深度學習FPGA實作基礎知識6(Deep Learning（深度學習）學習資料大全及CSDN大牛部落格推薦)

需求說明：深度學習FPGA實作知識儲備

來自：時間的詩

第一部分：部落格大牛（深度學習方向）

1、http://blog.csdn.net/zouxy09

• 研究方向：機器學習、計算機視覺、人機互動和人工智能等領域

• 作品：Deep Learning（深度學習）學習筆記整理系列

• 網友評價：深入淺出、條理清晰、内容全面、适合反複閱讀

2、http://blog.csdn.net/matrix_space

• 研究方向：專注于圖像處理，計算機視覺，機器學習。

• 作品：機器學習專欄http://lib.csdn.net/base/2

第二部分：學習資料大全

1、來自：http://blog.csdn.net/on2way/article/details/50094845

該篇小記一下學習到的一些好教程與資料。 

關于深度學習，介紹性的文章與部落格非常多，寫的也非常好。一個綜述點的部落格系列就是Zouxy大神的文章：

Deep Learning（深度學習）學習筆記整理

如果你是剛入門的小白，建議收藏這位大神的系列文章，這一系列基本山涵蓋了深度學習的所有基本東西，是以相對來說也是比較綜述性質的，很多的細節是你需要有一點了解的才能看得懂。可能第一遍下去看不懂，或者隻能懂很淺顯的一部分，但是不要緊，建議每隔一段時間看一看這個大綜述，每一次你都會有不同的收獲的。

如果覺得光看别人寫的很難了解，網絡上相關的視訊也是很多的，比如說複旦大學 

吳立德教授的

《深度學習課程》

另外一個學習較好的教程是吳恩達的UFLDL教程，該教程也有網友翻譯成中文版的了，可以說也是非常淺顯易懂的，裡面涉及到的代碼也是有網友分享過。關于吳恩達，感覺研究深度學習的沒幾個不知道的，他還有比較經典的機器學習教程，這些可謂是更底層的原理介紹與一些淺層學習算法，對于較好的了解機器學習乃至深度學習非常有幫助。深度學習UFLDL教程教程如下：

http://ufldl.stanford.edu/wiki/index.php/UFLDL%E6%95%99%E7%A8%8B

其機器學習教程網址如下：

http://openclassroom.stanford.edu/MainFolder/CoursePage.php?course=MachineLearning

該機器學習教程有更早的斯坦福課堂上的版本，在哪裡有網友翻譯的中文字幕，可以搜一下學習學習，很不錯。

當然還有很多很多很好的教程： 

部落格園上的網友總結系列，當你具體到學習某個部分的時候會很有用： 

http://www.cnblogs.com/tornadomeet/tag/Deep%20Learning/default.html?page=1

這位網友翻譯的系列： 

機器學習 

其英文版的課程： 

CS231n: Convolutional Neural Networks for Visual Recognition.

在貼一個國外大牛還未出版的電子書： 

http://neuralnetworksanddeeplearning.com/index.html

還有一個好的教程（有英文視訊） 

http://cl.naist.jp/~kevinduh/a/deep2014/

再就是DeepLearning的官網，裡面好的好東西自己發現： 

http://deeplearning.net/

關于學習深度學習工具，似乎也有好多（matlab版，c++版，Python版等等深度學習庫），視你自己熟悉而定。比如一個比較适合初學者學習原理的matlab版工具箱：

DeepLearnToolbox 

（後面會基于這個工具箱進行相關實驗）。

Python下的工具箱：Theano； 深度學習平台：caffe等等，這些隻是看過也沒有實際用過，屬于比較高端下的深度學習應用範圍了。

教程可謂是多不勝數，隻待尋找适合自己的最重要，找到一個好的教程堅持學下去，一定會有所收獲的。

2、機器學習的最佳入門學習資源 來自：http://blog.csdn.net/thomashtq/article/details/42487955

這是一篇很難寫的文章，因為我希望這篇文章能對學習者有所啟發。我在空白頁前坐下，并且問自己了一個很難的問題：什麼樣的庫、課程、論文和書籍對于機器學習的初學者來說，是最好的。

文章裡到底寫什麼、不寫什麼，這個問題真的讓我很煩惱。我必須把自己當做一個程式員和一個機器學習的初學者，站在這個角度去考慮最合适的資源。

我找出了每個類型中最适合的資源。如果你是一個真正的初學者，并且樂意于開始了解機器學習領域的相關知識，我希望，你可以在我的文章中，找到有用的 資料。我的建議是，從中挑出一件來，一本書或者是一個庫，反複閱讀或者認真學習所有的相關教程。挑出一件并且堅持學習，直到你完全掌握，再重新選擇一件， 重複這個學習過程。現在就讓我們開始吧！

