深度学习

在本文中，我将帮助你节省一些时间，方法是将2019年迄今为止发表的研究成果整理成以下可管理的短列表。我做了一些过滤，这样就只包括具有相关GitHub repo的论文了。

如果你是深度学习领域的新人，你的第一个问题可能是“我该从哪些论文开始读起呢？”这就是深度学习论文的阅读路线图！

用一个完整的例子告诉你，推荐系统是什么样的一个东西，深度学习该怎么用在里面。

当你上完了在线课程看完了书之后，怎么继续你的深度学习的学习之路呢？

这么方便的学习资源，还等什么呢？

有没有更好的方法来决定学习率？

大数据日报（20190911）：麦当劳收购AI公司，谷歌发布新研究“模块化深度学习的递归草图”。

简单和复杂的技巧，帮助你提升深度学习的模型准确率

不是所有的数据都是完美的

关于数据科学，告诉你三个书上没有的东西

一个深度学习专家无法与人工智能专家划上等号。

和人类不同，AI物体识别靠的是小的细节，而不是图像的边界，但是总是有办法来弥补这个差别的！

预训练模型用起来非常容易，但是你是否忽略了可能影响模型性能的细节呢。

与人工智能相关的同类犯罪已经造成了第一个受害者，这一事实应该引起关注。

很多人问我如何开始机器学习和深度学习。在这里，我整理了一个我使用过的资源列表，以及我第一次学习深度学习时所走过的路。