数学) 📐](#5)
+ [Algorithm (算法) 💡](#6)
+ [CheatSheets (速查表) 📑](#7)
+ [Awesome ✨](#8)
+ [Courses (学习课程) 🎓](#9)
+ [Books (书籍资料) 📚](#10)
+ [Visualization (可视化) 👀](#11)
+ [Tutorials & Blogs (教程博客) 🗨](#12)
+ [Learning (Resource) Websites (学习资源网站) 💻](#13)
+ [Learn by Game (寓教于乐) 👾](#14)
+ [C/C++ Learning (C/C++ 学习) 🇨🇱](#15)
+ [Go Learning (Go 学习) 🇬🇱](#16)
+ [Jupyter Notebook 📔](#17)
+ [Python Learning (Python 学习) 🐍](#18)
+ [Python Projects (Python 项目) 👨‍💻](#19)
+ [Python Crawler (Python 爬虫) 🕷](#20)
+ [Machine Learning (机器学习) 🤖](#21)
+ [Auto Machine Learning (自动机器学习) 🔧](#22)
+ [Computer Vision (计算机视觉) 👁](#23)
+ [Reinforcement Learning (强化学习) 💪](#24)
+ [Recommender System (推荐系统) 🎞](#25)
+ [Graph Learning (图学习) 🗺](#26)
+ [Generative Adversarial Networks (GANs) 🤜 🤛](#27)
+ [Adversarial Attack and Defense (对抗攻防)⚔🛡](#28)
+ [Model Compression (模型压缩) ⚙](#29)
+ [Object Detection (目标检测) 🔎](#30)
+ [TensorFlow Learning (TensorFlow 学习) 🇹🇫](#31)
+ [Keras Learning (Keras 学习) 🇰🇷](#32)
+ [PyTorch Learning (PyTorch 学习) 🇵🇹](#33)
+ [English Learning (英语学习) 🗣](#34)
+ [Papers & Codes (论文&代码) 🔖](#35)
+ [Paper Toolkit (论文工具) 📝](#36)
+ [Competition (比赛项目) 🏇](#37)
+ [Download (下载) 📥](#38)
+ [Software/Application (软件/应用) 🌈 ](#39)
+ [Jobs & Interview (工作面试) 💼](#40)
+ [Dataset (数据集) 📊](#41)
+ [Coding Toolkit (代码工具) 💻](#42)
+ [Others (其它) ❓](#43)
+ [Update (更新时间) 🕰 ：2021/07/09](#44)

# Git 👬
[💨 Back to Top](#table-of-contents)

+ [Git](https://git-scm.com/)：Git官方教程
+ [Git Book](https://git-scm.com/book/en/v2)：Git 官方教程电子书。[中文版Git Book链接](https://git-scm.com/book/zh/v2)
+ [Learn Git Branching](https://learngitbranching.js.org/)：一个用于学习 Git 的交互式学习网站，[GitHub](https://github.com/pcottle/learnGitBranching)上收获了:star:10k+
+ [Githug ](https://github.com/Gazler/githug)：它其实是一个命令行工具，但更多的人喜欢称它为一个 Git 游戏，被设计出来的目的是用来练习我们的 git 技能。但是Githug 是运行在 ruby 上的，所以你要装完Git再安装个 ruby[通关攻略](https://www.jianshu.com/p/482b32716bbe)。
+ [Flight rules for Git](https://github.com/k88hudson/git-flight-rules)：Flight rules for Git，翻译过来是 Git 飞行规则，而飞行规则是记录在手册上来之不易的一系列知识，记录了某个事情发生的原因，以及怎样一步步进行处理。因此该项目用于补足你解决问题的能力。除此以外，对一些学习 Git 方面比较好的书籍、教程等都有所推荐。GitHub:star:33.3k。推荐等级：:heart::heart::heart::heart:！
+ [猴子老师Git教程](https://backlog.com/git-tutorial/cn/intro/intro1_1.html)：号称猴子都能懂的Git入门教程
+ [廖雪峰Git教程](https://www.liaoxuefeng.com/wiki/896043488029600)：廖雪峰Git教程，号称史上最浅显易懂的Git教程
+ [Pro Git 第二版](http://bit.ly/2H7A7Lg)：这本书被誉为 Git 学习的圣经，作者是 Scott Chacon 和 Ben Straub。Scott Chacon 在 GitHub 工作，自称 Git 的布道者。你可以在网站上免费阅读这本书，也可以下载他们提供的电子版本
+ [git-recipes](http://bit.ly/2Z4jw0M)：童仲毅 (`geeeeeeeeek@github`) 对很多英文资料进行翻译、整理的集合教程。包含入门基础、进阶知识和应用范例。这些英文资料主要包括 GitHub 竞争者 Bitbucket 的 Git 教程
+ [Udacity Git 课程](http://bit.ly/2H5PZhi)：谷歌无人车之父 Sebastian Thrun 创办的优达学城（Udacity）上面的免费 Git 课程。这门课程由优达学城与 GitHub 共同制作，介绍进行版本控制的基础知识，重点讲解 Git 版本控制系统以及 GitHub 协作平台
+ [happypeter1983 的 Git 视频教程](http://bit.ly/2Z6rS87)：这份教程就更进阶了一些。讲到了一些高级命令的用法。当然还有其他学习资源。
+ [Oh shit, git!](http://ohshitgit.com/)：这个网站整理了一些 Git 新手在使用 Git 时常会遇到的各种突发状况，并贴心的给出了应对方案。
+ [Gitignore](https://github.com/github/gitignore)：GitHub 官方开源的一个项目，这个项目为开发者编写好特定的 `.gitignore` 规则，做成了模板。开发者只需选择好自己的项目类别，将文件内容复制粘贴放到自己项目里面就可以用了,在上面，你可以找到目前所有主流语言的 .gitignore 模板。[在线生成网站](http://gitignore.io/)
+ [Readme Md Generator](https://github.com/kefranabg/readme-md-generator)：一名来自法国的小哥因为饱受重复编写 README 文档的折磨，在 GitHub 上开源了 readme-md-generator 这个工具。从项目名字便可以知道，它一个 README 文档生成器。其主要作用是通过命令行抓取项目的 package.json 和 git 配置信息，自动完成 README 文档的编写操作，Github上已获:star:5k+
+ [Repository Templates](https://github.blog/2019-06-06-generate-new-repositories-with-repository-templates/)：为了避免开发者做一些无用的重复性工作，GitHub 发布的一个新功能 - 模板仓库（repository templates）。这个功能可以将以往创建过的仓库标记成模板（template），这样在你下一次创建仓库的时候，就可以使用这个模板功能，快速生成具有和原仓库一样的目录与文件内容，每个模板仓库在 URL 末端带上 /generate 后，还可以将模板仓库通过链接分享给其他人，其它人在打开链接之后，便可以快速通过这个模板来创建新仓库
+ [Standard Readme](https://github.com/RichardLitt/standard-readme)：由 RichardLitt 发起的项目，简单直白的告诉读者README 应该写哪些内容，应该如何排版等，GitHub:star:2.8k
+ [《Beginning Git and GitHub》](https://www.apress.com/gp/book/9781484253120)：Git与Github学习使用指南（Beginning Git and GitHub），[GitHub](https://github.com/Apress/beginning-git-and-github)
+ [CS Visualized: Useful Git Commands](https://dev.to/lydiahallie/cs-visualized-useful-git-commands-37p1)：git merge、git rebase、git reset、git revert、git fetch、git pull、git reflog……你知道这些 git 命令执行的究竟是什么任务吗？如果你还有些分不清楚，那千万不能错过这篇文章。在本文中，熟知 JavaScript、TypeScript、GraphQL、Serverless、AWS、Docker 和 Golang 的 21 岁年轻软件顾问 Lydia Hallie 通过动图形式直观地介绍了这些常用 git 命令的工作过程，包你过目不忘。
+ [Git Draw](https://github.com/ben174/git-draw)：允许自定义绘制 github热图的项目，GitHub:star:2k
+ [Gitfiti](https://github.com/gelstudios/gitfiti)：自定义GitHub热图，GitHub:star:5.8k
+ [Git Commit emoji](https://github.com/liuchengxu/git-commit-emoji-cn)：执行 git commit 时使用 emoji 为本次提交打上一个 "标签", 使得此次 commit 的主要工作得以凸现，也能够使得其在整个提交历史中易于区分与查找。GitHub:star:1.5k
+ [Gitqlite](https://github.com/augmentable-dev/gitqlite)：通过为 GitHub 项目创建一张虚拟的 SQLite 数据库表，进而达到能直接用数据库查询语句，快速检索 Git 仓库中的内容，其中包括 Git 提交记录、作者名称、邮箱、文件历史记录等内容。开发者可根据自己的开发需求编写数据库查询语句，快速从 Git 仓库中提取精准信息。GitHub:star:1.3k

# GitHub :octocat:
[💨 Back to Top](#table-of-contents)

+ [Gitstar Ranking](https://gitstar-ranking.com/repositories)：GitHub顶级项目排行榜

+ [GitHub Chinese Top Charts](https://github.com/kon9chunkit/GitHub-Chinese-Top-Charts)：Github中文项目排行榜，帮助你发现高分优秀中文项目、更高效地吸收国人的优秀经验成果；榜单每周更新一次。

+ [Lib4dev](http://www.lib4dev.in/)：一个超赞的在线网站，里面汇集了包含所有编程语言的开源项目和库，并可以链接到相对应的 GitHub 上。使用 lib4dev 可以查找任何编程语言的最佳库，它界面简单，基本上所有编程语言的库和开源项目都可以在上面找得到。推荐等级：:heart::heart::heart:！

+ [HelloGithub](https://www.hellogithub.com/)：分享GitHub上有趣，入门级的开源项目

+ [GitHubDaily ](https://github.com/GitHubDaily/GitHubDaily)：每日不定时推送一批 GitHub 上优秀的开源项目给开发者, 帮助开发者们发现当下最火的开源项目

+ [PyHubWeekly](https://github.com/Jackpopc/PyHubWeekly)：PyHubWeekly是一个精选Github上优质Python小工具的项目，宗旨：每周更新一次；精选GitHub上优质Python项目

+ [Github trending repos](https://github.com/vitalets/github-trending-repos)：GitHub上不同语言的每日趋势总结

+ [onedev](https://github.com/theonedev/onedev)：OneDev 是一个开源的一体化的 DevOps 平台，一款简单易用的 GitLab 替代品。GitHub:star:3.2k

+ [GitHub漫游指南](https://github.com/phodal/github)：关于如何在Github上如何构建一个好的项目。、研究用户的行为、找到一些感兴趣项目的指南。推荐等级：:heart::heart::heart:！

+ [Github Trending Repos](https://github.com/vitalets/github-trending-repos)：通过GitHub本地通知，跟踪你喜欢的编程语言的GitHub趋势库，GitHub:star:2k。推荐等级：:heart::heart::heart:！

+ [GitHub 帮助](https://help.github.com/cn#dotcom)：GitHub官方中文帮助文档，全球最大的开源网站GitHub是每个程序员必须接触的，学习它的使用百利而无一害，同时也适合学习Git

+ [GitHub Help](https://help.github.com/en)：GitHub官方英文帮助文档，由于中文文档是从英文文档翻译而来，可能有些内容不是最新，英语好的人应该看英文文档，才能实时获取最新内容

+ GitHub README
+ [Building a self-updating profile README for GitHub](https://simonwillison.net/2020/Jul/10/self-updating-profile-readme/)：GitHub 发布的新特性，用户可直接在 GitHub 个人页中添加 README 介绍，用于展示更加详细的个人信息。Django 与 Datasette 的作者 Simon Willison 就用了短短 150 行代码，来实时更新其个人页的 README 信息。每次运行脚本时，会将项目的最新发行版、博客文章、Datasette API 等内容更新到个人主页上，这样别人就可以第一时间了解他的最新工作近态。
+ [Sorxrob](https://github.com/sorxrob)：使用了类似 Friendster 的社交模板，从关注者中随机选出 8 个用户，每个一小时更新一次个人页的 README 信息。
+ [EliteDaMyth](https://github.com/EliteDaMyth/EliteDaMyth)：作者是印度那边一个 17 岁的学生，在他的 GitHub 页面中，用递归的方式在 README 中层层嵌套自己的个人页，效果让人眼前一亮！
+ [waka-readme](https://github.com/athul/waka-readme)：每周在 README 中更新各种编程语言在工作中的具体占比时间。你的技术堆栈、常用语言、编码状态让人一目了然。
+ [Github Readme Stats](https://github.com/anuraghazra/github-readme-stats)：自动给你的 GitHub 信息生成统计报告，其中包括项目 Star 数、代码提交次数、项目贡献次数、PR 数、Issue 数等数据。
+ [Awesome Profiles](https://github.com/kautukkundan/Awesome-Profile-README-templates)：里面收集了非常多能让人眼前一亮的 README 模板，有很多是无需配合 GitHub Action，直接把 Markdown 复制粘贴一下就能用。GitHub:star:1.6k