Programming Libraries 程式設計庫資源

我是一個“學習要敢于冒險和嘗試”觀念的倡導者。這是我學習程式設計的方式，我相信很多人也是這樣學習程式設計的。先了解你的能力極限，然後去拓展你的 能力。如果你了解如何程式設計，可以将程式設計經驗很快借鑒到深入學習機器學習上。在你實作一個實際的産品系統之前，你必須遵循一些規則、學習相關數學知識。

找到一個庫并且仔細閱讀相關文檔，根據教程，開始嘗試實作一些東西。下面列出的是開源的機器學習庫中最好的幾種。我認為，并不是他們中的每一種都适合用在你的系統中，但是他們是你學習、探索和實驗的好材料。

你可以從一個由你熟悉的語言編寫的庫開始學習，然後再去學習其他功能強大的庫。如果你是一個優秀的程式員，你會知道怎樣從一種語言，簡單合理地遷移到另一種語言。語言的邏輯都是相同的，隻是文法和API稍有不同。

• R Project for Statistical Computing： 這是一個開發環境，采用一種近似于Lisp的腳本語言。在這個庫中，所有你想要的與統計相關的功能都通過Ｒ語言提供，包括一些複雜的圖示。CRAN(你可 以認為是機器學弟的第三方包)中的機器學習目錄下的代碼，是由統計技術方法和其他相關領域中的領軍人物編寫的。如果你想做實驗，或是快速拓展知識，R語言 都是必須學習的。但它可能不是你學習的第一站。
• WEKA：這是一個資料挖掘工作平台，為使用者提供數一系列據挖掘全過程的API、指令行和圖形化使用者接口。你可以準備資料、可視化、建立分類、進行回歸分析、建立聚類模型，同時可以通過第三方插件執行其他算法。除了WEKA之外， Mahout是Hadoop中為機器學習提供的一個很好的JAVA架構，你可以自行學習。如果你是機器學習和大資料學習的新手，那麼堅持學習WEKA，并且全心全意地學習一個庫。
• Scikit Learn:這是用Python編寫的，基于NumPy和SciPy的機器學習庫。如果你是一個Python或者Ruby語言程式員，這是适合你用的。這個庫很使用者接口友好，功能強大，并且配有詳細的文檔說明。如果你想試試别的庫，你可以選擇Orange。

• Octave:如果你很熟悉MatLab，或者你是尋求改變的NumPy程式員，你可以考慮 Octave。這是一個數值計算環境，與MatLab像是，借助Octave你可以很友善地解決線性和非線性問題，比如機器學習算法底層涉及的問題。如果你有工程背景，那麼你可以由此入手。

• BigML:可能你并不想進行程式設計工作。你完全可以不通過代碼，來使用 WEKA那樣的工具。你通過使用BigMLS的服務來進行更加深入的工作。BigML通過Web頁面，提供了機器學習的接口，是以你可以通過浏覽器來建立模型。

挑選出一個平台，并且在你實際學習機器學習的時候使用它。不要紙上談兵，要去實踐！

Video Courses視訊課程

很多人都是通過視訊資源開始接觸機器學習的。我在YouTube和VideoLectures上看了很多于機器學習相關的視訊資源。這樣做的問題 是，你可能隻是觀看視訊而并不實際去做。我的建議是，你在觀看視訊的時候，應該多記筆記，及時後來你會抛棄你的筆記。同時，我建議你将學到的東西付諸實 踐。

坦白講，我沒有看見特别合适初學者的視訊資源。視訊資源都需要你掌握一定的線性代數、機率論等知識。Andrew Ng在斯坦福的講解可能是最适合初學者的，下面是我推薦的一些視訊資源。

• Stanford Machine Learning斯坦福的機器學習課程：可以在Coursera上觀看，這門課是由 Andrew Ng講解的。隻要注冊，你可以随時觀看所有的課程視訊，從Stanford CS229 course下載下傳講義和筆記。這門課包括了家庭作業和小測試，課程主要講解了線性代數的知識，使用Octave庫。

• Caltech Learning from Data加 利福尼亞理工學院的資料分析課程：你可以在edX上學習這門課程，課程是由Yaser Abu-Mostafa講解的。所有的課程視訊和資料都在加利福尼亞理工學院的網站上。與斯坦福的課程類似，你可以根據自己的情況安排學習進度，完成家庭 作業和小論文。它與斯坦福的課程主題相似，關注更多的細節和數學知識。對于初學者來說，家庭作業可能稍有難度。

• Machine Learning Category on VideoLectures.Net網 站中的機器學習目錄：這是個很容易令人眼花缭亂的資源庫。你可以找出比較感興趣的資源，并且深入學習。不要糾結于不适合你的視訊，或者對于感興趣的内容你 可以做筆記。我自己會一直重複深入學習一些問題，同時發現新的話題進行學習。此外，在這個網站上你可以發現是這個領域的大師是什麼樣的。

