从 2016 年起，机器之心每年都会盘点全年的精华教程。去年就有小伙伴留言说要在 2019 年上半年把 2018 年的教程合集「啃下来」。现在都 2020 了，不知道这位朋友啃完没有？要是 flag 没倒，不妨再来一份？


收藏、退出一气呵成，2019年机器之心干货教程都在这里了_java

收藏、退出一气呵成，2019年机器之心干货教程都在这里了_java_02


与往年类似，今年的盘点分为入门解惑、优质教材及课程、语言、工具、GitHub 项目、经验分享几大板块。无论你是刚迈入 AI 领域的萌新，还是工作多年的数据分析师、炼丹师、码农，这份合集都能帮到你。

如果这些都学完了还没尽兴，可以跳到文末链接找出往年教程合集。
入门解惑
去年，教育bu公布了 35 所新增 AI 本科高校名单，为想学 AI 的同学提供了更多选择。对于这部分刚迈入 AI 领域的萌新，我们提供了一系列完备的学习路线和入门教程：


当然，在搞定 AI 之前，你必须要先搞定数学：


接下来是一些简短而全面的教程，「一文读懂」基本概念：


相比于文字，图解教程能够帮助你更直观、快速地领会知识的精髓：


优质教材、课程
如果你去购物网站、在线课程网站直接搜索，会发现与「人工智能」相关的图书资料有上万种，课程也有数百种。在学习资料异常丰富的今天，挑出优质的教材、课程也成了一大难题。不过不用担心，在机器之心编辑部和读者的共同努力下，今年的优质参考书、课程都已经筛选好了：
开卷有益
2019 年，周志华等多位老师联合撰写的《演化学习：理论与算法进展》问世；李航老师的《统计学习方法》第二版上线；李沐老师的《动手学深度学习》有了 TF 2.0、PyTorch 版本；贝叶斯之父 Judea Pearl 的《The Book of Why》也有了中文版本……要获取这些优质教材的新动向，关注机器之心就够了：



站在巨人的肩膀上
除了以上经典教材，还有些优质课程可以参考。这些课程来自麻省理工学院、斯坦福大学、多伦多大学、哥伦比亚大学等多所国内外知名高校，授课者包括 Bengio、吴恩达、李宏毅等名师：







温故而知新
教程、课程看完一遍很容易忘记，这时候就需要笔记来帮忙了。在过去的一年中，我们发现了以下几份优秀的笔记项目，可以作为学习的辅助材料。


语言
去年 11 月，地产大佬潘石屹突然宣布开始学 Python，众读者纷纷惊呼：居然不是广告？从这串长长的列表来看，你大概能够体会到 Python 有多火了，毕竟它也是最有益于保持头发浓密的语言之一。在这部分，我们列举了 Python 的官方文档、使用技巧、实用工具包等有用信息（谁帮忙 @ 一下潘总？）。



工具及技巧
古人说过，「工欲善其事，必先利其器」。工具的好坏及使用技巧与我们的学习效果息息相关。要列举 AI 学习中用到的重要工具，首先要从深度学习框架说起。
深度学习框架
2019 年，ML 框架之争中只剩两个实力玩家：PyTorch 和 TensorFlow。研究者大批涌向 PyTorch，而业界的首选仍然是 TensorFlow。因此，这部分着重筛选出这两个框架的相关教程。


1. TensorFlow


2.PyTorch



其他工具
1. 神奇的编辑器


2. 代码补全利器


3.Git


4. 笔记本


5. 其他


技巧
这里还有一些小技巧，可以帮助你解决一些「令人头秃」的问题：


GitHub 年度精选
作为全球最大的同性交友网站，GitHub 上几乎能找到你想要的一切。「我在 GitHub 上北大，他在 Pornhub 考研究生」这句话不是说说而已（忽略后半句）：


同时，GitHub 上还有很多神奇项目，让我们流连忘返，唱、跳、Rap、篮球，应有尽有：


一个靠谱的数据集会让模型训练工作事半功倍，这一年里，我们分享过这些优质 GitHub 数据集：


经验分享，「深度好文」
最后，我们总结了一系列经验分享，涵盖读博、面试、职场经验等多个方面。低头赶路的时候，也要抬头看看远方。
读博那点事儿


备战春招


职业生涯回顾与行业展望


码农的自我修养


参赛、参会经验贴


往年教程盘点


过去几年的干货都在这里了，flag 是不是也该立起来了？

明年想上墙的朋友欢迎留言。