+ [emoji markup](https://gist.github.com/rxaviers/7360908)：GitHub emoji 表情大全，GitHub:star:7.5k

+ [Super Linter](https://github.com/github/super-linter)：GitHub Services DevOps Engineering 团队正式开源了一个代码库：Super Linter。当你把这个代码库搭配 GitHub Actions 一同使用后，便可保证代码风格与文档的一致性。如此一来，就能极大降低代码审查成本，顺带提升整个项目的代码质量。这款插件主要具备以下几项核心功能：防止将破坏性代码上传到主分支；构建多种语言的编码最佳实践；构建代码布局与代码格式指南；自动化流程，简化代码审查工作。GitHub:star:3.2k

+ [GitHub Protips: Tips, tricks, hacks, and secrets from Lee Reilly](https://github.blog/2020-04-09-github-protips-tips-tricks-hacks-and-secrets-from-lee-reilly/?utm_source=wechat_session&utm_medium=social&utm_oi=986032804718800896#9-a-numbers-game)：GitHub 使用提示、技巧、黑科技和秘密

+ [MkDocs](https://github.com/mkdocs/mkdocs)：可用于快速创建项目文档的开源神器：MkDocs。该项目创建自 2014 年，目前 GitHub 上参与维护开发，给项目提交贡献的开发者，共有 100 多名，这款工具希望能帮助开发者以更加快速、便捷的方式来创建项目文档，并为其生成更加简洁直观的静态站点。开发者还贴心的针对国内开发者提供了[中文文档](https://markdown-docs-zh.readthedocs.io/zh_CN/latest/)。GitHub:star:10.1k。推荐等级：:heart::heart::heart::heart:！

+ [GitHub Cli](https://cli.github.com/)：GitHub 官方新发布了新命令行工具「GitHub CLI」，该工具能无缝对接 GitHub，把 GitHub 的操作体验，都搬到命令行中。[开源地址](https://github.com/cli/cli)，目前GitHub:star:5k+。

+ [Codespaces](https://github.com/features/codespaces)：Github 最新推出的 Codespaces ，可以实现基于 VS Code 的云端代码编译和实时开发。

+ [FastText by FacebookResearch](https://github.com/facebookresearch/fastText)：GitHub上:star:20k，fastText是Facebook团队的一个开源和免费库，用于有效学习单词表示。它是轻量级的，允许用户学习文本表示和句子分类器。它适用于标准的通用硬件。模型可以减小尺寸，甚至适合移动设备。

+ [Logoly](https://github.com/bestony/logoly)：不正经 Logo 生成器。这是一个在线的 PornHub 风格 Logo 生成工具，可以帮助你快速生成类似 PornHub 风格的 Logo。[在线体验地址](https://logoly.pro/)

+ [坦克大战](https://battle-city.js.org/)：GitHub 上实现的这个开源版本，可在 Web 上直接玩，还原度非常之高，并支持单台电脑，双人组队。

+ [俄罗斯方块](https://chvin.github.io/react-tetris/?lan=cn)：这个项目不仅好玩，技术实现原理也讲解非常到位。它通过响应式与数据持久化，使得游戏体验的效果更佳，也让你可以直接在手机端上进行操作。

+ [Gameboy 模拟器](https://github.com/HFO4/gameboy.live)：如果我说你能在终端上用 Gameboy 来玩游戏，你可能会大吃一惊。但，生命不息，折腾不止，这玩意确实被重庆大学的一位大二学生给整出来了。

+ [扫雷](http://muan.github.io/emoji-minesweeper/)：作为一款在当年霸屏 Windows 机器的小游戏，相信不少人都不会感到陌生。这款结合了当下比较新颖的 emoji 表情元素，重现了当年的经典。

+ [在线玩中文 DOS](https://dos.zczc.cz/)：国内一位老玩家，出于对 DOS 游戏的怀念，在 GitHub 上开源了这个项目。

+ [Navi](https://github.com/denisidoro/navi)：一个神奇的命令行备忘录，GitHub上已获:star:3k+

+ [Checkm8](https://github.com/axi0mX/ipwndfu)：一位名为Axi0mx的开发人员发布的一个名为Checkm8的iPhone破解程序，而且是开源的。Github 上已经获:star:5k+。

+ [Lazynlp](https://github.com/chiphuyen/lazynlp)：英伟达工程师小姐姐Chip Huyen，在GitHub上开源了一个名为“lazynlp”的工具库。爬网页、清洗数据、创建数据集都可以搞定。她说，使用这个库，你应该能创建一个比大于40G的文本数据集，比OpenAI训练GPT-2时使用的还要大。开源仅一天，项目在GitHub上就获得了300多星，Twitter上获得上千次点赞。fast.ai创始人Jeremy Howard等人也转发推荐。而且，用这个工具库创建数据集的过程，也并不麻烦。

+ [Leon Sans](https://leon-kim.com)：GitHub:star:6k+，一种字体，变成千姿百态艺术字，可尖可圆可开花，隔壁设计师馋哭了。[GitHub传送门](https://github.com/cmiscm/leonsans)。

+ [BullshitGenerator](https://github.com/menzi11/BullshitGenerator)：狗屁不通文章生成器，GitHub上，这个富有灵魂的项目名吸引了众人的目光。项目诞生一周，便冲上了趋势榜榜首。并且，不止名字被注入灵魂，生成的文字也有一股不可抗拒的力量。只要输入一句话，系统就会给你一篇狗屁不通的万字长文，[网页版](https://suulnnka.github.io/BullshitGenerator/index.html)。

+ [Spleeter](https://github.com/deezer/spleeter)：来自法国的音乐流媒体公司 Deezer 开源了一个音轨分离软件 spleeter，只需输入一段命令就可以将音乐的人声和各种乐器声分离，支持 mp3、wav、ogg 等常见音频格式。GitHub:star:7k+。

+ [996.ICU](https://github.com/996icu/996.ICU)：996.ICU 是指 “工作 996，生病 ICU” 。这是中国程序员之间的一种自嘲说法，意思是如果按照 996 的模式工作，那以后就得进 ICU 了。这个项目最早是某个中国程序员发起的，然后就火遍全网，甚至火到了全世界很多其他国家，其网站被翻译成了多种语言，GitHub获:star:250k+。[网站地址](https://996.icu)。

+ [You-Get](https://github.com/soimort/you-get)：可以通过一个命令下载网上的在线视频，GitHub获:star:28k。

+ [Postwoman](https://github.com/liyasthomas/postwoman)：和 postman 一样，它能提供一些 API 的请求测试功能，HTTP 的请求方式和自定义 Header 都可以使用，而且它可以直接在线上就能运行，坊间有称它是 postman 的老婆。GitHub 获:star:10k+，[体验地址](https://postwoman.io)。

+ [FastAPI](https://github.com/tiangolo/fastapi)：FastAPI 是一个基于 Python3.6+ 构建的高性能 web 框架，使用它可以很快的简单写一些 API 接口，GitHub 获:star:6k+。

+ [Fiora](https://fiora.suisuijiang.com/)：你是否是社交软件的重度用户，并喜欢在网上与陌生人交流分享自己的观点呢？如果是的话，或许你可以考虑自己搭建一个多用户在线的实时聊天平台。要做到这一点并不难，借助一款叫 fiora 的开源软件便可以做到。fiora 是一款有趣的在线聊天应用。基于 node.js, mongodb, socket.io和 react 编写。[GitHub 地址](https://github.com/yinxin630/fiora/)。

+ [微信排版编辑器](https://github.com/doocs/md)：这是一个专为微信公众号排版而生的前端编辑器，可直接在 Web 端打开写文章，在编辑完成后，可将其生成的富文本内容一键复制到公众号上，自动化完成排版操作，很是方便。

+ [AI Dungeon](http://www.aidungeon.io/)：15亿参数的终极版GPT-2，就是OpenAI那只编故事成瘾的AI，都能拿来做些什么？有人用它做了个文字冒险游戏，并赐以优美的名字，叫“AI地牢 (AI Dungeon) ”。大概是在说，你一旦进去就出不来了，里面的故事太迷人。现在，这座地牢进化出了2.0版本。有网友盛情安利，表示不可错过，推特11小时已有1600赞！[游戏传送门](https://colab.research.google.com/github/nickwalton/AIDungeon/blob/master/AIDungeon_2.ipynb)，[博客传送门](https://pcc.cs.byu.edu/2019/11/21/ai-dungeon-2-creating-infinitely-generated-text-adventures-with-deep-learning-language-models/)

+ [Sorry](https://github.com/xtyxtyx/sorry)：sorry 是一个很有意思的表情包斗图项目，源自"sorry，有钱事真的能为所欲为"这梗...

+ [Chinese Poetry](https://github.com/chinese-poetry/chinese-poetry)：最全中华古诗词数据库, 唐宋两朝近一万四千古诗人, 接近5.5万首唐诗加26万宋诗. 两宋时期1564位词人，21050首词。GitHub :star:26.7k。

+ [WechatMomentScreenshot](https://github.com/TransparentLC/WechatMomentScreenshot)：朋友圈转发截图生成工具已获得微信“绿色网站”认证（滑稽）

+ [Demucs](https://github.com/facebookresearch/demucs)：[《Music Source Separation in the Waveform Domain》](https://arxiv.org/abs/1909.01174)论文代码，Facebook人工智能研究院提出的弱监督训练模型，基于受Wave-U-Net和SING启发的U-Net卷积架构。GitHub:star:1.1k。

+ [CatDCGAN ](https://github.com/simoninithomas/CatDCGAN)：利用DCGAN生成猫的图片，由tf1.x实现。

+ [Nativefier](https://github.com/jiahaog/nativefier)：一条命令将网页转成电脑 App，GitHub:star:22.3k。

+ [PySimpleGUI](https://github.com/PySimpleGUI/PySimpleGUI)：PySimpleGUI，它完全基于Python语言，能非常方便地开发GUI界面，代码量相比现有框架减少50%到90%。并且，它提供了极为友好的Python风格的接口，大大提升开发效率。GitHub:star:3.3k。

+ [DeepFaceLab](https://github.com/iperov/DeepFaceLab)：DeepFaceLab是一种利用机器学习来替换视频中的面部的工具。包括预先准备好的独立Windows 7,8,10二进制文件。GitHub:star:12.4k。

+ [Facewap](https://github.com/deepfakes/faceswap)：deepfake 的深度学习技术，这款工具本来的用途是用来识别和交换图片、视频中人物脸部图像的工具。GitHub:star:1.4k。

+ [Httpie](https://github.com/jakubroztocil/httpie)：命令行调试接口的工具，相比 curl 来说，更加直观一点，对新手友好。GitHub:star:45.7k。

+ [thefuck](https://github.com/nvbn/thefuck)：这个工具很有意思，当你在命令行敲错命令的时候，一定会心里默念一句: fuck. 现在你可以直接再敲一遍 fuck，他会帮你猜出来你刚刚应该输入的正确命令。GitHub:star:52k。

+ [hacker-scripts](https://github.com/NARKOZ/hacker-scripts)：一个黑客的一些脚本，比如说如果九点之后还在开发机上登录的话就给老婆发个短信解释一下。GitHub:star:37.4k。

+ [Discourse](https://github.com/discourse/discourse)：一个开源的论坛，GitHub:star:30k。

+ [EverydayWechat](https://github.com/sfyc23/EverydayWechat)：微信助手：1.每日定时给好友（女友）发送定制消息。2.机器人自动回复好友。3.群助手功能（例如：查询垃圾分类、天气、日历、电影实时票房、快递物流、PM2.5等）。GitHub:star:7k。

+ [Google Cloud Vision](https://github.com/GoogleCloudPlatform/cloud-vision):Google的VisionAPI，可以用来自己构建一个搜索引擎。

+ [Markdeep](https://casual-effects.com/markdeep/)：Markdeep 是一个用来写纯文本的插件，它能以 Markdown 的语法与渲染方式纯文本，并在网页上展示。同时，除了 Markdown 语法，Markdeep 还额外支持图表、数学方程等扩展能力。只要你有纯文本编辑器，加上一条语句，瞬间它就可以成为 Markdown 编辑器。

+ [Real Time Person Removal](https://github.com/jasonmayes/Real-Time-Person-Removal)：实时人物去除项目，这个项目的神奇之处在于，只需要在网络浏览器中使用 JavaScript，用 200 多行 TensorFlow.js 代码，就可以实时让视频画面中的人物对象从复杂的背景中凭空消失！GitHub:star:2.5k。[Demo地址](https://codepen.io/jasonmayes/pen/GRJqgma)，只需要一台能上网的电脑和一个网络摄像头就能体验它。

