人工智能從入門到進階，機器之心高分技術文章全集

新的一年到來了，過去的 2016 年可以說是有史以來機器學習領域進展最顯著的一年。在大數據和高性能計算設備的助力下，具備學習能力的機器在圍棋、語音識別、翻譯、圖像渲染和識別等許多領域都實現了驚人的成就。但那遠遠還不是這一領域的終點，大部分媒體和投資者仍然還看好以機器學習為主的人工智能技術的未來發展，市場也無法掩飾地表現出了對這方面的人才的需求。

這篇文章盡可能地全面地梳理了機器之心在 2016 年發過的基礎知識和技術指導方面的文章，希望能為讀者通往人工智能領域的專業人才乃至學界大牛之路提供一點助力。本文按照從基礎到前沿劃分對文章進行了分類（學習資源、基礎介紹文章、技術起點、繼續進階、前沿研究），讀者可方便地根據自己的學習進度選擇合適的文章閱讀。

一、學習資源

深度學習資料大全：從基礎到各種網絡

30個深度學習庫：按Python和C++等10種語言分類

2016年不可錯過的21個深度學習視頻、教程和課程

程序員實用深度學習免費課程:從入門到實踐 

9本不容錯過的深度學習和神經網絡書籍 

深度學習專業名詞表：從激活函數到word2vec  

2016年年度十大Python庫盤點

2010-2016年被引用次數最多的深度學習論文 

自學數據科學&機器學習，19個數學和統計學公開課推薦 

Yoshua Bengio新書《Deep Learning》中文版開放預覽（附PDF下載鏈接） 

數據科學家應該掌握的12種機器學習算法（附信息圖）  

從入門到研究，人工智能領域最值得一讀的20份資料

關于數據科學的十本好書 

哈佛大學九大自然語言處理開源項目 

ICML 2016演講視頻：數百個演講帶你讀懂機器學習  

Yoshua Bengio研究生科研指導演講：解讀人工智能全貌和下一個前沿 

Yann LeCun演講 ：人工 智能的下一個前沿——無監督學習  

今年GitHub排名前20的Python機器學習開源項目

機器學習工程師和數據科學家最應該讀的16本書 

任何階段的學習者都適用的參考：機器學習領域書目全集 

Yoshua Bengio深度學習暑期班學習總結，35個授課視頻全部開放

Andrej Karpathy CS294課程總結：可視化和理解深度神經網絡 

Geoffrey Hinton最新演講梳理：從人工神經網絡到RNN應用

吳恩達NIPS 2016演講現場直擊：如何使用深度學習開發人工智能應用

NIPS 2016最全盤點：主題詳解、前沿論文及下載資源

斯坦福大學周末學習盛宴：12位大牛解讀深度學習

提升深度學習模型的表現，你需要這20個技巧  

TensorFlow開源一周年：這可能是一份最完整的盤點 

五大主流深度學習框架比較分析：MXNET是最好選擇 

二、基礎介紹文章

2016倫敦深度學習峰會觀感：人工智能面臨的三大難題

2016機器學習與自然語言處理學術全景圖：卡耐基梅隆大學排名第一 

2016年美國機器人路線圖出爐，最新機器人產業盤點 

一張圖看懂全球Bot布局 

Yoshua Bengio：深度學習崛起帶來人工智能的春天 

神經網絡架構演進史：全面回顧從LeNet5到ENet十余種架構

Andrej Karpathy：計算機科學博士的生存指南 

貝葉斯神經網絡簡史

百度首席科學家吳恩達刊文：人工智能的能力和不足 

高盛百頁人工智能生態報告：美國仍是主導力量，中國正高速成長

伯克利教授Stuart Russell：人工智能基礎概念與34個誤區

初學者必讀：解讀14個深度學習關鍵詞

智能時代每個人都應該了解：什么是深度學習？  

CMU機器學習系負責人：人工智能與人類的未來是共生自主 

CMU教授邢波：人工智能的路徑、方向與未來 

從供應鏈優化到差異化定價：機器學習十種方式變革制造業 

對比深度學習十大框架：TensorFlow最流行但并不是最好 

當AI遇上AR ——從微軟HPU說起 

洞悉AlphaGo超越圍棋大師的力量：機器之心邀你一起強化學習

東南大學漆桂林教授：知識圖譜不僅是一項技術，更是一項工程 

人工智能全局概覽：通用智能的當前困境和未來可能 

訪談百度IDL林元慶：百度大腦如何在人臉識別上戰勝人類「最強大腦」 

TensorFlow 生態系統：與多種開源框架的融合 

Kaggle創始人問答：深度學習會淘汰其他的機器學習方法嗎？ 

機器之心年度盤點 | 從技術角度，回顧2016年語音識別的發展

機器學習的基本局限性：從一個數學腦筋急轉彎說起 

人們都在說人工智能，其實現在我們真正做的是智能增強

人工智能、機器學習、深度學習，三者之間的同心圓關系 

R vs Python：R是現在最好的數據科學語言嗎？ 

斯坦福NLP團隊介紹交互式語言學習：從語言游戲到日程規劃 

斯坦福大學副教授Reza Zadeh：神經網絡越深就越難優化