• “Getting In Shape For The Sport Of Data Science” – 由Jeremy Howard講授：這是與機器學習競賽者的對話，他們是一些實踐中的R語言使用者。這是非常珍貴的資源，因為很少有人會讨論研究一個問題的完整過程和究竟怎樣做。我曾經幻想過在網上找到一個TV秀，記錄機器學習競賽的全過程。這就是我開始學習機器學習的經曆！

Overview Papers綜述論文

如果你并不習慣閱讀科研論文，你會發現論文的語言非常晦澀難懂。一篇論文就像是一本教科書的片段，但是論文會介紹一個實驗或者是領域中其他的前沿知識。然而，如果你準備從閱讀論文開始學習機器學習的話，你還是可以找到一些很有意思的文章的。

• The Discipline of Machine Learning機器學習中的規則：這是由Tom Mitchell編著的白皮書，其中定義了機器學習的規則。Mitchell在說服CMU總裁為一個百年内都存在的問題建立一個獨立的機器學習部門時，也用到了這本書中的觀點。

• A Few Useful Things to Know about Machine Learning：這是一篇很好的論文，因為它以詳細的算法為基礎，又提出了一些很重要的問題，比如：選擇特征的一般化，模型簡化等。

我隻是列出了兩篇重要的論文，因為閱讀論文會讓你陷入困境。

Beginner Machine Learning Books給機器學習初學者的書

關于機器學習的書有很多，但是幾乎沒有為初學者量身定做的。什麼樣的人才是初學者呢？最有可能的情況是，你從另外一個完全不同的領域比如：計算機科學、程式設計或者是統計學，來到機器學習領域。那麼，大部分的書籍要求你有一定的線性代數和機率論的基礎。

但是，還有一些書通過講解最少的算法來鼓勵程式員學習機器學習，書中會介紹一些可以使用工具、程式設計函數庫來讓程式員嘗試。其中最有代表性的書是： 《Programming Collective Intelligence》，《Machine Learning for Hackers》，《Hackersand Data Mining: Practical Machine Learning Tools and Techniques》（Python版, R版, 以及Java版）。如果感到迷惑的話，你可以選擇其中一本開始學習。

• Programming Collective Intelligence: Building Smart Web 2.0 Applications：這本書是為程式員寫的。書中簡略介紹相關理論，重點以程式為例，介紹web中的實際問題和解決辦法。你可以買來這本書，閱讀，并且做一些練習。

• Machine Learning for Hackers  （中文版：機器學習:實用案例解析 ）：我建議你在閱讀了《Programming Collective Intelligence》一書之後，再閱讀這本書。這本書中也提供了很多實踐練習，但是涉及更多的資料分析，并且使用R語言。我個人很喜歡這本書！

• Machine Learning: An Algorithmic Perspective：這本書是《Programming Collective Intelligence》的進階版本。它們目的相同（讓程式員開始了解機器學習），但是這本書包括一些數學知識，參考樣例和phython程式片段。如果你有興趣的話，我建議你在看完《Programming Collective Intelligence》之後來閱讀這本書。

• 資料挖掘：實用機器學習工具與技術（英文版·第3版） ： 我自己是從這本書開始了解機器學習的，那時是2000年這本書還是第一版。我那時是Java程式員，這本書和WEKA庫為我的學習和實踐提供了一個很好的 環境。我通過這樣的平台和一些插件，實作我的算法，并且真正開始實踐機器學習和資料挖掘的過程。我強烈推薦這本書，和這樣的學習過程。

• Machine Learning（中文版：計算機科學叢書:機器學習 ）：這是一本很老的書，包括了一些規則和很多參考資料。這是一本教科書，為每個算法提供了相關講解。

有一些人認為那些經典的機器學習教科書很了不起。 我也贊同，那些書的确非常好。但是，我認為，對于初學者來說，這些書可能并不合适。

Further Reading 繼續閱讀

在寫這篇文章時，我認真思考了相關問題，同時也參考了其他人推薦的資料，以確定我沒有遺漏任何重要參考資料。為了確定文章的完整性，下面也列出了一些網上流行的，可以供初學者使用的材料。.

• A List of Data Science and Machine Learning Resources:這是一份仔細整理的清單。你可以花一些時間，點選連結，仔細閱讀作者的建議。值得一讀！

• What are some good resources for learning about machine learning Why：這個問題的第一個答案令人吃驚。每次我閱讀這篇文章的時候，都會做好筆記，并且插入新的書簽。答案中對我最有啟發的部分是機器學習課程清單，以及相應的課程筆記和問答網站。

• Overwhelmed by Machine Learning: is there an ML101 book：這是StackOverflow上的問題。并且提供了一系列機器學習推薦書籍。Jeff Moser提供的第一個答案是很有用的，其中有課程視訊和講座的連結。