+ [Generative Inpainting](https://github.com/JiahuiYu/generative_inpainting)：自己的照片有路人甲入镜是常有的事，但有些未免太过抢镜，甚至盖过了主角的风头。P 图高手往往选择自己手动去掉背景里不相干的人，但开发者不想那么麻烦，于是开发了该项目来一键消掉路人甲。GitHub:star:1.6k。

+ [MNIST Clock](https://github.com/dheera/mnist-clock)：MNIST 是计算机视觉中不老的经典，GitHub 作者 Dheera Venkatraman 做了一面钟，里面的数字都是从 MNIST 数据集中采样的。24 小时随机抽万张不同的手写数字，每天都不带重样。

+ [streamlit](https://streamlit.io/)：这是一款专为机器学习工程师创建的免费、开源 app 构建框架。这款工具可以在你写 Python 代码的时候，实时更新你的应用。[GitHub](https://github.com/streamlit/streamlit/):star:7.2k。

+ [The book of secret knowledge](https://github.com/trimstray/the-book-of-secret-knowledge)：该存储库是程序开发工作中用得到的材料和工具的集合，它包含了许多有用的信息，每个人都可以在这份清单里找到适合你的工具，它面向系统和网络管理员、DevOps、渗透测试人员和安全研究人员。GitHub:star:31.4k，推荐等级：:heart::heart::heart:！

+ [Joplin](https://github.com/laurent22/joplin)：一个免费的，开源的笔记和待办事项的应用程序，可以处理笔记本组织成的大量笔记。笔记是可搜索的，可以直接从应用程序复制，标记和修改，也可以从自己的文本编辑器进行修改。笔记采用Markdown格式。通过.enex文件从Evernote导出的Notes 可以导入到 Joplin 中，包括格式化内容（转换为Markdown），资源（图像，附件等）和完整的元数据（地理位置，更新时间，创建时间等）。GitHub:star:14.1k

+ [System Design Primer](https://github.com/donnemartin/system-design-primer)：该项目是关于如何设计大型系统，以及如何应对系统设计面试。系统设计是一个很宽泛的话题。在互联网上，关于系统设计原则的资源也是多如牛毛。这个仓库就是这些资源的组织收集，它可以帮助你学习如何构建可扩展的系统。GitHub:star:85.2k，推荐等级：❤️❤️❤️❤️！

+ [Realworld](https://github.com/gothinkster/realworld)：RealWorld应用程序是对Medium.com的完整克隆，已经通过各种各样的前端和后端技术实现。它可以对13个框架进行比较，并且比较的是比其他基准测试更大、更复杂的应用程序的实现。GitHub:star:38.3k

+ [Google research](https://github.com/google-research/google-research)：Google Research是谷歌内部进行各种研究的部门，不过随着AI技术的广泛应用和高重要性，他们决定把两个主要部门结合，致力于解决当今和未来技术的计算机科学问题，该存储库包含Google AI Research发布的代码。GitHub:star:8.5k

+ [FALdetector](https://github.com/peterwang512/FALdetector)：Adobe发布的“反向PS”利器，知道你修过哪里，还帮你修回去，让你一秒回到P图前。GitHub:star:788

+ [Godot](https://github.com/godotengine/godot)：Godot是一个全新开发的游戏引擎,其功能集类似知名的跨平台游戏引擎Unity，可用于开发PC、主机、移动和Web游戏。GitHub:star:28.6k

+ [Cxxmatrix](https://github.com/akinomyoga/cxxmatrix)：4行代码在终端再现《黑客帝国》数字雨，还有众多其他语言实现的版本，例如[Python实现](https://github.com/will8211/unimatrix)

+ [COVID-19](https://github.com/CSSEGISandData/COVID-19)：在约翰霍普金斯大学，两位中国博士生和他们的导师一起，开发了一个可视化、可交互的全球疫情地图。这个项目已经发在了《柳叶刀》上，GitHub:star:8.3k

+ [Primg](https://github.com/geonnave/primg)：用质数生成任意ASCII艺术

+ [Self-Driving-Car-in-Video-Games](https://github.com/ikergarcia1996/Self-Driving-Car-in-Video-Games)：一个使用深层神经网络并运用监督学习实现在 Grand Theft Auto V 中自动驾驶的开源项目。项目使用 PyTorch 编写，并使用了 Nvidia 的 Apex 扩展库，支持混合精度训练与推断，最多大约有两倍的速度提升。

+ [Pelican](https://github.com/getpelican/pelican)：基于Python，支持Markdown和reST语法的静态站点生成器。GitHub:star:9.7k

+ [Faker](https://github.com/joke2k/faker)：快速生成虚假数据，GitHub:star:9.7k。

+ [Text to Handwriting](https://github.com/saurabhdaware/text-to-handwriting)：一个名叫 Saurabh Daware 的印度大学生只花了 3 个小时就编写了一款自动化工具，能够将文本转换成手写文字，并用这个工具来应付需要手写的大学作业。

+ [Handwriting Synthesis](https://github.com/sjvasquez/handwriting-synthesis)：基于 RNN 手写笔迹合成项目，该模型主要基于 2013 年一篇关于手写笔迹合成的论文。从项目作者的 Github 进程来看，该项目实现已于 2018 年就完成，近日新推出的 Demo 所演示的交互模式下的网页版本为最新版，基于 TensorFlow.js 实现。[网页版 Demo](https://seanvasquez.com/handwriting-generation/)

+ [Pose Animator](https://github.com/yemount/pose-animator/)：Pose Animator 会使用拍摄的 2D 矢量图，并基于 PoseNet 和 FaceMesh 的识别结果，实时对结果及包含的曲线进行动画处理。Pose Animator 从计算机图形学中借鉴了「基于骨骼」的动画思想，并将其应用于矢量字符。GitHub:star:4.5k

+ [AR Cut & Paste](https://github.com/cyrildiagne/ar-cutpaste)：AR Cut & Paste 工具是一个 AR+ML 原型（prototype），借助它你可以从周围环境中拷贝固定对象，并粘贴在图像编辑软件中（Photoshop）。需要特别注意的是，这款工具只适用于 Adobe Photoshop 软件，未来可能支持处理不同的输出。GitHub:star:8.7k

+ [Scarpet nn](https://ashutoshbsathe.github.io/scarpet-nn/scarpet-apps/twoclassmnist/)：来自印度小哥开发的新玩法，在《我的世界》里搭建神经网络，运行过程清晰可见。[源代码](https://github.com/ashutoshbsathe/scarpet-nn)

+ [Photo2cartoon](https://github.com/minivision-ai/photo2cartoon)：人像卡通化探索项目，GitHub:star:1k

+ [QRcp](https://github.com/claudiodangelis/qrcp)：在不离开终端的情况下，通过Wi-Fi扫描二维码，将文件从电脑传输到移动设备。GitHub:star:7k

+ [Ventoy](https://github.com/ventoy/Ventoy)：Ventoy是一个制作可启动U盘的开源工具。有了Ventoy你就无需反复地格式化U盘，你只需要把ISO文件拷贝到U盘里面就可以启动了，无需其他操作。你可以一次性拷贝很多个不同类型的ISO文件，在启动时Ventoy会显示一个菜单来选择。无差异支持Legacy BIOS和UEFI模式。目前已经测试了各类超过260+ 个ISO文件。GitHub:star:5.7k

+ [PowerToys](https://github.com/microsoft/PowerToys)：PowerToys是微软开发者开发的免费实用工具集，可以用于高级用户调整和简化Windows操作，以提高效率。其最早出现在Windows 95中，但并不受微软官方支持，对其测试也不够彻底。到了Windows XP时代，所有进入Windows的应用都需要进行安全审查，于是PowerToys便消失了。最近，微软宣布以官方名义重启该项目。GitHub:star:28.3k

+ [Eyepetizer](https://github.com/VIPyinzhiwei/Eyepetizer)：一个高颜值的APP项目，基于 Kotlin 语言开发，采用 Jetpack + Coroutines + Retrofit 实现的 MVVM 架构。项目的源码恰到好处，特别适合复用和学习，源码简单易懂容易上手，而且最大程度遵守了官方的一些开发规范建议，并吸取了第三方开发规范经验。

+ [tsunami-security-scanner](https://github.com/google/tsunami-security-scanner)：谷歌专门为大型企业网络开源的一个漏洞扫描神器，主要用于数千个甚至数百万个物联网组成的企业系统。GitHub:star:5.3k

+ [Bigheads](https://bigheads.io/)：BigHeads是一个头像生成工具，通过设置将表情，服装，发型和颜色，可以组合成成千上万个角色头像。

+ [MS-Lumos](https://github.com/microsoft/MS-Lumos)：Lumos是一个Python库，用于网络应用程序中的度量回归的自动检测与诊断。

+ [AgoraLive](https://github.com/AgoraIO-Usecase/AgoraLive)：一个新的开源项目，它实现了单主播直播、多人连麦直播、PK 直播、虚拟主播，四种现在社交直播领域最成熟的场景。

+ [codequestion](https://github.com/neuml/codequestion)：一个便捷编程Q&A工具codequestion，直接在终端输入「你要问的问题」，用普通的自然语言就行，和你去谷歌搜索没什么两样。

+ [transformers](https://github.com/huggingface/transformers)：最新NLP transformers模型，基于 TF2 和 PyTorch，GitHub:star:34.7k

+ [easy163](https://github.com/ndroi/easy163)：安卓端一键解锁网易云音乐，无须 ROOT，GitHub:star:1.1k

+ [data-augmentation-review](https://github.com/AgaMiko/data-augmentation-review)：数据增广最全资料集锦

+ [Real-Time-Voice-Cloning](https://github.com/CorentinJ/Real-Time-Voice-Cloning)：一个黑科技开源项目，只需要你 5 秒钟的声音对话，就能克隆出你的声音，而且能够实时的生成你任意语音。GitHub:star:27.8k

# Linux 🐧

[💨 Back to Top](#table-of-contents)

+ [Awesome Linux](https://github.com/aleksandar-todorovic/awesome-linux)：一份让Linux变得更棒的项目和资源列表。
+ [Tldr](https://github.com/tldr-pages/tldr)：简化版本的 "Linux man" 可以很详细的为 Linux 命令提供例子说明，GitHub:star:26k
+ [Kmdr](https://github.com/ediardo/kmdr-cli)：Linux 命令解释工具
+ [The art of command line](https://github.com/jlevy/the-art-of-command-line/blob/master/README-zh.md)：本文是作者在 Linux 上工作时，发现的一些命令行使用技巧的摘要。有些技巧非常基础，而另一些则相当复杂，甚至晦涩难懂。这篇文章并不长，但当你能够熟练掌握这里列出的所有技巧时，你就学会了很多关于命令行的东西了。目前Github获:star:60k+。其他相关资源：
+ [《The Linux Command Line》](https://www.programmer-books.com/the-linux-command-line-pdf/)：Linux 命令行必学书籍
+ [Awesome shell](https://github.com/alebcay/awesome-shell)：一份精心组织的命令行工具及资源的列表。
+ [Awesome osx command line](https://github.com/herrbischoff/awesome-osx-command-line)：一份针对 OS X 命令行的更深入的指南。
+ [Strict mode](http://redsymbol.net/articles/unofficial-bash-strict-mode/)：为了编写更好的脚本文件。
+ [shellcheck](https://github.com/koalaman/shellcheck)：一个静态 shell 脚本分析工具，本质上是 bash／sh／zsh 的 lint。
+ [Filenames and Pathnames in Shell](http://www.dwheeler.com/essays/filenames-in-shell.html)：有关如何在 shell 脚本里正确处理文件名的细枝末节。
+ [Data Science at the Command Line](http://datascienceatthecommandline.com/#tools)：用于数据科学的一些命令和工具，摘自同名书籍。
+ [Lede](https://github.com/coolsnowwolf/lede)：LEDE是基于OpenWrt的嵌入式Linux发行版，该项目教你如何编译自己需要的 OpenWrt 固件，GitHub:star:8.5k

