• mlhub123
  • 导航
    • 新闻资讯
    • 工具服务
    • 社区交流
    • 优质博文
    • 资源检索
    • 比赛实践
  • 资源
    • 课程学习
    • 资源收集
    • 开源书籍
    • 实战项目
    • 方法论
  • 文档
    • Python
    • C & C++

mlhub123

机器学习网站导航及资源汇总，欢迎提交 Pull Request（PR）贡献资源：

• 网站：https://www.mlhub123.com/
• 加入微信群交流：备注“mlhub”入群 - mlhub
• Telegram群组：欢迎加入，资源丰富~

导航

新闻资讯

• Analytics Vidhya: 面向数据科学专业人士的社区知识门户
• Distill: 展示机器学习前沿研究的文章平台
• Google News: Google 机器学习新闻频道
• kdnuggets: 聚焦机器学习、数据科学、大数据、分析与人工智能
• MIT News: MIT 机器学习相关新闻
• 机器之心: 全球人工智能信息服务媒体
• 雷锋网: 解读智能科技，洞见未来趋势
• 数据分析网: 数据分析领域领先的学习交流平台
• 知乎主题: 知乎热门机器学习话题
• 专知: AI 知识分发服务平台
• aminer: 科技资讯聚合平台

工具服务

• chatgpt: OpenAI 开发的人工智能聊天机器人程序
• codeocean: 支持可复现性（reproducibility）的代码共享平台
• colab: 提供免费 GPU 的在线 Jupyter Notebook 平台
• ECharts: 基于 JavaScript 的开源数据可视化库
• excalidraw: 手绘风格的在线绘图工具
• drawio: 开源免费的图表绘制工具
• Khroma: 利用人工智能生成配色方案的网站

社区交流

• AIQ: 机器学习与大数据技术社区
• DataTau: 人工智能领域的 Hacker News
• MathOverflow: 数学专业问答社区
• Medium: 涵盖人工智能、机器学习和深度学习的开放写作平台
• PaperWeekly: 推荐、解读与讨论人工智能前沿论文的学术平台
• Quora: Quora 机器学习主题页
• Reddit: Reddit 机器学习板块
• ShortScience: 用简短篇幅概括科学论文核心内容
• Twitter: Twitter 上的机器学习论文动态

优质博文

• Google AI Blog: 谷歌人工智能官方博客
• handong1587: 深度学习各方向资源汇总，涵盖顶级会议与期刊
• Machine Learning Mastery: 帮助开发者掌握机器学习并解决实际问题
• paralleldots：提供即用型一流 AI 解决方案的博客
• tornadomeet的博客: 内容详尽的机器学习与深度学习学习笔记
• wildml：聚焦人工智能、深度学习与自然语言处理（NLP）
• 爱可可-爱生活: 知名互联网与AI资讯博主
• 超智能体: 分享通俗易懂的深度学习教程
• 人工智能笔记: 从入门到“AI统治世界”的人工智能学习笔记

资源检索

• arXiv: 由康奈尔大学运营的学术预印本发布平台
• Arxiv Sanity: 论文推荐与检索工具
• bifrost: 提供人物、自动驾驶、零售、无人机等六大类数据集检索
• connected papers: 以可视化方式发现与浏览相关论文
• Hugging Face: “机器学习界的 GitHub”，提供预训练模型与数据集等资源
• iData: 学术知识检索平台
• lexica: 超过 1000 万张 Stable Diffusion 生成图像及对应提示词（Prompts）
• NLP Index: 实用的自然语言处理（NLP）索引工具
• Papers with Code: 将学术论文与其开源代码实现关联
• phind: 面向开发者的 AI 搜索引擎
• SCI-HUB: 获取学术论文的必备工具
• Semantic Scholar: 致力于缓解信息过载的学术文献搜索引擎

比赛实践

• DataCastle: 中国领先的数据科学竞赛平台
• DataFountain: CCF 指定的大数据竞赛平台
• Kaggle: 全球知名的数据科学与机器学习竞赛平台
• KDD-CUP: 国际知识发现与数据挖掘竞赛
• 赛氪网: 以高校竞赛为主、活动与社区为辅的大学生竞赛平台
• 天池大数据: 阿里巴巴旗下大数据竞赛、解决方案与数据科学家社区平台，涵盖人工智能与机器学习

