机器之心整理
编辑：蛋酱让我康康，是谁让这些精华教程一直在收藏夹里吃灰。这是机器之心第5次盘点年度教程合集了，如果不是再三确认，我们大概都不敢相信，一整年就这么过去了。去年「收藏+退出」手速飞快的读者们，今年学到哪儿了？如果生发太难，那就努力成为学霸~年度的教程合集分为「入门」、「课程教材」、「工具」、「语言」、「精选项目」、「人生经验」等版块，在文章的最后，我们还列出了往年教程合集，喜欢温故知新的同学们可以继续学，因为学习是没有止境的：收藏、退出一气呵成，年机器之心干货教程都在这里了
：新年大礼包：机器之心高分教程合集
：灵*追问
教程那么多，你……看完了吗？
：人工智能从入门到进阶，机器之心高分技术文章全集
人工智能这十年当年已经成为往事，我们发现，人工智能在过去的十年里如此深刻地改变了世界。站在交界点，下一个十年，人工智能将走向何方？时间会给我们答案。清华张钹院士专刊文章：迈向第三代人工智能（全文收录）
人工智能十年回顾：CNN、AlphaGo、GAN……它们曾这样改变世界
人工智能怎么教？清华张钹院士刚刚给我们讲了一堂课
人工智能和自然智能能否交汇？李飞飞对话斯坦福神经生物学教授BillNewsome
吴恩达演讲直指AI落地三大挑战，并提出解决方案
吴恩达灵*发问：AI社区最亟待解决的问题是什么？
吴恩达、李飞飞、沈向洋：年的人工智能会是这个样子
神经符号系统、因果推理、跨学科交互，李飞飞、JudeaPearl等16名学者共同探讨AI未来
入门必备在人工智能随处可及的今天，入门还来得及吗？嗯，问题不大。首先，你需要充分理解一些领域内的常见概念：为非专业人员量身打造，斯坦福教授ChristopherManning一页纸定义AI核心概念
想入门图深度学习？这篇55页的教程帮你理清楚了脉络
史上最全GAN综述版：算法、理论及应用
图解机器学习：人人都能懂的算法原理
如果你准备深入研究某一主题，先看看这些综述类宝藏资料吧！其中很多都来自世界各地的机器之心分析师们，精彩原创内容的背后，是他们字斟句酌的日日夜夜：从word2vec开始，说下GPT庞大的家族系谱
NLP小白入门篇：莫愁前路，一文读懂语料预处理
从基础量子位到当下火热的量子计算机，一文助你入门量子计算
热门的模型跨界，Transformer、GPT做CV任务一文大盘点
模型跨界成潮流？OpenAI用GPT-2做图像分类，实现SOTA性能
三辩三驳：这篇论文告诉你传统优化分析与现代DL有哪些不匹配
AlphaGo原来是这样运行的，一文详解多智能体强化学习的基础和应用
没有完整图时，如何使用图深度学习？你需要了解流形学习2.0版本
从Bengio演讲发散开来：探讨逻辑推理与机器学习
什么是近似算法？它适用于哪些问题？这篇文章给你答案
结构化数据，最熟悉的陌生人
学习Hinton老爷子的胶囊网络，这有一篇历史回顾与深度解读
不要小看树模型
相关性≠因果性，用图的方式打开因果关系
三篇论文，纵览深度学习在表格识别中的最新应用
微分方程VS机器学习，实例讲解二者异同
图解NumPy：常用函数的内在机制
如何解决稀疏奖励下的强化学习？
自动微分到底是什么？这里有一份自我简述
入坑图像分割，我该从哪儿入手？
看GAN如何一步步控制图像生成风格？详解StyleGAN进化过程
万字长文综述：给你的数据加上杠杆——文本增强技术的研究进展及应用实践
哈希算法、爱因斯坦求和约定，这是年的注意力机制
模块化、反事实推理、特征分离，「因果表示学习」的最新研究都在讲什么？
机器学习第一步，这是一篇手把手的随机森林入门实战