# Docker 🐳
[💨 Back to Top](#table-of-contents)

+ [Docker-cheat-sheet](https://github.com/wsargent/docker-cheat-sheet)：Docker Cheatsheet，GitHub:star:18.4k
+ [Docker Practice](https://github.com/yeasy/docker_practice)：Docker——从入门到实践，GitHub:star:17k
+ [《Docker入门实战》](https://yuedu.baidu.com/ebook/d817967416fc700abb68fca1###)：《Docker入门实战》是由国内Docker社区DocKOne.io推出的刊物，旨在帮助国内爱好者学习使用Docker。
+ [Docker 中文指南](https://github.com/widuu/chinese_docker)：Docker中文文档
+ [Docker library docs](https://github.com/docker-library/docs)：Docker官方库文档，GitHub:star:3.4k
+ [Docker slim](https://github.com/docker-slim/docker-slim)：Docker-slim 工具使用静态和动态分析方法来为你臃肿的镜像瘦身，具体使用可查看[examples](https://github.com/docker-slim/examples)。GitHub:star:8.8k。
+ [Ctop](https://github.com/bcicen/ctop)：Ctop 是一个简单的工具，它能够提供多个容器的实时指标视图。GitHub:star:10.1k
+ [Docker-gc](https://github.com/spotify/docker-gc)：Docker 镜像垃圾回收，Docker-gc 工具通过删除不需要的容器和镜像来帮你清理 Docker 主机。它会删除存在超过一个小时的所有容器。此外，它还删除不属于任何留置容器的镜像。GitHub:star:5.1k
+ [Watchtower](https://github.com/containrrr/watchtower)：Watchtower 监视运行容器并监视这些容器最初启动时的镜像有没有变动。当 Watchtower 检测到一个镜像已经有变动时，它会使用新镜像自动重新启动相应的容器。GitHub:star:6k

# Math (数学) 📐
[💨 Back to Top](#table-of-contents)

+ [MIT线性代数课程精细笔记](https://github.com/yizhen20133868/MIT-Linear-Algebra-Notes)：该笔记总结了我们在学习MIT线性代数课程的学习经验和过程。课程顺序是按照麻省理工公开课的 Linear Algebra. 记录的学习笔记。[知乎专栏](https://zhuanlan.zhihu.com/p/87873464)。
+ [《Mathematics for Machine Learning（机器学习数学基础）》](https://mml-book.github.io/)：作者表示撰写这本书旨在激励人们学习数学概念。这本书并不打算涵盖前沿的机器学习技术，因为已经有很多书这样做了。相反，作者的目标是通过该书提供阅读其他书籍所需的数学基础。这本书分为两部分：数学基础知识和使用数学基础知识进行机器学习算法示例。[Github地址](https://github.com/mml-book/mml-book.github.io)
+ [《An Introduction to Statistical Learning - R》](http://faculty.marshall.usc.edu/gareth-james/ISL/)：《统计学习导论》，它的内容会有点数学，但是也很容易阅读。对于机器学习这样一个广泛的领域，这本书能将篇幅控制在400页左右很不容易。唯一的缺点是代码是用 R语言而不是Python编写的。
+ [《An Introduction to Statistical Learning - Python》](https://github.com/hardikkamboj/An-Introduction-to-Statistical-Learning)：经典教材《统计学习导论》现在有了Python版
+ [《The Elements of Statistical Learning》](https://esl.hohoweiya.xyz/)：斯坦福《统计学习要素》一直是机器学习领域公认经典的教材，是一本在机器学习、统计推理和模式识别领域有影响力和被广泛研究的书。而这本书一直没有得到中文翻译。近期由 szcf-weiya 博士整理翻译的《The Elements of Statistical Learning (ESL) 》的中文翻译、代码实现及其习题解答公开，非常值得学习！[GitHub仓库](https://github.com/szcf-weiya/ESL-CN)
+ [线性代数（Linear Algebra）中文笔记](https://github.com/yizhen20133868/MIT-Linear-Algebra-Notes)：该笔记总结了我们在学习MIT线性代数课程的学习经验和过程。课程顺序是按照麻省理工公开课的 [Linear Algebra. ](http://open.163.com/special/opencourse/daishu.html) 记录的学习笔记。
+ [《Seeing Theory》](https://seeing-theory.brown.edu/cn.html#firstPage)：来自斯坦福大学的一位研究生和他的伙伴们开发了一本颇有新意的统计概率入门教材，与传统教材不同的是，这本书充分利用了数据可视化技术，交互性和趣味性都非常强，可以边读边玩。[书籍下载地址](https://seeing-theory.brown.edu/doc/seeing-theory.pdf)
+ [《Interactive Linear Algebra》](http://textbooks.math.gatech.edu/ila/index.html)：《交互式线性代数》，它的最大特点就是“交互式”，总共包含了 6 章内容，涵盖了线性代数的核心知识。[离线 PDF 电子版下载地址](http://textbooks.math.gatech.edu/ila/ila.pdf)。这份《交互式线性代数》在线网页，作者开源了所有代码，并发布在 GitHub 上。你可以修改程序中的源代码，实现更加个性化的体验。[GitHub源码地址](https://github.com/QBobWatson/gt-linalg)。
+ [A Beginner’s Guide to the Mathematics of Neural Networks](https://link.springer.com/chapter/10.1007/978-1-4471-3427-5_2)：一份为初学者准备的指南，关于神经网络中的数学问题，帮助读者理解神经网络模型中的数学概念和应用。
+ [面向机器学习的线性代数和微积分要点速览](https://stanford.edu/~shervine/l/zh/teaching/cs-229/refresher-algebra-calculus)：斯坦福大学CS229课程中线性代数和微积分回顾，中文版
+ [《Introduction to Applied Linear Algebra》](https://web.stanford.edu/~boyd/vmls/vmls.pdf)：斯坦福大学Stephen Boyd教授与加州大学Lieven Vandenberghe教授合著的一本线性代数书籍。这本教科书结合了直观的解释和丰富的实例，让抽象的线性代数知识变得通俗易懂，并且你不需要任何线性代数基础就能看懂。[斯坦福课程主页](https://web.stanford.edu/class/ee103/)，[UCLA课程主页](http://www.seas.ucla.edu/~vandenbe/ee133a.html)
+ [《Linear Matrix Inequalities in System and Control Theory》](https://web.stanford.edu/~boyd/lmibook/)：斯坦福大学Stephen Boyd教授与加州大学Lieven Vandenberghe教授合著数学书之一
+ [《Convex Optimization》](https://web.stanford.edu/~boyd/cvxbook/)：斯坦福大学Stephen Boyd教授与加州大学Lieven Vandenberghe教授合著数学书之一
+ [《Linear Controller Design – Limits of Performance》](https://web.stanford.edu/~boyd/lcdbook/)：斯坦福大学Stephen Boyd教授与加州大学Lieven Vandenberghe教授合著数学书之一
+ [Professor Bingsheng He](http://maths.nju.edu.cn/~hebma/)：南方科技大学何炳生教授个人主页，有许多数学讲解文章
+ [Mathigon](https://mathigon.org/)：一本来自未来的教科书。Mathigon 提供交互式学习方式、个性化学习服务和故事化的教学内容，试图改变原本枯燥的数学学习方式，为数学学习过程注入活力，保护和提升学习者的好奇心、创造力和想象力。推荐等级：:heart::heart::heart:！
+ [penrose](https://github.com/penrose/penrose)：卡内基梅隆大学开发的一款新工具，你只需要描述一些数学关系或输入数学表达式，该软件就能自动帮你画图，从而将抽象的数学公式转化为直观的图。GitHub:star:3k，[论文地址](http://penrose.ink/media/Penrose_SIGGRAPH2020.pdf)
+ [Essentials of Mathematical Methods](https://github.com/yangyutu/EssentialMath)：这个开源项目是基于深度学习，机器学习以及数据建模的数学笔记。1800 页，33 章数学方法精要笔记。推荐等级：:heart::heart::heart:！

# Algorithm (算法) 💡
[💨 Back to Top](#table-of-contents)

+ [Algorithm Python](https://github.com/TheAlgorithms/Python)：GitHub上:star:50k+的项目，使用Python实现了所有算法，推荐等级：:heart::heart::heart:！
+ [Leet Code Animation](https://github.com/MisterBooo/LeetCodeAnimation)：GitHub上:star:30k+的中文项目，用动画的形式呈现解LeetCode题目的思路
+ [Leet Code 题解](https://github.com/azl397985856/leetcode)：GitHub上:star:10k+的中文项目，记录了LeetCode上大多数题目的题解
+ [Algorithms](https://github.com/Dev-XYS/Algorithms)：GitHub上一个全面的算法代码仓库，涵盖了大量常用的C++算法代码实现
+ [Algorithm Visualizer](https://algorithm-visualizer.org/)：算法在线交互式可视化平台，[GitHub](https://github.com/algorithm-visualizer/algorithm-visualizer)上收获:star:20k+！
+ [VisualGo](https://visualgo.net/zh)：数据结构和算法动态可视化网站
+ [CSIE](http://www.csie.ntnu.edu.tw/~u91029/)：算法学习网站，讲解、代码格式、图表都很规范，覆盖广
+ [Matrix67](http://www.matrix67.com/informatics.html)：Matrix67 的一些算法讲解类经典文章
+ [Beyond the Void](https://www.byvoid.com/blog/tag/計算機科學)：BYVoid 的计算机科学博客，详细介绍了不少算法
+ [知乎：有哪些学习算法的网站推荐？](https://www.zhihu.com/question/20368410)：知乎上的一个问题，介绍了不少学习算法的网站、题库、OJ等
+ [《The Algorithm Design Manual》](http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.471.4772&rep=rep1&type=pdf)：这本书里有最难的算法问题，这些问题可以提升你对数据结构的了解。
+ [《Cracking the Coding Interview: 189 Programming Questions and Solutions》](http://lib1.org/_ads/fcb49f53d5e943ce8acdc4469f63dc5d)：适合短时间内准备编程工作面试。
+ [Data Structures and Algorithms: Deep Dive Using Java](https://click.linksynergy.com/fs-bin/click?id=JVFxdTr9V80&subid=0&offerid=323058.1&type=10&tmpid=14538&RD_PARM1=https%3A%2F%2Fwww.udemy.com%2Fdata-structures-and-algorithms-deep-dive-using-java%2F)
+ [10 Books to Prepare Technical Programming/Coding Job Interviews](http://www.java67.com/2017/06/10-books-to-prepare-technical-coding-job-interviews.html)
+ [10 Algorithm Books Every Programmer Should Read](http://www.java67.com/2015/09/top-10-algorithm-books-every-programmer-read-learn.html)
+ [Top 5 Data Structure and Algorithm Books for Java Developers](http://javarevisited.blogspot.sg/2016/05/5-free-data-structure-and-algorithm-books-in-java.html#axzz4uXETWjmV)
+ [From 0 to 1: Data Structures & Algorithms in Java](https://click.linksynergy.com/fs-bin/click?id=JVFxdTr9V80&subid=0&offerid=323058.1&type=10&tmpid=14538&RD_PARM1=https%3A%2F%2Fwww.udemy.com%2Ffrom-0-to-1-data-structures%2F)
+ [Data Structure and Algorithms Analysis—Job Interview](https://click.linksynergy.com/fs-bin/click?id=JVFxdTr9V80&subid=0&offerid=323058.1&type=10&tmpid=14538&RD_PARM1=https%3A%2F%2Fwww.udemy.com%2Fdata-structure-and-algorithms-analysis%2F)
+ [Algorithms](https://github.com/williamfiset/Algorithms)：算法和数据结构是高效代码和良好软件设计的基础。要成为一名优秀的程序员，就需要创建和设计出色的算法。该存储库的目标是演示如何以最简单，最优雅的方式正确实现常见的数据结构和算法。GitHub:star:3.6k，推荐等级：❤️❤️❤️！
+ [algorithms](https://github.com/keon/algorithms)：Python中数据结构和算法的最小示例，GitHub:star:18.6k
+ [Fucking Algorithm](https://github.com/labuladong/fucking-algorithm)：手把手撕LeetCode题目，扒各种算法套路的裤子。GitHub:star:13.4k。
+ [Javascript Algorithms](https://github.com/trekhleb/javascript-algorithms)：该库包含多个 JavaScript 常用算法和数据结构示例。每个示例被标注为「入门」或「高级」，以表明难度。此外，该库还包含哈希表、堆区（heap）、队列（queue）、栈区（stack）、math、字符串（strings）、集合（sets）等的示例。GitHub:star:67.4k，推荐等级：❤️❤️❤️！
+ [Algorithm Pattern](https://github.com/greyireland/algorithm-pattern)：算法模板，最科学的刷题方式，最快速的刷题路径，你值得拥有~GitHub:star:1.5k
+ [hello-algorithm](https://github.com/geekxh/hello-algorithm)：该项目中包括热爱编程的作者小浩撰写的一本三十万字的算法题典，全部采用漫画图解的方式，简单易懂，适合初中级读者。GitHub:star:14.6k。推荐等级：❤️❤️❤️！
+ [《Advanced Algorithms》](https://people.inf.ethz.ch/gmohsen/AA20/)：这是一门关于算法设计和分析的高级课程，涵盖了在典型的算法入门课程中没有学习到的一系列主题和技术。本课程将涵盖一系列主题，包括以下内容:保留切割或距离时的图的稀疏性、各种近似算法技术和概念、度量嵌入和概率树嵌入、在线算法、乘法权值更新、流媒体算法、素描算法，以及对MapReduce算法的简要介绍。
+ [Linear_Algebra_With_Python](https://github.com/MacroAnalyst/Linear_Algebra_With_Python)：一份Python线性代数讲义，这份讲义为初学者设计，涉及线性代数的基本概念、特殊矩阵及其应用，并提供了相应代码和图示。

