還記得下面這張腦圖嗎？上周我們?yōu)榇蠹艺砹?AI 中 4 個重要方面的學(xué)習(xí)資源（點擊查看），受到了大家的很多好評，感謝大家的支持。其實在學(xué)習(xí)過程中搜集學(xué)習(xí)資料是一件經(jīng)常會做的事，但也是一件非常費時費力的事情，所以 AI科技大本營的各位編輯們?nèi)粘＞蜁貏e關(guān)注留意一些不錯的學(xué)習(xí)資源，分享給需要的同學(xué)們。我們將這些資料進行歸納整理，用一目了然的方式呈現(xiàn)給大家，希望有助于大家的檢索利用。

其實上周推薦的內(nèi)容中并不涉及論文和書籍，因為對于剛開始學(xué)習(xí) AI 的同學(xué)們來說，一上來就讀論文對學(xué)習(xí)基礎(chǔ)內(nèi)容并不是好的選擇，所以上次給大家的內(nèi)容更多的是好的公開學(xué)習(xí)課程或者一些博主的經(jīng)驗和心得，也許有些文章里面的方法和觀點可以給大家不同的啟迪。

本期內(nèi)容為大家推薦的是 DL 方面的學(xué)習(xí)內(nèi)容，而這次將會有很多的論文?，F(xiàn)在 DL 是 ML 領(lǐng)域最流行火熱的方法了，想深入學(xué)習(xí)這些 模型最好的方法就是讀論文。無論是經(jīng)典的、流行的還是最新的，作為一個需要 DL 的研究者都是需要學(xué)習(xí)的。雖然我們無法列出所有的論文，但是我們推薦都是在每個方向都應(yīng)該研讀的。而且我們還把這次的內(nèi)容和上次做了一些結(jié)合，這樣每次收藏整理和學(xué)習(xí)的知識都可以相關(guān)聯(lián)，提高學(xué)習(xí)效益。

下面從下圖開始正式介紹這次的內(nèi)容。

這次最主要的內(nèi)容就是和 DL 相關(guān)的論文清單了。其次第二部分是數(shù)據(jù)集，為大家整理出這些數(shù)據(jù)集就是希望大家在實踐時知道有哪些公開的好的數(shù)據(jù)集可以直接使用。也為我們后續(xù)的內(nèi)容做一個伏筆。

本次重點內(nèi)容有：

論文

▌與模型（Model）相關(guān)論文：22 篇

▌一些重要&核心論文：17 篇

▌應(yīng)用類型論文：38 篇

數(shù)據(jù)集

▌Images（圖像類數(shù)據(jù)集）

▌Text and Natural Language Processing（文本&自然語言處理）

學(xué)習(xí)課程+書籍+博客+教程

▌四部分匯總

精彩預(yù)告

DL 相關(guān)的內(nèi)容只看論文和教程的話還是遠遠不夠的，必須要親自上陣寫代碼，所以，下一次我們會給大家特別介紹關(guān)于 DL 領(lǐng)域的一些實踐案例，而這些實踐很多都是用到了上面提到的部分數(shù)據(jù)集，這也是剛剛說的埋下的伏筆，敬請期待。

更多鏈接與詳情可訪問原文：

https://github.com/astorfi/Deep-Learning-World#image

來源：AI科技大本營，Jane