你是不是以及讀過或者用過上面的一些資源了呢？你怎麼看這個問題？

我是不是如願為那些對機器學習有興趣的初學者提供了重要、有用的資源呢？請留下你的建議，讓我們分享！

 翻譯： 伯樂線上 - programmer_lin

 譯文連結： http://blog.jobbole.com/56256/

 原文連接配接：http://www.open-open.com/news/view/fab75c

3、Deep Learning（深度學習） 來自：http://blog.csdn.net/augusdi/article/details/20238157

Deep Learning（深度學習）

ufldl的2個教程(這個沒得說，入門絕對的好教程，Ng的，邏輯清晰有練習)：一

ufldl的2個教程(這個沒得說，入門絕對的好教程，Ng的，邏輯清晰有練習)：二

Bengio團隊的deep learning教程，用的theano庫，主要是rbm系列，搞python的可以參考，很不錯。

deeplearning.net首頁，裡面包含的資訊量非常多，有software, reading list, research lab, dataset, demo等，強烈推薦，自己去發現好資料。

Deep learning的toolbox，matlab實作的，對應源碼來學習一些常見的DL模型很有幫助，這個庫我主要是用來學習算法實作過程的。

2013年龍星計劃深度學習教程，鄧力大牛主講，雖然老師準備得不充分，不過還是很有收獲的。

Hinton大牛在coursera上開的神經網絡課程，DL部分有不少，非常贊，沒有廢話，課件每句話都包含了很多資訊，有一定DL基礎後去聽收獲更大。

Larochelle關于DL的課件，邏輯清晰，覆寫面廣,包含了rbm系列，autoencoder系列，sparse coding系列，還有crf，cnn，rnn等。雖然網頁是法文，但是課件是英文。

CMU大學2013年的deep learning課程，有不少reading paper可以參考。

達慕思大學Lorenzo Torresani的2013Deep learning課程reading list.

Deep Learning Methods for Vision(餘凱等在cvpr2012上組織一個workshop，關于DL在視覺上的應用)。

斯坦福Ng團隊成員連結首頁，可以進入團隊成員的首頁，比較熟悉的有Richard Socher, Honglak Lee, Quoc Le等。

多倫多ML團隊成員連結首頁，可以進入團隊成員首頁，包括DL鼻祖hinton，還有Ruslan Salakhutdinov , Alex Krizhevsky等。

蒙特利爾大學機器學習團隊成員連結首頁，包括大牛Bengio，還有Ian Goodfellow 等。

紐約大學的機器學習團隊成員連結首頁，包括大牛Lecun，還有Rob Fergus等。

豆瓣上的腦與deep learning讀書會，有講義和部分視訊，主要介紹了一些于deep learning相關的生物神經網絡。

Large Scale ML的課程，由Lecun和Langford講的，能不推薦麼。

Yann Lecun的2014年Deep Learning課程首頁，強烈推薦。

一些常見的DL code清單，csdn部落客zouxy09的博文，Deep Learning源代碼收集-持續更新…

Deep Learning for NLP (without Magic)，由DL界5大高手之一的Richard Socher小組搞的，他主要是NLP的。

2012 Graduate Summer School: Deep Learning, Feature Learning，高手雲集，深度學習盛宴，幾乎所有的DL大牛都有參加。

matlab下的maxPooling速度優化，調用C++實作的。

2014年ACL機器學習領域主席Kevin Duh的深度學習入門講座視訊。

Machine Learning（機器學習）：

介紹圖模型的一個ppt，非常的贊，ppt作者總結得很給力，裡面還包括了HMM，MEM, CRF等其它圖模型。反正看完挺有收獲的。

機器學習一個視訊教程，youtube上的，翻吧，内容很全面，偏機率統計模型，每一小集隻有幾分鐘。 

龍星計劃2012機器學習，由餘凱和張潼主講。

demonstrate 的 blog :關于PGM(機率圖模型)系列，主要按照Daphne Koller的經典PGM教程介紹的，大家依次google之。

FreeMind的部落格，主要關于機器學習的。

Tom Mitchell大牛的機器學習課程，他的machine learning教科書非常出名。

CS109,Data Science,用python介紹機器學習算法的課程。

Computer Vision（計算機視覺）：

MIT2013年秋季課程：Advances in Computer Vision，有練習題，有些有code.

IPAM一個計算機視覺的短期課程，有不少牛人參加。

OpenCV相關：

http://opencv.org/

2012年7月4日随着opencv2.4.2版本的釋出，opencv更改了其最新的官方網站位址。

http://www.opencvchina.com/

好像12年才有這個論壇的，比較新。裡面有針對《learning opencv》這本書的視訊講解，不過視訊教學還沒出完，正在更新中。對剛入門學習opencv的人來說很不錯。

http://www.opencv.org.cn/forum/

opencv中文論壇，對于初次接觸opencv的學者來說比較不錯，入門資料多，opencv的各種英文文檔也翻譯成中文了。不足是感覺這個論壇上發帖提問很少人回答，也就是說讨論不夠激烈。