# CheatSheets (速查表) 📑
[💨 Back to Top](#table-of-contents)

+ [Data Science Cheat Sheet](https://github.com/abhat222/Data-Science--Cheat-Sheet)：数据科学速查表，GitHub:star:8k+。内容几乎涵盖数据科学相关的所有领域，在理论应用方面包括大数据分析、数据挖掘、数据可视化、深度学习，机器学习等等；在编程语言与工具方面，包括Excel、SQL、Python、MATLAB、Linux；基础的学科知识包含统计学、数学、概率论。另外，就连面试问题都没放过
+ [Git 基本操作](https://www.processon.com/view/5d43d213e4b0e42f2a2ba9b9?fromnew=1#map)：一张 Git 基本操作的速查表（脑图）
+ [Python Data Science Cheatsheet](https://github.com/jaystone776/python-data-science-cheatsheet)：Python 数据科学速查表中文版，[英文原版](https://www.datacamp.com/community/data-science-cheatsheets)。
+ [Python 3 Cheat Sheet (PDF)](https://perso.limsi.fr/pointal/_media/python:cours:mementopython3-english.pdf)：Python 3 Cheat Sheet 由法国国家科学研究中心（CNRS）的法国机械工程与信息技术实验室（LIMSI）的工程师 Laurent Pointal 总结。Python 3 Cheat Sheet 一共包含两页，分成了多个框图，涉及基本的 Python 数据结构、数学运算、条件和循环语句、文件读写，以及异常值处理等
+ [Python Cheatsheet](https://github.com/gto76/python-cheatsheet): 全面的Python备忘单，内含超全代码示例。基于Python 3.6打造，未来将会进一步丰富，添加Asyncio等内容。GitHub上获:star:4.6k。[文本下载链接](https://raw.githubusercontent.com/gto76/python-cheatsheet/master/README.md)
+ [DS Cheatsheets](https://github.com/FavioVazquez/ds-cheatsheets)：GitHub上:star:5k+的项目，一份数据科学备忘单
+ [Tips of Feature Engineering](https://github.com/Pysamlam/Tips-of-Feature-engineering)：机器学习实用的特征工程技巧
+ [Python 3 Cheat Sheet](https://perso.limsi.fr/pointal/python:memento)：Python 3 Cheat Sheet 由法国国家科学研究中心（CNRS）的法国机械工程与信息技术实验室（LIMSI）的工程师 Laurent Pointal 总结。这个简单的 Cheat Sheet 专注于从算法/编程开始所必需的语言部分，提供了学生入门所需的一般信息。注意：它不涉及面向对象的编程。[PDF 地址](https://perso.limsi.fr/pointal/_media/python:cours:mementopython3-english.pdf)
+ [Deep Learning cheatsheets for Stanford's CS 230](https://github.com/afshinea/stanford-cs-230-deep-learning)：吴恩达CS230深度学习课小抄，[清单主页](https://stanford.edu/~shervine/teaching/cs-230.html)。
+ [Matplotlib Cheatsheet](https://github.com/rougier/matplotlib-cheatsheet)：Matplotlib 3.1 cheat sheet，GitHub:star:1.5k
+ [Docker-cheat-sheet](https://github.com/wsargent/docker-cheat-sheet)：Docker Cheatsheet，GitHub:star:18.4k
+ [Awesome Cheatsheet](https://github.com/vaputa/awesome-cheatsheet)：速查表资源大全
+ [Devhints](https://devhints.io/)：这个网站里面收集了非常多技术类型的速查表，你能很轻松的从上面找到具体某项技术的快捷命令与基础语法，用上之后，相信能大幅提升开发效率。除此之外，该网站上还提供了 Linux、VSCode、Vue、Go、Python、Ruby 等诸多语言与开发者工具的速查表。推荐等级：:heart::heart::heart::heart:！

# Awesome ✨
[💨 Back to Top](#table-of-contents)

+ [Awesome](https://github.com/sindresorhus/awesome)：github 上很多的各种 Awesome 系列合集。GitHub 获:star:120k。众所周知，如果想要学习什么知识，只需要在GitHub上搜索"Awesome xxx" 即可获得一大堆相关的学习资源。推荐等级：:heart::heart::heart::heart:！
+ [Best-of Machine Learning with Python](https://github.com/ml-tooling/best-of-ml-python)：这个 GitHub 项目提供了大量机器学习 Python 库，覆盖机器学习框架、数据可视化、强化学习等多个领域，而且项目作者还对每个类别中的项目做了排名，每周进行更新，GitHub:star:1.7k。推荐等级：:heart::heart::heart::heart:！
+ [Awesome JupyterLab](https://github.com/mauhai/awesome-jupyterlab)：Jupyter lab 插件和资源大全列表，GitHub::star:1k。
+ [Awesome Jupyter](https://github.com/adebar/awesome-jupyter)：Jupyter 插件和资源大全列表，GitHub::star:1.4k。
+ [Awesome Machine Learning Jupyter Notebooks For Colab](https://github.com/toxtli/awesome-machine-learning-jupyter-notebooks-for-colab)：机器学习和深度学习教程的列表，以Jupyter笔记本格式运行在谷歌Colab上，推荐等级：:heart::heart:！
+ [Awesome Python cn](https://github.com/jobbole/awesome-python-cn)：Python资源大全中文版，包括：Web框架、网络爬虫、模板引擎、数据库、数据可视化、图片处理等，由伯乐在线持续更新。GitHub:star:15k，推荐等级：:heart::heart::heart:！
+ [Awesome Python](https://github.com/vinta/awesome-python)：一个很棒的Python框架、库、软件和资源的列表，GitHub :star:78k。推荐等级:heart::heart::heart::heart:!
+ [Awesome Python in Education](https://github.com/quobit/awesome-python-in-education#jupyter)：关于Python的学习资源列表。
+ [Awesome Python Applications](https://github.com/mahmoud/awesome-python-applications)：181 个 Python 开源项目，涵盖了 15 个领域。GitHub:star:10.8k，推荐等级:heart::heart::heart::heart:!
+ [Awesome Spider](https://github.com/facert/awesome-spider)：GitHub上:star:8k+的项目，收集了各种爬虫的Python实现代码，推荐等级：:heart::heart::heart:！
+ [Awesome Knowledge Distillation](https://github.com/dkozlov/awesome-knowledge-distillation)：作为模型压缩的一种方法，知识蒸馏能够利用已经训练的一个较复杂的模型，来指导一个较轻量的模型训练，从而在减小模型大小和计算资源的同时，尽量保持原始大模型的准确率的方法。Github上的dkozlov同学，整理了Knowledge Distilling的paper、教程、代码，看完这些资料，你一定有所收获
+ [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。GitHub:star:3k
+ [Awesome Time Series](https://github.com/cuge1995/awesome-time-series)：时间序列预测相关的比赛、论文、会议、代码、理论资源以及数据集
+ [AwesomeCV](https://github.com/ahong007007/awesomeCV)：记录state-of-art计算机视觉相关论文。
+ [Awesome Reinforcement Learning](https://github.com/aikorea/awesome-rl)：强化学习资源大全，Github:star:5k+，推荐等级：:heart::heart::heart:！
+ [Awesome Graph Classification](https://github.com/benedekrozemberczki/awesome-graph-classification)：这是一个野心勃勃的项目，涵盖了从深度学习、图形内核、到统计指纹和分解等领域的优秀论文以及对应的Python实现，作者表示会持续更新。GitHub :star:2k+。
+ [Awesome Network Embedding](https://github.com/chihming/awesome-network-embedding)：关于 Network Embedding 的相关论文合集，GitHub :star:2k。
+ [Awesome Graph Neural Networks](https://github.com/nnzhan/Awesome-Graph-Neural-Networks)：GNN相关论文列表。
+ [Awesome GCN](https://github.com/Jiakui/awesome-gcn)：图卷积神经网络相关资源，GitHub:star:300+。
+ [Awesome Fraud Detection Research Papers](https://github.com/benedekrozemberczki/awesome-fraud-detection-papers)：关于欺诈检测的数据挖掘论文的整理列表
+ [Awesome Graph Attack Papers](https://github.com/ChandlerBang/awesome-graph-attack-papers)：图神经网络攻防论文集合
+ [Awesome-model-compression-and-acceleration](https://github.com/memoiry/Awesome-model-compression-and-acceleration)：模型压缩论文大全，GitHub:star:467
+ [Awesome Knowledge Distillation](https://github.com/dkozlov/awesome-knowledge-distillation)：作为模型压缩的一种方法，知识蒸馏能够利用已经训练的一个较复杂的模型，来指导一个较轻量的模型训练，从而在减小模型大小和计算资源的同时，尽量保持原始大模型的准确率的方法。Github上的dkozlov同学，整理了Knowledge Distilling的paper、教程、代码，看完这些资料，你一定有所收获
+ [Awesome TensorFlow](https://github.com/jtoy/awesome-tensorflow)：TensorFlow中的教程和 ML 项目的集合，GitHub:star:14k
+ [Awesome Tensorflow 2](https://github.com/Amin-Tgz/awesome-tensorflow-2)：Tensorflow 2.x资源，如教程，博客，代码和视频。推荐等级：:heart::heart::heart::heart:！
+ [Awesome Pytorch list](https://github.com/bharathgs/Awesome-pytorch-list)：GitHub上一个:star:9k+的项目，收集了GitHub上PyTorch相关内容以及不同的模型实现、帮助文档、教程，使用PyTorch的学习。[中文版](https://github.com/xavier-zy/Awesome-pytorch-list-CNVersion)。推荐等级：:heart::heart::heart::heart:！
+ [Awesome Papers](https://github.com/murufeng/awesome-papers)：机器学习，深度学习，自然语言处理，计算机视觉方面的顶级期刊会议论文集
+ [Awesome RecSys](https://github.com/scnu-dil/awesome-RecSys)：推荐系统必读文献
+ [Awesome Windows](https://github.com/Awesome-Windows/Awesome/blob/master/README-cn.md)：GitHub上:star:9k+的项目，收列了Windows上优质&精选的最佳应用程序及工具
+ [Awesome Macos](https://github.com/iCHAIT/awesome-macOS)：GitHub上:star:9k+的项目，为macOS整理了一份很棒的应用程序、软件、工具和亮点的列表
+ [Awesome Google Colab](https://github.com/firmai/awesome-google-colab)：GitHub上的一个新项目，Colab资源汇总。作者还自己建了[非官方的colab网站](https://www.google-colab.com/)，收集了大量学习资源。同时上面还有很多GitHub相关[技术教程汇总](https://www.google-colab.com/github/)。推荐等级：:heart::heart::heart:！
+ [Awesome-algorithm-interview](https://github.com/lcylmhlcy/Awesome-algorithm-interview)：算法工程师(人工智能cv方向)面试问题及相关资料的网站收集
+ [Awesome Interview Questions](https://github.com/MaximAbramchuck/awesome-interview-questions)：这个精选的面试题库不仅全，而且对提交的面试题会进行审核，并且会不定期对链接进行审核，提剔除失效链接，GitHub:star:30k+。推荐等级：:heart::heart::heart:！
+ [Awesom Public Datasets](https://github.com/awesomedata/awesome-public-datasets)：本数据集列表中，按主题整理了大量的数据集内容，例如：生物学、经济学、教育等。其中列出的大多数数据集都是免费的，但在使用任何数据集之前，均需检查数据集的许可要求。
+ [Awesome-Cybersecurity-Datasets](https://github.com/shramos/Awesome-Cybersecurity-Datasets#network-traffic)：网络安全数据集列表大全。
+ [Fontawesome](https://fontawesome.com/)：字体和图标库，[GitHub](https://github.com/FortAwesome/Font-Awesome):star:66k+。
+ [Awesome Linux](https://github.com/aleksandar-todorovic/awesome-linux)：一份让Linux变得更棒的项目和资源列表。
+ [Awesome shell](https://github.com/alebcay/awesome-shell)：一份精心组织的命令行工具及资源的列表。
+ [Awesome osx command line](https://github.com/herrbischoff/awesome-osx-command-line)：一份针对 OS X 命令行的更深入的指南。
+ [Awesome Self-supervised Learning](https://github.com/jason718/awesome-self-supervised-learning)：自监督学习资源，GitHub:star:2.3k
+ [Awesome MATLAB](https://github.com/mikecroucher/awesome-MATLAB)：MATLAB 资源
+ [Awesome matlab](https://github.com/uhub/awesome-matlab)：MATLAB 资源
+ [Awesome Cheatsheet](https://github.com/vaputa/awesome-cheatsheet)：速查表资源大全
+ [awesome-production-machine-learning](https://github.com/EthicalML/awesome-production-machine-learning)：这个存储库包含了一系列非常棒的开源库，它们将帮助您部署、监视、版本、扩展和保护生产机器学习。GitHub:star:5.3k
+ [awesome-self-supervised-learning-for-graphs](https://github.com/SXKDZ/awesome-self-supervised-learning-for-graphs)：图自监督学习论文集
+ [DenseAI/awesome-deep-learning: 深度学习资料 (github.com)](https://github.com/DenseAI/awesome-deep-learning)：深度学习资料集
+ [NLP-Conferences-Code](https://github.com/yizhen20133868/NLP-Conferences-Code)：项目记录了NLP相关顶会(如ACL、EMNLP、NAACL、COLING、AAAI、IJCAI)的论文开源项目合集
+ [awesome-transformer-for-vision](https://github.com/lijiaman/awesome-transformer-for-vision)：一个transformer用于CV的论文列表资源库。