神經網絡和深度學習簡史（三）：強化學習與遞歸神經網絡  

神經網絡和深度學習簡史（四）：深度學習終迎偉大復興 

深度學習技術在股票交易上的應用研究調查  

深度學習十大飆升趨勢 

深度學習入門，以及它在物聯網和智慧城市中的角色

服務器端人工智能，FPGA和GPU到底誰更強？  

Science「機器人子刊」創刊號，五大研究解讀機器人領域最新進展 

西紅柿還是獼猴桃？一個案例幫你入門機器學習

詳細解讀神經網絡十大誤解，再也不會弄錯它的工作原理 

基于圖的機器學習技術：谷歌眾多產品和服務背后的智能  

三、技術起點

10種深度學習算法的TensorFlow實現

數十種TensorFlow實現案例匯集：代碼+筆記 

機器學習入門必備：如何用Python從頭實現感知器算法

ACM 最新月刊文章：強化學習的復興

人工智能開發者的入門指南

從入門到精通：卷積神經網絡初學者指南

機器學習敲門磚：任何人都能看懂的TensorFlow介紹 

DeepMind提出的可微神經計算機架構的TensorFlow實現 

RNN 怎么用？給初學者的小教程

深度學習教程：從感知器到深層網絡

OpenAI 的 PixelCNN++實現：基于 Python的實現 

Geoffrey Hinton最新演講梳理：從人工神經網絡到RNN應用

官方指南：如何通過玩TensorFlow來理解神經網絡 

一篇文章帶你進入無監督學習:從基本概念到四種實現模型  

NIPS 2016上22篇論文的實現匯集 

機器學習初學者入門實踐：怎樣輕松創造高精度分類網絡 

解決真實世界問題：如何在不平衡類上使用機器學習？  

卷積神經網絡架構詳解：它與神經網絡有何不同？  

LSTM和遞歸網絡基礎教程

門外漢如何使用谷歌的Prediction API做機器學習 

NVIDIA趣味解讀：深度學習訓練和推理有何不同？ 

如何利用 Python 打造一款簡易版 AlphaGo 

如何用圖像識別技術來變革商業？這里有份操作指南 

MIT生成視頻模型，預測靜態圖片的未來場景 

EMNLP 2016干貨：從原理到代碼全面剖析可用于NLP的神經網絡

使用機器學習翻譯語言：神經網絡和seq2seq為何效果非凡？ 

神經網絡快速入門：什么是多層感知器和反向傳播？

神經網絡中激活函數的作用 

逐層剖析，谷歌機器翻譯突破背后的神經網絡架構是怎樣的？

深度學習漫游指南：強化學習概覽

深度學習與神經網絡全局概覽：核心技術的發展歷程 

最全的深度學習硬件指南 

主流深度學習框架對比：看你最適合哪一款？ 

四、繼續進階

40年認知架構研究概覽：實現通用人工智能的道路上我們已走了多遠？

第四范式聯合創始人陳雨強：機器學習在工業應用中的新思考 

詞嵌入系列博客Part1：基于語言建模的詞嵌入模型 

詞嵌入系列博客Part2：比較語言建模中近似 softmax 的幾種方法

詞嵌入系列博客Part3：word2vec 的秘密配方 

從分割到識別，全面解析非死book開源的3款機器視覺工具 

從硬件到軟件：OpenAI 解讀自家的深度學習基礎架構  

分布式深度學習：神經網絡的分布式訓練

Embedding 新框架模型：Exponential Family Embeddings 

FPGA vs. ASIC，誰將引領移動端人工智能潮流？ 

概述性論文：卷積神經網絡的近期研究進展 

《Nature》 封面文章：人工智能引發材料科學變革 

概述論文：遷移學習研究全貌 

Andrej Karpathy：你為什么應該理解反向傳播 

GAN之父NIPS 2016演講現場直擊：全方位解讀生成對抗網絡的原理及未來

Google Brain 講解注意力模型和增強RNN 

谷歌Magenta項目是如何教神經網絡編寫音樂的？ 

基于MXNet 的神經機器翻譯實現 

2016深度學習重大進展：從無監督學習到生成對抗網絡

深度學習遇上基因組，診斷疾病和揭示深層生物原理或迎來突破 

King+Woman-Man=Queen:用基于Spark的機器學習來捕捉詞意

初學者必讀:從迭代的五個層面理解機器學習 

輕量級Matlab深度學習框架LightNet的實現 

如何基于機器學習設計一套智能交易系統？ 

如何在TensorFlow中用深度學習修復圖像？ 

機器學習中的并行計算：GPU、CUDA和實際應用 

深度解讀AlphaGo勝利背后的力量：強化學習

英偉達自動駕駛技術解讀：用于自動駕駛汽車的端到端深度學習 

深度解讀最流行的優化算法：梯度下降 

Science：斯坦福大學用遷移學習預測非洲貧困狀況 

用 Word2vec 輕松處理新金融風控場景中的文本類數據 

Science：實用量子計算機已近在咫尺 

深度學習硬件架構簡述