http://opencv.jp/

opencv的日文網站，裡面有不少例子代碼，看不懂日文可以用網站自帶的翻譯，能看個大概。

http://code.opencv.org/projects/opencv

opencv版本bug修補，版本更新，以及各種相關大型活動安排,還包含了opencv最近幾個月内的活動路線，即未來将增加的功能等，可以掌握各種關于opencv進展情況的最新進展。

http://tech.groups.yahoo.com/group/OpenCV/

opencv雅虎郵件清單，據說是最好的opencv論壇，資訊更新最新的地方。不過個人認為要查找相關主題的内容，在郵件清單中非常不友善。

http://www.cmlab.csie.ntu.edu.tw/~jsyeh/wiki/doku.php

台灣大學暑假集訓網站，内有連結到與opencv集訓相關的網頁。感覺這種教育形式還蠻不錯的。

http://sourceforge.net/projects/opencvlibrary/

opencv版本釋出地方。

http://code.opencv.org/projects/opencv/wiki/ChangeLog#241    http://opencv.willowgarage.com/wiki/OpenCV%20Change%20Logs

opencv版本内容更改日志網頁,前面那個網頁更新最快。

http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/tutorials.html

opencv中文教程網頁，分幾個子產品講解，有代碼有過程。内容是網友翻譯opencv自帶的doc檔案裡的。

https://netfiles.uiuc.edu/jbhuang1/www/resources/vision/index.html

網友總結的常用帶有cvpr領域常見算法code連結的網址，感覺非常的不錯。

http://fossies.org/dox/OpenCV-2.4.2/

該網站可以檢視opencv中一些函數的變量接口，還會列出函數之間的結構圖。

http://opencv.itseez.com/

opencv的函數、類等查找網頁，有導航，查起來感覺不錯。

優化：

http://submodularity.org/

submodual優化。

數學：

http://www.youku.com/playlist_show/id_19465801.html

《計算機中的數學》系列視訊，8位老師10講内容，生動介紹微積分和線性代數基本概念在計算機學科中的各種有趣應用！

Linux學習資料：

http://itercast.com/library/1

linux入門的基礎視訊教程，對于新手可選擇看第一部分，視訊來源于LinuxCast.net網站，還不錯。

OpenNI+Kinect相關：

http://1.yuhuazou.sinaapp.com/

網友晨宇思遠的部落格，主攻cvpr，ai等。

http://blog.csdn.net/chenli2010/article/details/6887646

kinect和openni學習資料彙總。

http://blog.csdn.net/moc062066/article/category/871261

OpenCV 計算機視覺 kinect的部落格:

http://kheresy.wordpress.com/index_of_openni_and_kinect/comment-page-5/

網友Heresy的部落格，裡面有不少kinect的文章，寫的比較詳細。

http://www.cnkinect.com/

體感遊戲中文網，有不少新的kinect資訊。

http://www.kinectutorial.com/

Kinect體感開發網。

http://code.google.com/p/openni-hand-tracker

openni_hand_tracking google code項目。

http://blog.candescent.ch/

網友的kinect部落格，裡面有很多手勢識别方面的文章介紹，還有源碼，不過貌似是基于c#的。

https://sites.google.com/site/colordepthfusion/

一些關于深度資訊和顔色資訊融合（fusion）的文章。

http://projects.ict.usc.edu/mxr/faast/

kinect新的庫，可以結合OpenNI使用。

https://sites.google.com/a/chalearn.org/gesturechallenge/

kinect手勢識别網站。

http://www.ros.org/wiki/mit-ros-pkg

mit的kinect項目，有code。主要是與手勢識别相關。

http://www.thoughtden.co.uk/blog/2012/08/kinecting-people-our-top-6-kinect-projects/

kinect 2012年度最具創新的6個項目，有視訊，确實夠創新的！

http://www.cnblogs.com/yangyangcv/archive/2011/01/07/1930349.html

kinect多點觸控的一篇博文。

http://sourceforge.net/projects/kinect-mex/

http://www.mathworks.com/matlabcentral/fileexchange/30242-kinect-matlab

有關matlab for kinect的一些接口。

http://news.9ria.com/2012/1212/25609.html

AIR和Kinect的結合，有一些手指跟蹤的code。

http://eeeweba.ntu.edu.sg/computervision/people/home/renzhou/index.htm

研究kinect手勢識别的，任洲。剛畢業不久。

其他網友cvpr領域的連結總結：

http://www.cnblogs.com/kshenf/

網友整理常用牛人連結總結，非常多。不過個人沒有沒有每個網站都去試過。是以本文也是我自己總結自己曾經用過的或體會過的。

OpenGL有關:

http://nehe.gamedev.net/

NeHe的OpenGL教程英文版。

http://www.owlei.com/DancingWind/

NeHe的OpenGL教程對應的中文版，由網友周玮翻譯的。

http://www.qiliang.net/old/nehe_qt/

NeHe的OpengGL對應的Qt版中文教程。

http://blog.csdn.net/qp120291570

網友”左腦設計，右腦程式設計”的Qt_OpenGL部落格,寫得還不錯。

http://guiliblearning.blogspot.com/

這個部落格對opengl的機制有所剖析，貌似要翻牆才能進去。

cvpr綜合網站論壇部落格等：

http://www.cvchina.net/

中國計算機視覺論壇

http://www.cvchina.info/

這個部落格很不錯，每次看完都能讓人興奮，因為有很多關于cv領域的科技新聞，還時不時有視訊顯示。另外這個部落格裡面的資源也整理得相當不錯。中文的。

http://www.bfcat.com/

一位網友的個人計算機視覺部落格，有很多關于計算機視覺前沿的東西介紹，與上面的部落格一樣，看了也能讓人興奮。

http://blog.csdn.net/v_JULY_v/

牛人部落格，主攻資料結構，機器學習資料挖掘算法等。

http://blog.youtueye.com/

該網友上面有一些計算機視覺方向的部落格,部落格中附有一些實驗的測試代碼.

http://blog.sciencenet.cn/u/jingyanwang

多看pami才扯談的部落格，其中有不少pami文章的中文介紹。

http://chentingpc.me/

做網絡和自然語言處理的，有不少機器學習方面的介紹。

ML常用部落格資料等：

http://freemind.pluskid.org/

由 pluskid 所維護的 blog，主要記錄一些機器學習、程式設計以及各種技術和非技術的相關内容，寫得很不錯。

http://datasciencemasters.org/

裡面包含學ML/DM所需要的一些知識連結，且有些給出了視訊教程，網頁資料，電子書，開源code等，推薦！

http://cs.nju.edu.cn/zhouzh/index.htm

周志華首頁，不用介紹了，機器學習大牛，更可貴的是他的很多文章都有源碼公布。

http://www.eecs.berkeley.edu/~jpaisley/Papers.htm

John Paisley的個人首頁，主要研究機器學習領域，有些文章有代碼提供。

http://foreveralbum.yo2.cn/

裡面有一些常見機器學習算法的詳細推導過程。

http://blog.csdn.net/abcjennifer

浙江大學CS碩士在讀，關注計算機視覺，機器學習，算法研究，博弈， 人工智能， 移動網際網路等學科和産業。該部落格中有很多機器學習算法方面的介紹。

http://www.wytk2008.net/

無垠天空的機器學習部落格。

http://www.chalearn.org/index.html

機器學習挑戰賽。

http://licstar.net/

licstar的技術部落格，偏自然語言處理方向。

國内科研團隊和牛人網頁：

http://vision.ia.ac.cn/zh/index_cn.html

中科院自動化所機器視覺課題小組，有相關資料庫、論文、課件等下載下傳。

http://www.cbsr.ia.ac.cn/users/szli/

李子青教授個人首頁，中科院自動化所cvpr領域牛叉人！

http://www4.comp.polyu.edu.hk/~cslzhang/

香港理工大學教授lei zhang個人首頁，也是cvpr領域一大牛人啊，cvpr，iccv各種發表。更重要的是他是以牛叉論文的code全部公開，非常難得！

http://liama.ia.ac.cn/wiki/start

中法資訊、自動化與應用聯合實驗室，裡面很多内容不僅限而cvpr，還有ai領域一些其他的研究。

http://www.cogsci.xmu.edu.cn/cvl/english/

廈門大學特聘教授，cv領域一位牛人。研究方向主要為目标檢測，目标跟蹤，運動估計，三維重建，魯棒統計學，光流計算等。

http://idm.pku.edu.cn/index.aspx

北京大學數字視訊編碼技術國家實驗室。 

http://www.csie.ntu.edu.tw/~cjlin/libsvm/

libsvm項目網址，台灣大學的，很火！

http://www.jdl.ac.cn/user/sgshan/index.htm

山世光，人臉識别研究比較牛。在中國科學院智能資訊處理重點實驗室

國外科研團隊和牛人網頁：

https://netfiles.uiuc.edu/jbhuang1/www/resources/vision/index.html

常見計算機視覺資源整理索引，國外學者整理，全是出名的算法，并且帶有代碼的，這個非常有幫助，其連結都是相關領域很火的代碼。

http://www.cs.cmu.edu/afs/cs/project/cil/ftp/html/txtv-groups.html

國外學者整理的各高校研究所團隊網站

http://research.microsoft.com/en-us/groups/vision/

微軟視覺研究小組，不解釋，大家懂的，牛！

http://lear.inrialpes.fr/index.php

法國國家資訊與自動化研究所，有對應牛人的連結，論文項目網頁連結，且一些code對應連結等。

http://www.cs.ubc.ca/~pcarbo/objrecls/

Learning to recognize objects with little supervision該篇論文的項目網頁，有對應的code下載下傳，另附有詳細說明。

http://www.eecs.berkeley.edu/~lbourdev/poselets/

poselets相關研究界面，關于poselets的第一手資料。

http://www.cse.oulu.fi/CMV/Research

芬蘭奧盧大學計算機科學與工程學院網頁，裡面有很多cv領域相關的研究，比如說人臉，臉部表情，人體行為識别，跟蹤，人機互動等cv基本都涉及有。

http://www.cs.cmu.edu/~cil/vision.html

卡耐基梅隆大學計算機視覺首頁，内容非常多。可惜的是該網站内容隻更新到了2004年。

http://vision.stanford.edu/index.html

斯坦福大學計算機視覺首頁，裡面有非常非常多的牛人，比如說大家熟悉的lifeifei.