# Courses (学习课程) 🎓
[💨 Back to Top](#table-of-contents)

+ [CS231n: Convolutional Neural Networks for Visual Recognition](http://cs231n.github.io/)：斯坦福CS课程CS231：卷积网络视觉识别笔记
+ [计算机科学速成课](https://github.com/1c7/crash-course-computer-science-chinese)：翻译自[Youtube](https://www.youtube.com/playlist?list=PL8dPuuaLjXtNlUrzyH5r6jN9ulIgZBpdo)上的计算机科学速成课，可在B站上观看中文版（带中英字幕）
+ [北大课程资源](https://github.com/lib-pku/libpku)：北京大学课程资料民间整理
+ [中国科学技术大学课程资源](https://github.com/USTC-Resource/USTC-Course)：收录中国科学技术大学众多课程资源的笔记，总结，经验等学生原创内容
+ [浙江大学课程攻略共享计划](https://github.com/QSCTech/zju-icicles)：浙江大学课程资源，至今为止收录了以下内容：选课攻略、电子版教材、平时作业答案、历年试卷、复习资料等
+ [清华大学计算机系课程攻略](https://github.com/PKUanonym/REKCARC-TSC-UHT)：受浙江大学相关项目启发创立的项目
+ [上海交通大学课程分享](https://github.com/CoolPhilChen/SJTU-Courses/)：上海交大课程学习资料
+ [Mlcourse.ai](https://github.com/Yorko/mlcourse.ai)：mlcourse.ai是OpenDataScience提供的开源机器学习课程。你还可以参加课程中举行的几次Kaggle Inclass比赛。GitHub:star:6.6k。
+ [Hung-yi Lee](http://speech.ee.ntu.edu.tw/~tlkagk/talk.html)：李宏毅老师的个人主页，内附有他的所有机器学习相关演讲课程
+ [李宏毅机器学习(2017)](https://www.bilibili.com/video/av10590361?from=search&seid=9788122699737658334)：B站上李宏毅机器学习的教程视频，已有几十万的播放量，李宏毅的教授水平真心觉得很高，对于机器学习的讲解十分有趣吸引人，思路清晰，适合初学者观看。[课程讲义](http://speech.ee.ntu.edu.tw/~tlkagk/courses_ML17.html)。
+ [李宏毅机器学习2020](http://speech.ee.ntu.edu.tw/~tlkagk/courses_ML20.html)：李宏毅老师新发布的2020机器学习视频，所有课程都有各种学习资源，视频、PPT、作业一项都不少。与其它只教授机器学习基础内容不同，按照惯例，李宏毅老师还会特别讲解当前最新的算法，并将其作为补充视频上传到网上。而且，李宏毅老师的课程涉及领域非常完整，从有监督、半监督、无监督到强化学习，都会有介绍。在最新的 2020 ML 课程中，他展示了完整的学习路径。推荐等级：❤️❤️❤️❤️！
+ [Applied Deep Learning](https://www.csie.ntu.edu.tw/~miulab/s108-adl/)：台湾大学陈蕴侬老师的“应用深度学习”课程，这门课程结构安排得相当合理，并且重点在BERT及其相关的内容和NLP任务上，对于学习深度学习自然语言处理的同学来说，完全可以和李宏毅老师深度学习人类语言处理的课程互补。[B站视频](https://www.bilibili.com/video/BV1Mi4y1V7A1)
+ [斯坦福吴恩达《CS229机器学习》）](https://www.bilibili.com/video/av9912938)：B站上吴恩达老师的机器学习教程，播放量已达到百万。吴恩达的教学视频虽然备受推崇，但其实并不适合作为入门视频，教授内容还是有一定深度的
+ [Applied Machine Learning Spring 2020](http://www.cs.columbia.edu/~amueller/comsw4995s20/schedule/)：哥伦比亚大学应用机器学习课程2020，[GitHub](https://github.com/amueller/COMS4995-s20)， [视频](https://www.bilibili.com/video/av86820508)。
+ [Coursera ML Py](https://github.com/nsoojin/coursera-ml-py)：吴恩达机器学习课程笔记，Python代码
+ [CourseraML](https://github.com/kaleko/CourseraML)：吴恩达机器学习课程笔记，Jupyter笔记本格式
+ [MIT 6.824: Distributed Systems](https://www.youtube.com/channel/UC_7WrbZTCODu1o_kfUMq88g)：MIT"分布式系统课程"（Distributed Systems），业内大名鼎鼎，新手入坑分布式系统的首选学习教程。[B站地址](https://www.bilibili.com/video/av89327823/)
+ [Virgilio](https://github.com/virgili0/Virgilio)：这个项目是 GitHub 上一位名为“维吉尔（Vigilio）”的开发者整理的一个:star:10k的项目，项目包括职业进阶路径、专业知识讲解、工具介绍等，着重强调，不走弯路，简明扼要。[GitHub中文版链接](https://github.com/virgili0/Virgilio/tree/master/zh-CN)。推荐等级：:heart::heart::heart:！
+ [Leeml Notes](https://github.com/datawhalechina/leeml-notes)：李宏毅老师的机器学习视频是机器学习领域经典的中文视频之一，也被称为中文世界中最好的机器学习视频。这个笔记是根据李宏毅老师机器学习视频的一个辅助资料，本笔记基本上完全复刻李老师课堂上讲的所有内容，并加入了一些和相关的学习补充资料和参考资料，结合这些资料一起学习，相信你会对机器学习有更加深刻的理解。[在线阅读地址](https://datawhalechina.github.io/leeml-notes)和[配套视频](https://www.bilibili.com/video/av59538266)。推荐等级：:heart::heart::heart:！
+ [Spring 2019 Full Stack Deep Learning Bootcamp](https://fullstackdeeplearning.com/march2019)：深度学习全栈课程，这份课程主要可以学习到计算机视觉目标检测，机器学习项目通用流程，文本OCR识别，深度学习工具全栈，数据管理，深度学习调试等等知识。
+ [OKAI](https://okai.brown.edu/zh/index.html)：通过交互动画的形式来科普人工智能的历史，应用和主要算法（深度学习算法）的基础原理。OKAI摒弃了那些复杂的数学公式，采用轻松有趣的动画形式来讲解人工智能的相关概念。
+ [Deep Learning Drizzle](https://github.com/kmario23/deep-learning-drizzle)：Deep Learning Drizzle 是一个深度学习相关课程/讲座视频的大合集，其中不乏学界知名大牛的亲授课程。目前该项目已经在Github收获了6000+星，Fork数也超过1.4K。仓库维护者整理了14个类目共计232门视频课程，并且这个数字还在不断增加。推荐等级：:heart::heart::heart:！
+ [Computer Science](https://github.com/ossu/computer-science)：Github 50k :star:的计算机专业课程，总结了从零开始成为计算机大牛的学习之路。课程主要分为两部分，即 CS 核心知识与 CS 进阶知识。CS 核心知识需要我们具备高中水平的理科知识，包括几何、代数、简要微积分等等。当然，如果我们还记得大学学过的高数，那么背景知识就已经非常充足了。对于 CS 进阶知识，我们应该首先掌握整个 CS 的核心知识体系，从而进一步选择想要进修的子领域，推荐等级：:heart::heart::heart:！
+ [Berkeley-cs294-158-sp19](https://sites.google.com/view/berkeley-cs294-158-sp19/home)：这份课程涵盖了两个无需标签数据的深度学习领域：深度生成模型（Deep Generative Models）和自监督学习（Self-supervised Learning）。生成模型的最新进展使得可以对高维原始数据进行逼真的建模，例如自然图像，音频波形和文本语料库；自我监督学习的进步已经开始缩小监督表征学习与无监督表征学习之间的差距，以微调未见任务。本课程将涵盖这些主题的理论基础及其新启用的应用程序，你可以观看 YouTube 讲座视频，还可以下载课件的 PDF 版。
+ [Machine Learning Study Path](https://github.com/linxid/Machine_Learning_Study_Path)：从入门到进阶，所用到机器学习资料，包括书、视频、源码。
+ [The Craft of Selfteaching](https://github.com/selfteaching/the-craft-of-selfteaching)：自学的技巧，GitHub上10k的项目，作者是李笑来
+ [AppliedML](https://www.youtube.com/channel/UCMEXgDffQy6nS2a74Gby8ZA/videos)：一个深入scikit-learn和机器学习的内容，免费。这套课程名叫AppliedML。
+ [Machine Learning Crash-Course](https://developers.google.cn/machine-learning/crash-course/)：谷歌的《机器学习速成课程》（内容已全部汉化，注重实践）
+ [The Matrix Calculus You Need For Deep Learning](https://explained.ai/matrix-calculus/index.html)：本文从简单函数求导到多元函数求偏导，再到矩阵的微积分运算，逐层深入，引导我们探索深度学习背后的学习规则与数学基础。本文试图解释理解深度神经网络的训练所需要的所有矩阵演算，本文适用于对神经网络基础有所了解的人，不过即使没有数学基础的同学也不要紧，作者提供了相关数学知识链接。在文末作者提供的参考部分，总结了这里讨论的所有关键矩阵演算规则和术语。
+ [FreeCodeCamp](https://github.com/freeCodeCamp/freeCodeCamp)：开放源码代码库和课程。与数百万人一起免费学习编程。网站：https://www.freeCodeCamp.org （一个友好的社区，您可以在这里免费学习编码。它由捐助者支持、非营利组织运营，以帮助数百万忙碌的成年人学习编程技术。这个社区已经帮助 10,000 多人获得了第一份开发人员的工作。这里的全栈 Web 开发课程是完全免费的，并且可以自行调整进度。这里还有数以千计的交互式编码挑战，可帮助您扩展技能。）GitHub 获:star:300k。
+ [Design Patterns For Humans](https://github.com/guanguans/design-patterns-for-humans-cn)：GitHub上获:star:25k，一份超全的设计模式讲解（共 23 种），每一种设计模式解释都通俗易懂（中文版）。[英文原版链接](https://github.com/kamranahmedse/design-patterns-for-humans)，推荐等级：:heart::heart::heart:！
+ [Web 学习笔记](https://github.com/qianguyihao/Web)：GitHub上:star:13k+的项目，超详细的Web前端学习图文教程，推荐等级：:heart::heart::heart:！
+ [Javascript](https://github.com/javascript-tutorial/en.javascript.info)：[课程地址](https://zh.javascript.info/),这本教程由国外一个叫 iliakan 的小哥所著，并提供了英文、俄文、日文、中文等多个版本供读者免费在线查阅。如果你需要进行离线查阅，可付费购买该教程的 EPUB/PDF 版本。完整教程的购买只需要 60 元，可以说是非常良心了。如果你读完觉得这本教程不错，不妨也花钱支持一下作者。
+ [LaTeX-cn](https://github.com/wklchris/Note-by-LaTeX)：目前最好的 LaTex 中文教程
+ [Google Machine Learning Crash Course](https://github.com/yuanxiaosc/Google-Machine-learning-crash-course)：谷歌机器学习速成课程（招式）+机器学习术语表（口诀）+机器学习规则（心得）+机器学习中的常识性问题（内功）。该资源适用于机器学习、深度学习以及TensorFlow研究人员参考！
+ [Halfrost-Field 冰霜之地](https://github.com/halfrost/Halfrost-Field)：GitHub上的一个笔记仓库，包含了作者阅读开源框架源代码的心得记录。例如其中的机器学习模块，包含了吴恩达机器学习课程 11 周完整内容，每一周单独对应一个 Jupyter Botebook 文件。GitHub 获:star:4k+。[作者主页](https://halfrost.com/)。
+ [ML Paper Notes](https://github.com/yassouali/ML_paper_notes)：机器学习/计算机视觉/ NLP论文的笔记和总结，推荐等级：:heart::heart::heart:！
+ [BigData-Notes](https://github.com/heibaiying/BigData-Notes)：大数据入门指南，其中对大数据学习路线、技术栈思维导图、常用软件安装指南都给出了非常详细的介绍。GitHub 上已获:star:3k。
+ [CS 205L: Continuous Mathematical Methods with an Emphasis on Machine Learning](http://web.stanford.edu/class/cs205l/lectures.html)：斯坦福大学最近新开设一门课程《Continuous Mathematical Methods with an Emphasis on Machine Learning》，以机器和深度学习为重点的计算机视觉和机器人学中连续数学方法的综述。虽然从机器学习的角度出发，但本课程将侧重于计算线性代数和优化等基础数学方法，以及反向传播自动微分、常微分方程动量法、CNNs、RNNs等专题。