从α到μ：DeepMind棋盘游戏AI进化史
相信你的模型：初探机器学习可解释性研究进展
直观、形象、动态，一文了解无处不在的标准差
神经正切核，深度学习理论研究的最新热点？
如何构建识别图像中字符的自动程序？一文解读OCR与HTR
想了解风头正劲的联邦学习？这篇包含多个参考文献的综述论文满足你
在推荐系统中，我还有隐私吗？联邦学习：你可以有
联邦学习OR迁移学习？No，我们需要联邦迁移学习
7篇ICLR论文，遍览联邦学习最新研究进展
模型攻击：鲁棒性联邦学习研究的最新进展
Science：AI领域那么多引人注目的「进展」，竟是无用功
速度数十倍之差，有人断言KNN面临淘汰，不断更强的ANN将取而代之
年的第一盆冷水：有人说别太把图神经网络当回事儿
纯贝叶斯神经网络没有意义？OpenAI科学家何出此言？
深度度量学习的这十三年，难道是错付了吗？
可以走别人走过的路，但不要踩别人踩过的「坑」：算法工程师福利：超实用技术路线图
微积分、线性代数、概率论，这里有份超详细的ML数学路线图
GitHub霸榜项目：30万字图解算法题典，超全实用资源，狂揽星
「走过」微软、优步，老工程师告诉你哪些数据结构和算法最重要
研究idea不work，可能不是它不好，而是硬件没跟上
机器学习论文复现，这五大问题你需要注意
机器学习模型部署都有哪些坑？剑桥研究者梳理了99篇相关研究
你的生产型ML复现不了，可能是工作流程出了问题
不要上手就学深度学习！超详细的人工智能专家路线图，GitHub数天获2.1k星
哪些电脑最适合做机器学习、数据科学和深度学习呢？这里有份调研报告
PapersWithCode发布代码完整性自查清单：想获得更多星，你需要注意这五项
数据缺失、混乱、重复怎么办？最全数据清洗指南让你所向披靡
老码农的「锦囊」：10个编程技巧、5个纠错步骤，让你的编程之路少点坎坷
如何成为更好的软件架构师？这篇3.8Kstar的文章值得一看
什么是数学之美？就是思考的时候忘记时间的流逝，解答或证明后无与伦比的快乐。搞AI离不开数学，就在这些精选内容里，领略数学之美吧：如何入门线性代数？这里有一份Python线性代数讲义
诞生年后，这个看似简单的数学问题终求得闭式解
用简单术语让你看到贝叶斯优化之美
受折纸游戏启发，柏拉图立体的数学难题，被这三位数学家解决了
陶哲轩之后，有人在这个猜想的证明之路上又前进了一步
入数据科学大坑，我需要什么样的数学水平？
一周时间解决数学界「康威扭结」难题，这个数学博士小姐姐太强悍
优化背后的数学基础
看得懂的数学之美：从青年欧拉对巴塞尔问题的解法说起
如何在黎曼流形上避开鞍点？本文带你了解优化背后的数学知识
不用计算器怎么开平方？徒手也可以
破洞牛仔裤中的几何学：简单理解万有覆叠问题
21岁MIT本科生推动数学重要问题新进展，曾获阿里数学竞赛奖
页哈佛数学系本科论文，带你了解流形学习的数学基础
优质课程教材众所周知，「机器之心」是一个用来学习的机器之心报道
机器之心编辑部UC伯克利大学计算机科学博士胡戎航（RonghangHu）的博士论文新鲜出炉，内容涉及视觉与语言推理的结构化模型。
视觉-语言任务（如基于图像回答问题或按照自然语言指令在视觉环境中导航）需要对图像和文本两种模态的数据进行联合建模和推理。视觉和语言联合推理方面已经取得了很大进步，但通常使用的是在更大的数据集和更多计算资源帮助下训练的神经方法。视觉-语言任务的解决是否只是堆参数堆数据那么简单？如果不是，如何构建更好的推理模型，既能提高数据效率又具备不错的泛化性能呢？UC伯克利胡戎航的博士论文就是关于这个主题：论文链接：