http://www.wavelet.org/index.php

關于wavelet研究的網頁。

http://civs.ucla.edu/

加州大學洛杉矶分校統計學院，關于統計學習方面各種資料，且有相應的網上公開課。

http://www.cs.cmu.edu/~efros/

卡耐基梅隆大學Alexei(Alyosha)Efros教授個人網站，計算機圖形學高手。

http://web.mit.edu/torralba/www//

mit牛人Associate教授個人網址，主要研究計算機視覺人體視覺感覺，目辨別别和場景了解等。

http://people.csail.mit.edu/billf/

mit牛人William T. Freeman教授，主要研究計算機視覺和圖像學

http://www.research.ibm.com/peoplevision/

IBM人體視覺研究中心，裡面除了有其研究小組的最新成果外，還有很多測試資料(特别是視訊）供下載下傳。

http://www.vlfeat.org/

vlfeat首頁，vlfeat也是一個開源組織，主要定位在一些最流行的視覺算法開源上，Ｃ編寫，其很多算法效果比opencv要好,不過數量不全，但是非常有用。

http://www.robots.ox.ac.uk/~az/

Andrew Zisserman的個人首頁，這人大家應該熟悉，《計算機視覺中的多視幾何》這本神書的作者之一。

http://www.cs.utexas.edu/~grauman/

KristenGrauman教授的個人首頁，是個大美女，且是2011年“馬爾獎”獲得者，”馬爾獎“大家都懂的，計算機視覺領域的最高獎項，目前無一個國内學者獲得過。她的主要研究方法是視覺識别。

http://groups.csail.mit.edu/vision/welcome/

mit視覺實驗室首頁。

http://code.google.com/p/sixthsense/

曾經在網絡上非常出名一個視訊，一個作者研究的第六感裝置，現在這個就是其開源的首頁。

http://vision.ucsd.edu/~pdollar/research.html#BehaviorRecognitionAnimalBehavior

Piotr Dollar的個人主要，主要研究方向是人體行為識别。

http://www.mmp.rwth-aachen.de/

移動多媒體處理，将移動裝置，計算機圖像學，視覺，圖像處理等結合的領域。

http://www.di.ens.fr/~laptev/index.html

Ivan Laptev牛人首頁，主要研究人體行為識别。有很多資料庫可以下載下傳。

http://blogs.oregonstate.edu/hess/

Rob Hess的個人主要，裡面有源碼下載下傳，比如說粒子濾波，他寫的粒子濾波在網上很火。

http://morethantechnical.googlecode.com/svn/trunk/

cvpr領域一些小型的開源代碼。

http://iica.de/pd/index.py

做行人檢測的一個團隊，内部有一些行人檢測的代碼下載下傳。

http://www.cs.utexas.edu/~grauman/research/pubs.html

UT-Austin計算機視覺小組，包含的視覺研究方向比較廣，且有的文章有源碼，你隻需要填一個郵箱位址，系統會自動發跟源碼相關的資訊過來。

http://www.robots.ox.ac.uk/~vgg/index.html

visual geometry group

圖像:

http://blog.sina.com.cn/s/blog_4cccd8d301012pw5.html

互動式圖像分割代碼。

http://vision.csd.uwo.ca/code/

graphcut優化代碼。

語音：

http://danielpovey.com/kaldi-lectures.html

語音進行中的kaldi學習。

算法分析與設計（計算機領域的基礎算法）：

http://www.51nod.com/focus.html

該網站主要是讨論一些算法題。裡面的李陶冶是個大牛，回答了很多算法題。

一些綜合topic清單：

http://www.cs.cornell.edu/courses/CS7670/2011fa/

計算機視覺中的些topic（Special Topics in Computer Vision），截止到2011年為止，其引用的文章都是非常頂級的topic。

書籍相關網頁：

http://www.imageprocessingplace.com/index.htm

岡薩雷斯的《數字圖像處理》一書網站，包含課程材料，matlab圖像處理工具包，課件ppt等相關素材。

Consumer Depth Cameras for Computer Vision

很優秀的一本書，不過很貴，買不起啊！做深度資訊的使用這本書還不錯，google圖中可以預覽一部分。

Making.Things.See

針對Kinect寫的，主要關注深度資訊，較為基礎。書籍中有不少例子，貌似是Java寫的。

國内一些AI相關的研讨會：

http://www.iipl.fudan.edu.cn/MLA13/index.htm

中國機器學習及應用研讨會(這個是2013年的)