+ [Project Based Learning](https://github.com/tuvtran/project-based-learning)：该资料主要汇总整理了一系列编程教程，教你如何从零开始构建一个应用，其中包含 C、C++、Java、PHP、JavaScript、Python 等主流编程语言教程。GitHub :star:20k+。推荐等级：:heart::heart::heart::heart:！
+ [Build your own X](https://github.com/danistefanovic/build-your-own-x/)：该仓库收集了诸多计算机科学领域的教程资源，旨在从零开始，教授开发者构建一款完全属于自己的开发工具，其中包括增强现实、区块链、机器人、编辑器、命令行工具、神经网络、操作系统等几大领域。作为一名开发者，若能日拱一卒，沉下心来，跟着这个仓库里面的教程挨个做一遍，相信其技术水平定会有质的飞跃。GitHub :star:50k+。推荐等级：:heart::heart::heart::heart:！
+ [Tensorflow Data and Deployment](https://www.coursera.org/specializations/tensorflow-data-and-deployment)：吴恩达创始的 deeplearning.ai 在 Coursera 上另外开设了一门课程，主要介绍使用 Tensorflow.js、TensorFlow Lite、TensorFlow Hub 等工具进行数据分析的方法。该专项课程已于今日开放注册。吴恩达对课程进行了转推。
+ [机器学习中的神经网络](https://www.cs.toronto.edu/~hinton/coursera_lectures.html)：深度学习三巨头之一，Geoffrey Hinton通过twitter公布了自己在2012年准备的MOOC课程——机器学习中的神经网络。课程中详细介绍了神经网络的各种概念与特点，虽然来自于5年前，但仍不失为一份很有意义的讲解
+ [Practicalai](https://github.com/practicalAI/practicalAI)：近期开源的自学深度学习 GitHub 项目，作者为每种具体算法提供了 Jupyter notebook 实现，可以轻易地在 Google Colab 上运行（免费提供云端 GPU 或 TPU）。所以想自学深度学习，不需要价格几千美元的 GPU，有一个 Chrome 浏览器就够了。这一套实践教程都能直接在 Colab 上运行，因此结合解释与代码，我们能更好地入门机器学习。推荐等级：:heart::heart::heart::heart:！
+ [Introduction to Artificial Intelligence](https://github.com/glouppe/info8006-introduction-to-ai)：Gilles Louppe Fall2019硬核课程：人工智能导论（Introduction to Artificial Intelligence），722页ppt，本课程的核心内容基于教科书：“人工智能：一种现代的方法”【第三版，作者：罗素 (Stuart J.Russell) / 诺维格 (Peter Norvig)】，某些课程和材料部分改编自加州大学伯克利分校的“人工智能入门”。
+ [Kaggle: Faster Data Science Education](https://www.kaggle.com/learn/overview)：想学Python 、机器学习、数据可视化……你可能会想Coursera上的在线教程，或者吴恩达大名鼎鼎的深度学习视频课，或者一些有名的网上社区，比如fast.ai，Udemy和EdX。但是你可能会因为时间不够就半途而废。Kaggle官网的一系列课程完美地解决了这个问题。只需要几个小时就可以学到最有用的技术。包含课程为：Python，机器学习入门，中极机器学习，数据可视化，Pandas，特征学习，深度学习，SQL入门，SQL进阶，地理空间分析，机器学习可解释性。推荐等级：:heart::heart::heart::heart:！
+ [Introtodeeplearning](http://introtodeeplearning.com/index.html)：MIT 6.S191：全面、公开，还有业界反馈的深度学习课。每周更新一次课程视频，还提供了 PPT 和 Lab Session 的内容。在家闲着没事的你，也可以看看这些资料，感受下 MIT 的熏陶。推荐等级：:heart::heart:！
+ [CS512 Spring 2020 "Data Mining: Principles and Algorithms"](https://wiki.illinois.edu//wiki/display/cs512)：UIUC韩家炜老师2020年新课：CS512 数据挖掘：原理与算法课程。本课程内容包括:网络概论、信息网络挖掘、序列与图数据挖掘、先进的聚类方法、离群点分析方法、数据流挖掘、时空数据挖掘、文本数据挖掘、Web数据挖掘等。[个人主页](https://hanj.cs.illinois.edu/)。
+ [实验楼](https://www.shiyanlou.com/courses/?course_type=all&tag=Python)：各种语言基础教程及相关项目。
+ [Python 中文学习大本营](http://www.pythondoc.com/)：Python中文学习大本营
+ [CS234: Reinforcement Learning Winter 2020](https://web.stanford.edu/class/cs234/schedule.html)：斯坦福大学的最新课程CS234——强化学习，主讲人是斯坦福大学Emma Brunskill，她是斯坦福大学计算机科学助理教授，任职斯坦福大学人类影响力实验室、斯坦福人工智能实验室以及统计机器学习小组，主要研究强化学习。要实现人工智能的梦想和影响，需要能够学会做出正确决策的自主系统。强化学习是这样做的一个强有力的范例，它与大量的任务相关，包括机器人、游戏、消费者建模和医疗保健。本课程通过讲课、书面作业和编码作业的结合，学生将精通强化学习的关键思想和技术。
+ [Lectures for INFO8010 - Deep Learning](https://github.com/glouppe/info8010-deep-learning)：深度学习课程 PPT，深入探讨深度学习架构的细节，重点是学习这些任务的端到端模型。学生将学习实施、训练和调试自己的神经网络，并对该领域的前沿研究有详细的了解。该课程还将介绍推理方法的最新创新，包括微分推理、对抗性训练和贝叶斯深度学习。作者主页[Gilles Louppe](http://glouppe.github.io/)
+ [Electrical Engineering and Computer Science](https://ocw.mit.edu/courses/electrical-engineering-and-computer-science/)：麻省理工学院（MIT）近日放出了 2400 门课程资料，其中也包括电气工程和计算机科学系的多门公开课。这个平台上课完全是为了解决自身知识盲区而来，它的各种 quiz、problem sets、project 等一系列辅助配套设施非常完善。线上教学的所有课件、教授所写的补充材料等都能下载下来以便随时复习。
+ [More Python for Beginners](https://www.youtube.com/playlist?list=PLlrxD0HtieHiXd-nEby-TMCoUNwhbLUnj)：微软退出的 Python 学习课程，该课程将研究一些Python中级知识，诸如lambda和面向对象的编程等。这一系列课程共有**20**个视频，每个视频时长在**2-15**分钟不等。
+ [微软官方 Python 初级教程](https://www.bilibili.com/video/BV1nE41127zQ)：由微软的高级项目经理 Christopher Harrison、以及 AI Gaming 的开发经理 Susan Ibach 共同讲解的《微软官方 Python 初级教程》。这个课程主要分为 44 集，内容主要面向初级开发者，着重介绍 Python 安装流程、在 VSCode 中安装 Python 扩展、基础知识（注释、字符串、日期、错误类型、循环、函数、模块、变量、API）的应用。
+ [微软官方 Python 进阶教程](https://www.bilibili.com/video/BV1WT4y137cD)：该课程共分为 20 集，内容包含 Python 的格式化、类、继承、文件系统管理、异步编程等核心知识，让你了解 Python 的进阶使用技巧。
+ [微软官方 Python 高阶教程](https://www.bilibili.com/video/BV1qa4y1Y7CD)：在这个教程里面，将由前两个初中级课程的老师接着担任，带你感受 Python 在当下最流行的技术应用领域 - 机器学习中的实际应用。你将从这里面学到 Jupyter Notebooks、Anaconda、Pandas、DataFrame 的使用技巧，手把手带你玩转数据科学，感受 Python 的高阶用法。
+ [Even More Python for Beginners: Data Tools](https://www.youtube.com/playlist?list=PLlrxD0HtieHhHnCUVtR8UHS7eLl33zfJ-)：它将带你使用Python进入数据科学和机器学习。虽然课程里面不会讨论选择算法或构建模型的问题，但是会重点介绍Jupyter Notebooks，这是数据科学家最喜欢的工具之一。
+ [微软人工智能教育与学习共建社区](https://github.com/microsoft/ai-edu)：本社区是微软亚洲研究院（Microsoft Research Asia，简称MSRA）人工智能教育团队创立的人工智能教育与学习共建社区。平台开发团队在GitHub上表示，该平台是在教育部指导下，依托于新一代人工智能开放科研教育平台，微软亚洲研究院研发团队和学术合作部将为本社区提供全面支持。
+ [AI-神经网络基本原理简明教程](https://github.com/microsoft/ai-edu/tree/master/)：GitHub上微软人工智能教育与学习共建社区，微软Xiaowuhu根据自己亲身经历的学习轨迹，归纳出了以下教程，可以帮助小白做到真正的从入门到精通。通过以下循序渐进地学习与动手实践，一方面可以帮助读者深刻理解“深度学习”的基础知识，更好地理解并使用现有框架，另一方面可以助力读者快速学习最新出现的各种神经网络的扩展或者变型，跟上快速发展的AI浪潮
+ [Analytics Vidnya](https://www.analyticsvidhya.com/blog/category/deep-learning/)：一个国外的网站，有各类深度学习相关的教程，推荐等级：:heart::heart::heart:！
+ [Dataquest.io](https://www.dataquest.io/subscribe/)：Dataquest 提供完整的数据分析师、数据科学家和数据工程师学习路径。其中大量内容，尤其是数据分析师学习路径的内容可以免费获取。如果你资金充足，我强烈建议你付费订阅并学习这些内容。我学了这个课程，从中了解到数据科学的基础知识。数据科学家路径课程花费了我 6 个月时间。每个月的价格从 24.5 美元到 49 美元不等，这取决于你是否购买年费会员。资金充足的话，购买年费会员更划算
+ [Amueller](https://github.com/amueller)：如果你已经学完了 Dataquest 上的数据科学课程，那么你应该对使用 Python 执行机器学习的基础知识有了充分了解。如果还没有，这方面也有很多免费资源。我推荐首先从 scikit-learn 开始学起，因为 scikit-learn 是目前最常用的机器学习 Python 库。很幸运，scikit-learn 核心开发者之一 Andreas Mueller 举办了为期两天的 workshop，同时发布了该课程的所有材料，包含幻灯片、课程笔记和 notebook。推荐大家先学习这份资料。
+ [《CSE 291: Domain Adaptation in Computer Vision》](http://cseweb.ucsd.edu/~mkchandraker/classes/CSE291/Winter2020/a)：来自加州大学圣地亚哥分校《计算机视觉中的领域自适应》课程，还有一些优秀的学习资源。推荐等级::heart::heart::heart:！
+ [The Machine Learning Summer School](http://mlss.tuebingen.mpg.de/2020/schedule.html)：机器学习暑期学校(MLSS)系列开始于2002年，致力于传播统计机器学习和推理的现代方法。今年因新冠疫情在线举行，从6月28号到7月10号讲述了众多机器学习主题。推荐来自DeepMind Shakir Mohamed博士讲述《贝叶斯推断》，125页ppt系统性讲述了贝叶斯推断基础知识和最新进展，非常干货。
+ [Harvard College CS50](https://cs50.harvard.edu/college/2020/fall/#:~:text=Harvard%20Colleg)：哈佛大学 CS50 2020 秋季课程即将面世，在家也可以共享「撕书教授」David Malan 的 4k 超高清神课了。推荐等级::heart::heart::heart:！
+ [CSC2515 2020 Machine Learning](https://www.cs.toronto.edu/~huang/courses/csc2515_2020f/index.html)：多伦多大学2020秋季《机器学习导论》课程，课程的前半部分侧重于监督学习。从最近邻、决策树和集合开始。然后介绍了参数化模型，包括线性回归、logistic回归和softmax回归以及神经网络。然后转向无监督学习，特别关注概率模型，以及主成分分析和k均值。最后介绍了强化学习的基础知识。推荐等级::heart::heart::heart:！
+ [20h lectures](https://www.reddit.com/r/MachineLearning/comments/lqrek7/n_20_hours_of_new_lectures_on_deep_learning_and/)：reddit上20小时深度学习与强化学习的课程。推荐等级::heart::heart::heart:！
+ [《Advanced Machine Learning》](https://www.cs.ubc.ca/~schmidtm/Courses/440-W21/)：UBC 高级机器学习课程。推荐等级::heart::heart::heart:！
+ [conv_arithmetic](https://github.com/vdumoulin/conv_arithmetic)：卷积神经网络算法可视化学习