深度學習系列Part2：遷移學習和微調深度卷積神經網絡 

圖文并茂的神經網絡架構大盤點：從基本原理到衍生關系  

為你的深度學習任務挑選性價比最高GPU 

詳解谷歌神經網絡圖像壓縮技術：高質量地將圖像壓縮得更小 

用于視覺任務的CNN為何能在聽覺任務上取得成功？ 

自然語言處理領域深度學習研究總結：從基本概念到前沿成果 

專訪谷歌Jeff Dean：強化學習適合的任務與產品化應用

重磅論文：解析深度卷積神經網絡的14種設計模式

五、前沿研究

并行運算，非死book提出門控卷積神經網絡的語言建模  

FAIR與微軟研究院合著論文：通過虛擬問答衡量機器智能 

FusionNet融合三個卷積網絡：識別對象從二維升級到三維 

谷歌新論文提出神經符號機：使用弱監督在Freebase上學習語義解析器 

Google Brain與OpenAI合作論文：規模化的對抗機器學習 

谷歌新論文：使用生成對抗網絡的無監督像素級域適應 

谷歌ICLR 2017論文提出超大規模的神經網絡：稀疏門控專家混合層 

谷歌論文：使用循環神經網絡的全分辨率圖像壓縮 

谷歌新論文提出適應性生成對抗網絡AdaGAN：增強生成模型 

谷歌技術論文：用于油Tube推薦的深度神經網絡 

谷歌與微軟合著論文：由知識引導的結構化注意網絡 

谷歌深度解讀：機器人可以如何通過共享經歷學習新技能 

谷歌NIPS 2016提交的8篇論文：從無監督學習到生成模型 

谷歌DeepMind論文：使用合成梯度的解耦神經接口 

谷歌提交ICLR 2017論文：學習記憶罕見事件 

谷歌提出深度概率編程語言Edward：融合了貝葉斯、深度學習和概率編程  

谷歌新論文提出預測器架構：端到端的學習與規劃 

DeepMind最新論文：線性時間的神經機器翻譯 

DeepMind David Silver論文：學習跨多個數量級的值 

DeepMind論文：在線Segment to Segment神經傳導

DeepMind深度解讀Nature論文：可微神經計算機 

DeepMind論文：調控運動控制器的學習和遷移 

DeepMind NIPS 2016論文盤點（Part1）：強化學習正大步向前 

DeepMind NIPS 2016論文盤點（Part2）：無監督學習的新進展 

ECCV 2016 最佳論文新鮮出爐 

Geoffrey Hinton論文：使用快速權重處理最近的過去

哈工大訊飛聯合實驗室最新論文刷新機器閱讀理解紀錄 

華盛頓大學論文：使用機器學習分析科學文獻中的視覺信息 

Ian Goodfellow 論文：通過視頻預測的用于物理交互的無監督學習 

Ian Goodfellow 論文：用于隱私訓練數據的深度學習的半監督知識遷移

IBM論文：多尺度循環神經網絡在對話生成中的應用 

ICLR2016會議，不可錯過非死book提交的七篇論文 

計算機科學領導者：卡內基梅隆大學ACL2016論文匯總 

論文：TensorFlow，一個大規模機器學習系統 

論文：通過連續獎勵策略梯度學習在線比對 

論文：基準評測當前最先進的深度學習軟件工具 

論文：一種用于訓練循環網絡的新算法Professor Forcing

論文：高斯混合模型的似然方法中的局部極大值：結構結果和算法結果

NIPS 2016現場：谷歌發布 28 篇機器學習論文 

Nature論文：無監督表征學習，用電子健康病歷增強臨床決策  

Nature論文：從不確定性表征到自動建模 

NIPS 2016 公布571篇接收論文 

OpenAI與NASA論文：用于張拉整體機器人運動的深度強化學習 

OpenAI論文：神經GPU的擴展和限制 

蘋果發布第一篇人工智能研究論文：模擬+無監督方法改善合成圖像 

商湯科技論文解析：人臉檢測中級聯卷積神經網絡的聯合訓練  

斯坦福大學李飛飛最新論文：弱監督動作標記的連接時序模型 

Vicarious在ICLR2017提交無監督學習論文：層級組合特征學習 

Yann LeCun論文：基于能量的生成對抗網絡 

Yoshua Bengio 論文：一種神經知識語言模型 

Yann LeCun提交ICLR 2017論文匯總：從GAN到循環實體網絡等 

Bengio論文：用于序列預測的actor-critic算法 

Yoshua Bengio論文：邁向生物學上可信的深度學習 

Yoshua Bengio論文：使用線性分類器探頭理解中間層 

Yoshua Bengio論文：Mollifying Networks

微軟重磅論文提出LightRNN：高效利用內存和計算的循環神經網絡 

微軟ACL 2016論文匯集，自然語言技術逼近人類對話水平 

自然語言頂級會議ACL 2016谷歌論文匯集 

 

來自：http://www.tuicool.com//articles/qQJbQjV