期刊會議論文下載下傳：

http://cvpapers.com/

幾個頂級會議論文公開下載下傳界面，比如說ICCV,CVPR,ECCV,ACCV,ICPR,SIGGRAPH等。

http://www.cvpr2012.org/

cvpr2012的官方位址，裡面有各種資料和資訊，其他年份的位址類似推理更改即可。

http://www.sciencedirect.com/science/journal/02628856

ICV期刊下載下傳

http://www.computer.org/portal/web/tpami

TPAMI期刊，AI領域中可以算得上是最頂級的期刊了，裡面有不少cvpr方面的内容。

http://www.springerlink.com/content/100272/

IJCV的網址。

http://books.nips.cc/

NIPS官網，有論文下載下傳清單。

http://graphlab.org/lsrs2013/program/

LSRS （會議）位址，大規模推薦系統，其它年份依次類推。

會議期刊相關資訊：

http://conferences.visionbib.com/Iris-Conferences.html

該網頁列出了圖像處理，計算機視覺領域相關幾乎所有比較出名的會議時間表。

http://conferences.visionbib.com/Browse-conf.php

上面網頁的一個子網頁，列出了最近的CV領域送出paper的deadline。

cvpr相關資料庫下載下傳：

http://research.microsoft.com/en-us/um/people/jckrumm/WallFlower/TestImages.htm

微軟研究院牛人Wallflower Paper的論文中用到的目标檢測等測試圖檔

http://archive.ics.uci.edu/ml/

UCI資料庫清單下載下傳，最常用的機器學習資料庫清單。

http://www.cs.rochester.edu/~rmessing/uradl/

人體行為識别通過關鍵點的跟蹤視訊資料庫，Rochester university的

http://www.research.ibm.com/peoplevision/performanceevaluation.html

IBM人體視覺研究中心，有視訊監控等非常多的測試視訊。

http://www.cvpapers.com/datasets.html

該網站上列出了常見的cvpr研究的資料庫。

http://www.cs.washington.edu/rgbd-dataset/index.html

RGB-D Object Dataset.做目辨別别的。

AI相關娛樂網頁：

http://en.akinator.com/

該網站很好玩，可以測試你心裡想出的一個人名(當然前提是這個人必須有一定的知名度)，然後該網站會提出一系列的問題，你可以選擇yes or no,or I don’t know等等，最後系統會顯示你心中所想的那個人。

http://www.doggelganger.co.nz/

人與狗的比對遊戲，攝像頭采集人臉，呵呵…

Android相關：

https://code.google.com/p/android-ui-utils/

該網站上有一些android圖示,菜單等跟界面有關的設計工具,可以用來做一些簡單的UI設計.

工具和code下載下傳：

http://lear.inrialpes.fr/people/dorko/downloads.html

6種常見的圖像特征點檢測子，linux下環境運作。不過隻提供了二進制檔案，不提供源碼。

http://www.cs.ubc.ca/~pcarbo/objrecls/index.html#code

ssmcmc的matlab代碼,是Learning to recognize objects with little supervision這一系列文章用的源碼，屬于目辨別别方面的研究。

http://www.robots.ox.ac.uk/~timork/

仿射無關尺度特征點檢測算子源碼，還有些其它算子的源碼或二進制檔案。

http://www.vision.ee.ethz.ch/~bleibe/code/ism.html

隐式形狀模型(ISM)項目首頁，作者Bastian Leibe提供了linux下運作的二進制檔案。

http://www.di.ens.fr/~laptev/download.html#stip

Ivan Laptev牛人首頁中的STIP特征點檢測code，但是也隻是有二進制檔案，無源碼。該特征點在行為識别中該特征點非常有名。

http://ai.stanford.edu/~quocle/

斯坦福大學Quoc V.Le首頁，上有它2011年行為識别文章的代碼。

開源軟體：

http://mloss.org/software/

一些ML開源軟體在這裡基本都可以搜到，有上百個。

https://github.com/myui/hivemall

Scalable machine learning library for Hive/Hadoop.

http://scikit-learn.org/stable/

基于Python的機器學習開源軟體，文檔寫得不錯。

挑戰賽：

http://www.chioka.in/kaggle-competition-solutions/

kaggle一些挑戰賽的code. 

公開課：

網易公開課，國内做得很不錯的公開課，翻譯了一些國外出名的公開課教程，與國外公開課平台coursera有合作。

coursera線上教育網上公開課，很新，有個郵箱注冊即可學習，有不少課程，且有對應的練習，特别是程式設計練習，超贊。

斯坦福網上公開課連結，有統計學習，凸優化等課程。

udacity公開課程下載下傳連結，其實速度還可以。裡面有不少好教程。

機器學習公開課的連接配接，有不少課。

整理來自：時間的詩

</div>
            </div>