# Books (书籍资料) 📚
[💨 Back to Top](#table-of-contents)

+ [数据科学推荐阅读清单](https://medium.com/vickdata/10-free-data-science-books-you-must-read-in-2019-2d4f32793a51)：一份数据科学推荐阅读清单，包含 10 本在线免费书籍
+ [Most Recommended Programming Books](https://github.com/daolf/Most-recommended-programming-books)：25本最推荐的编程书籍，推荐等级:heart::heart::heart:!
+ [Free Books](https://github.com/ruanyf/free-books)：阮一峰老师在 GitHub 上整理了他平时所发现的一些免费技术书籍。书籍列表包括 Web 开发、人工智能、系统管理等内容，覆盖面颇广
+ [Deep Learning Books](https://github.com/loveunk/Deep-learning-books)：一些机器学习、深度学习等相关话题的书籍。推荐等级：:heart::heart::heart::heart:！
+ [CS-BOOK](https://github.com/iamshuaidi/CS-Book)：计算机类常用电子书整理，并且附带下载链接，包括Java，Python，Linux，Go，C，C++，数据结构与算法，人工智能，计算机基础，面试，设计模式，数据库，前端等书籍。GitHub:star:1.5k。
+ [CSBook](https://github.com/Jonezhen/CSBook)：另一个计算机电子书仓库
+ [Books Collection](https://github.com/waylau/books-collection)：books-collection 给程序员的开源、免费图书集合，GitHub:star:1.8k。
+ [Free Machine Learning Books](https://github.com/whoafridi/Machine-Learning-Books)：免费机器学习书籍下载
+ [Free programming books](https://github.com/EbookFoundation/free-programming-books)：免费提供的编程书籍。GitHub获:star:130k。
+ [Cambridge Textbooks](https://www.cambridge.org/core/what-we-publish/textbooks)：剑桥大学出版社免费开放了网页版高等教育教材，包含Cambridge Core(剑桥电子期刊和电子图书数据库)中超过700本教材，涵盖21个学科、领域。其中计算机领域提供了25本与计算机相关的高等教材。细分领域包括机器学习、数据科学、网络、编程等，而且教材大部分都特别新！
+ [Freecomputerbooks](http://freecomputerbooks.com)：这是一个专注于计算机、变成、数学、电子工程、软件工程等技术书籍的网站，所有资源均可免费下载。网站的分类做得非常棒，资源也很丰富，还能看到不少2019年新出版的新书。
+ [《Python Tips for Data Scientist》](https://runawayhorse001.github.io/PythonTipsDS/index.html)：Wenqiang Feng, Xu Gao and Upendra Madam三位数据科学家撰写了一本《给数据科学家的Python技能秘籍》，简明扼要，非常实用，使用与数据科学家相关的详细演示代码和示例来共享一些用于数据科学家工作的有用python技巧，值得放在身旁学习查看！推荐等级：:heart::heart::heart::heart:！
+ [《深度学习：Deep Learning》](https://github.com/glouppe/info8010-deep-learning#info8010---deep-learning)：深度机器学习的最新发展使视觉识别、语音和文本理解或自主智能体系统取得了前所未有的巨大进步。在此背景下，本课程将深入探讨深度学习架构的细节，重点是学习这些任务的端到端模型。学生将学习实施、训练和调试自己的神经网络，并对该领域的前沿研究有详细的了解。该课程还将介绍推理方法的最新创新，包括微分推理、对抗性训练和贝叶斯深度学习。
+ [《贝叶斯深度学习: Deep Learning with Bayesian Principles》](https://nips.cc/Conferences/2019/Schedule?showEvent=13205)：来自东京RIKEN研究中心的Emtiyaz Khan给了关于以贝叶斯原理进行深度学习的教程《Deep Learning with Bayesian Principles》，共有86页ppt，以及撰写了最新的论文，讲述贝叶斯和深度学习如何结合到一起进行学习新算法，提出了一种基于贝叶斯原理的学习规则，它使我们能够连接各种各样的学习算法。利用这一规则，可以在概率图形模型、连续优化、深度学习、强化学习、在线学习和黑盒优化等领域得到广泛的学习算法。非常具有启发性，值得查看！[视频地址](https://slideslive.com/38921489/deep-learning-with-bayesian-principles)。
+ [《Machine Learning Yearning cn》](https://github.com/deeplearning-ai/machine-learning-yearning-cn)：Machine Learning Yearning 中文版 - 《机器学习训练秘籍》 - Andrew Ng 著。GitHub 已获:star:5k+
+ [《A Self-Learning, Modern Computer Science Curriculum》](https://functionalcs.github.io/curriculum/)：国外一位工程师写的计算机自学指南，中文译名应为《现代化计算机科学自学指南》，内容包含着许多来自许多世界知名高校、顶尖的教授与技术专家所编著的计算机课程
+ [深度学习，统计学习，数学基础》人工智能算法工程师手册](http://www.huaxiaozhuan.com/)：市面上很多人工智能相关的书籍。大部分的书，面向小白，内容深度不够；小部分教材书或者科研书，内容艰深，又过于复杂。那么有没有，面向算法工程师（程序员）人群的，面向有一定数学基础、算法基础，能够快速上手写代码的人群的人工智能手册呢？有的！而且免费开源，非常有程序员范！《AI算法工程师手册》你值得拥有！推荐等级：:heart::heart:！
+ [《Introduction to Applied Linear Algebra – Vectors, Matrices, and Least Squares》](http://vmls-book.stanford.edu/)：斯坦福大学Stephen Boyd教授与加州大学Lieven Vandenberghe教授合著的应用线性代数导论：向量、矩阵和最小二乘法。这本书的目的是提供一个介绍向量，矩阵，最小二乘方法，应用线性代数的基本主题。目标是让学生通俗易懂，入门学习。让学习者了解在包括数据拟合、机器学习和人工智能,断层、导航、图像处理、金融、和自动控制系统的应用。是一本不可多得好教材。
+ [《Machine Learning in Action》](https://www.manning.com/books/machine-learning-in-action)：以 Python 为基础的机器学习实战编程书籍：《Machine Learning In Action》，中文译为《机器学习实战》。[本书代码地址](https://github.com/pbharrin/machinelearninginaction)，以及[中文版代码仓库地址](https://github.com/wzy6642/Machine-Learning-in-Action-Python3)。
+ [《Pattern Recognition and Machine Learning . Information Science and Statistics》](https://www.microsoft.com/en-us/research/people/cmbishop/#!prml-book)：又名 “PRML”（书名首字母缩写），一本经典好书，以贝叶斯的视角为主，同时其难度可能很不适于缺乏数学基础的入门者。算法实现 [PRML](https://github.com/ctgk/PRML)，GitHub:star:6k+。推荐等级：:heart::heart::heart:！
+ [《Natural Language Processing in Action》](https://www.manning.com/?a_aid=totalgood)：自然语言处理（NLP）系统的开发已建立了通过人脑与人脑之间进行信息流和计算的多种技术。这本新书《Natural Language Processing in Action：Understanding, analyzing, and generating text with Python 》为我们提供了从基础知识到动手构建后端NLP系统的全套学习内容，希望对您开启NLP学习之旅有所帮助。[GitHub代码地址](https://github.com/totalgood/nlpia)。
+ [《语雀 IT 百科精品知识库》](https://www.yuque.com/yuque/blog/yuque-info-tech-encyclopedia)：这是由国内语雀团队出品的《语雀 IT 百科精品知识库》，这些精品知识库涵盖了互联网技术的主要领域，包含了实实在在的内容，都经过作者认真的整理和编辑，具有一定的学习和参考价值。对于想要投身互联网开发的朋友，这些都是很好的资料，值得收藏。
+ [《Algebra, Topology, Differential Calculus, and Optimization Theory For Computer Science and Engineering》](http://www.cis.upenn.edu/~jean/math-basics.pdf)：宾夕法尼亚大学计算机和信息科学系教授 Jean Gallier 的开源书籍《Algebra, Topology, Differential Calculus, and Optimization Theory For Computer Science and Engineering》用一本书的容量涵盖了学习计算机科学所需要的数学基础
+ [《神经网络与深度学习》](https://nndl.github.io/)：这本《神经网络与深度学习》全中文版，大大降低了深度学习的语言门槛，让大家有更多的精力放在核心知识内容的学习上。内容上，它面向深度学习小白，从人工智能的基本概念开始讲起，可以说很友好了。此外，各种附加资料一站式配齐：从教材、讲解PPT、示例代码到课后练习，全方位无死角学习。这本书的作者邱锡鹏老师，目前是复旦大学计算机科学技术学院的博士生导师、自然语言处理与深度学习组的副教授。 [PDF 讲义](https://nndl.github.io/nndl-book.pdf)，[课件 PDF](https://nndl.github.io/ppt/%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C%E4%B8%8E%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0-3%E5%B0%8F%E6%97%B6.pdf)，[课程练习](https://github.com/nndl/exercise)，推荐等级：:heart::heart:。
+ [《You-Dont-Know-JS》](https://github.com/getify/You-Dont-Know-JS)：您还不认识 JS（书籍系列）- 第二版。GitHub 获:star:110k。
+ [《Limitations of Interpretable Machine Learning Methods》](https://compstat-lmu.github.io/iml_methods_limitations/)：可解释机器学习的局限性《Limitations of Interpretable Machine Learning Methods》，阐述了可解释机器学习的概念、方法等，以及重要的是适用的边界，即可解释机器学习的局限，知道能与不能方能用好IML。本书共14章，是Christoph Molnar课题组最新成果，值得参阅。
+ [《Introduction to Natural Language Processing》](https://github.com/jacobeisenstein/gt-nlp-class/tree/master/notes)：Google AI研究科学家Jacob Eisenstein 博士的自然语言处理领域新书《Introduction to Natural Language Processing》由MIT出版社在10月份发行。在该教材最新版PDF 在 GitHub 上开放。这本书的内容主要分为四大章节，即 NLP 中监督与无监等学习问题、序列与解析树等自然语言的建模方式、语篇语义的理解，以及后这些技术最在信息抽取、机器翻译和文本生成等具体任务中的应用。整本开放书共四部分，19章，587页pdf，是了解最新自然语言处理进展的不可多得的教材。
+ [《A Course In Machine Learning》](http://ciml.info/)：A Course in Machine Learning》属于入门级资料，它涵盖了现代机器学习的大多数主要方面（监督学习，无监督学习，大间隔方法，概率建模，学习理论等）。它的重点是具有严格基础的广泛应用。
+ [《Bayesian Networks》](https://www.intechopen.com/books/bayesian-networks-advances-and-novel-applications)：贝叶斯网络在经济学、人工智能、交通系统、医疗领域都有举足轻重的应用，许多研究表明，贝叶斯网络是可靠和稳定的因果关系表示。本书的写作者阐明了贝叶斯网络在各个领域的进展和应用。
+ [《Django By Example》](https://www.jianshu.com/p/05810d38f93a)：《Django By Example》中文翻译博客。
+ [《Clean Python》](https://www.apress.com/gp/book/9781484248775):探索用Python编写代码的正确方法。[GitHub](https://github.com/Apress/clean-python)。
+ [《ThinkStats2》](https://bit.ly/2Morui2)：统计思维：程序员数学之概率统计这本书的作者是美国计算机科学家Allen B. Downey。《统计思维》着重介绍了一些简单的技术，读者可以用真实的数据集对其进行探索。[GitHub地址](https://github.com/AllenDowney/ThinkStats2)
+ [《The Elements of Statistical Learning: Data Mining, Inference, and Prediction》](https://web.stanford.edu/~hastie/ElemStatLearn/)：统计学习基础，斯坦福大学数学科学教授Trevor Hastie等人出品。这本书强调的是概念而非数学本身，内文采用大量图表来展示范例。本书涵盖的范围很广，从监督学习到无监督学习，均有涉及。
+ [《Think Bayes: Bayesian Statistics Made Simple》](https://greenteapress.com/wp/think-bayes/)：简明贝叶斯统计。关于贝叶斯统计的大多数书籍都是用数学符号来表达思想。这本书则用Python代码代替了数学符号，并用离散近似替代连续。此书同样附赠配套代码实现，还有人提供了IPython notebooks版本，可以在线修改、运行代码。[Jupyter notebook](https://mybinder.org/repo/rlabbe/ThinkBayes)
+ [《Probabilistic Programming & Bayesi

ecosyste.ms

Data

Tools

Indexes

Applications

Experiments

Awesome

https://github.com/edisonleeeee/awesome-learning-resource

Awesome Lists containing this project

README