资源

请直接输出翻译后的中文 README，不要加任何前缀说明。

课程学习

• data-science-complete-tutorial：数据科学完整入门指南
• David Silver：David Silver 深度强化学习（Deep Reinforcement Learning）课程
• fast.ai：让神经网络再次“不酷”
• hanbt：零基础入门深度学习，深入浅出，非常优秀的入门教程
• Juicy Big Data：Datawhale 大数据处理导论教程
• liuyubobobo：Python3 入门机器学习
• Metacademy：检索知识点并绘制通向该知识点的知识图谱
• MLEveryday：每日机器学习（machine learning everyday）
• Siraj Raval：时序预测：Kaggle 免费课程：时序预测
• Two Minute Papers：YouTube | 用最简短语言概览最新热门论文
• YSDA nlp_course：YSDA 自然语言处理（Natural Language Processing）课程
• 3Blue1Brown：YouTube | 数学基础频道
• 3Blue1Brown 中文：Bilibili | 数学基础频道
• 谷歌：机器学习速成课程：Google 制作的节奏紧凑、内容实用的机器学习简介课程
• 李宏毅：李宏毅深度学习课程
• 林轩田：机器学习技法
• 邱锡鹏（复旦大学）：神经网络与深度学习
• 人工智能公开课合集：人工智能国内外顶尖公开课系列
• 吴恩达：机器学习课程
• 吴恩达：深度学习课程
• 徐亦达：徐亦达老师机器学习课程
• 张子豪（同济）：同济子豪兄的公开课：机器学习 + 计算机视觉 + 论文精读

资源收集

• 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
• awesome-public-datasets：各领域公开数据集下载
• Coursera-ML-AndrewNg-Notes：吴恩达老师的机器学习课程个人笔记
• daily-paper-computer-vision：记录每天整理的计算机视觉 / 深度学习 / 机器学习相关方向的论文
• DeepLearning-500-questions：深度学习500问
• deeplearning_ai_books：吴恩达老师的深度学习课程笔记及资源
• Deep-Learning-Papers-Reading-Roadmap：深度学习论文阅读路线图
• funNLP：中文语料库资源收集项目
• FunRec：推荐算法基础 + 实战 + 面经
• Getting Started in Computer Vision Research：计算机视觉研究入门全指南
• lihang_book_algorithm：《统计学习方法》算法 Python 实现
• Machine Learning、Deep Learning：ML & DL 资料
• MachineLearning_Python：机器学习算法 Python 实现
• Machine_Learning_Study_Path：机器学习过程中所看的书、视频和源码
• ml_cheatsheet：机器学习算法速查手册
• ml_tutorials：机器学习相关教程
• NLP-progress：跟踪自然语言处理（NLP）各项技术的 state-of-the-art 进展
• paper-qa：用 GPT-3 来解读论文的开源项目
• paper-reading：深度学习经典、新论文逐段精读
• papers-we-love：阅读、讨论和学习计算机科学学术论文的社区
• 100-Days-Of-ML-Code 英文版：由 Siraj Raval 提议的 100 天机器学习编码挑战
• 100-Days-Of-ML-Code 中文版：100-Days-Of-ML-Code 中文版
• 系统学习机器学习：系统学习机器学习
• 周志华 - 机器学习：周志华《机器学习》笔记

开源书籍

• AiLearning：AiLearning：数据分析 + 机器学习实战 + 线性代数 + PyTorch + NLTK + TF2
• deeplearningbook-chinese：深度学习中文版
• 动手学深度学习：《动手学深度学习》：面向中文读者、能运行、可讨论。中英文版被 60 多个国家的 400 多所大学用于教学。
• deep_learning_cookbook：深度学习手册
• hands_on_Ml_with_Sklearn_and_TF：Sklearn 与 TensorFlow 机器学习实用指南
• Interpretable Machine Learning：一份指南，教你如何构建具有可解释性的黑盒模型
• Neural Networks and Deep Learning：深度学习开源书籍
• Neural Networks and Deep Learning：深度学习开源书籍 - 中文版
• PythonDataScienceHandbook：Python 数据科学手册
• TensorFlow-Course：简单易学的 TensorFlow 教程
• 简单粗暴 TensorFlow 2：一本简明的 TensorFlow 2 入门指导手册

