一目了然的方式呈现深度学习资源

还记得下面这张脑图吗？上周我们为大家整理了 AI 中 4 个重要方面的学习资源（点击查看），受到了大家的很多好评，感谢大家的支持。其实在学习过程中搜集学习资料是一件经常会做的事，但也是一件非常费时费力的事情，所以 AI科技大本营的各位编辑们日常就会特别关注留意一些不错的学习资源，分享给需要的同学们。我们将这些资料进行归纳整理，用一目了然的方式呈现给大家，希望有助于大家的检索利用。

其实上周推荐的内容中并不涉及论文和书籍，因为对于刚开始学习 AI 的同学们来说，一上来就读论文对学习基础内容并不是好的选择，所以上次给大家的内容更多的是好的公开学习课程或者一些博主的经验和心得，也许有些文章里面的方法和观点可以给大家不同的启迪。

本期内容为大家推荐的是 DL 方面的学习内容，而这次将会有很多的论文。现在 DL 是 ML 领域最流行火热的方法了，想深入学习这些 模型最好的方法就是读论文。无论是经典的、流行的还是最新的，作为一个需要 DL 的研究者都是需要学习的。虽然我们无法列出所有的论文，但是我们推荐都是在每个方向都应该研读的。而且我们还把这次的内容和上次做了一些结合，这样每次收藏整理和学习的知识都可以相关联，提高学习效益。

下面从下图开始正式介绍这次的内容。

这次最主要的内容就是和 DL 相关的论文清单了。其次第二部分是数据集，为大家整理出这些数据集就是希望大家在实践时知道有哪些公开的好的数据集可以直接使用。也为我们后续的内容做一个伏笔。

本次重点内容有：

论文

▌与模型（Model）相关论文：22 篇

▌一些重要&核心论文：17 篇

▌应用类型论文：38 篇

数据集

▌Images（图像类数据集）

▌Text and Natural Language Processing（文本&自然语言处理）

学习课程+书籍+博客+教程

▌四部分汇总

精彩预告

DL 相关的内容只看论文和教程的话还是远远不够的，必须要亲自上阵写代码，所以，下一次我们会给大家特别介绍关于 DL 领域的一些实践案例，而这些实践很多都是用到了上面提到的部分数据集，这也是刚刚说的埋下的伏笔，敬请期待。