实战项目

• face_recognition：世界上最简单的人脸识别库
• style2paints：线稿自动上色

方法论

• face_recognition：学习观
• tuning_playbook：聚焦超参数调整的深度学习调优手册

文档

Python

• Caffe：一个基于表达式、速度和模块化原则构建的深度学习框架（Deep Learning Framework）
• Caffe2：Caffe2 官方文档
• Chainer：基于 Python 的独立深度学习模型开源框架
• CNTK：CNTK（微软认知工具包，Cognitive Toolkit）官方文档
• Gensim：包含可扩展的统计语义分析功能，用于分析纯文本文档的语义结构，并检索语义相似的文档
• Keras：Keras 官方文档
• Matplotlib：Matplotlib 官方文档
• MXNet：MXNet 官方文档
• NumPy：NumPy 官方文档
• pandas：pandas 官方文档
• PyBrain：一个模块化的 Python 机器学习库
• PyTorch：PyTorch 官方文档
• Seaborn：统计数据可视化（statistical data visualization）
• scikit-learn：scikit-learn 官方文档
• Statsmodels：用于探索数据、估计统计模型并执行统计检验
• TensorFlow：TensorFlow（TF）官方文档
• Theano：允许高效地定义、优化和评估涉及多维数组的数学表达式
• openai：强化学习（Reinforcement Learning）

C & C++

• dlib：实用的机器学习与数据分析工具包

# mlhub123 快速上手指南

## 环境准备

- **系统要求**：无需本地安装，纯网页导航工具，支持主流浏览器（Chrome / Edge / Firefox）
- **网络建议**：部分国外资源访问较慢，推荐使用国内镜像或加速服务（如阿里云、腾讯云开发者工具链）
- **前置依赖**：无。若需运行部分 Colab / Kaggle 示例代码，建议注册 Google 账号或国内平台账号（如阿里云天池）

## 安装步骤

本工具为在线导航网站，**无需安装**，直接访问即可：

```bash
# 打开浏览器访问官方站点
https://www.mlhub123.com/

💡 国内用户若访问缓慢，可尝试：

• 使用 Gitee 镜像页 查看资源列表
• 加入微信群（备注“mlhub”）获取最新国内可用链接与资源加速方案

基本使用

1. 浏览分类资源

打开网站后，按顶部导航栏快速跳转：

• 📰 新闻资讯：跟踪 AI 行业动态（如机器之心、雷锋网）
• 🛠️ 工具服务：免费 GPU（Colab）、绘图工具（draw.io）、AI 搜索（phind）
• 🧑‍💻 社区交流：Reddit ML 板块、知乎热门话题、PaperWeekly 学术讨论
• 📚 课程学习：吴恩达、李宏毅、fast.ai 等中英文课程直达链接
• 🏆 比赛实践：Kaggle、天池、DataFountain 竞赛入口

2. 快速检索论文/数据集

推荐组合使用以下资源：

# 论文发现 → connectedpapers.com
# 代码实现 → paperswithcode.com
# 数据集下载 → bifrost.ai 或 Hugging Face
# 免费阅读 → sci-hub.ru（谨慎合规使用）

3. 实战入门推荐路径

新手建议顺序：

1. 学习 → 谷歌机器学习速成课
2. 动手 → 在 Colab 运行《动手学深度学习》示例
3. 练兵 → 参加 Kaggle 入门赛 或 天池新手赛
4. 交流 → 加入 Telegram 或微信群，提问+分享经验

✅ 小贴士：收藏网站 + 订阅“优质博文”栏目（如 wildml、超智能体），持续积累前沿认知。