现在大家平时会遇到很多不错的机器学习资源，但是大多数情况下，资源比较分散，不方便集中管理和查阅。更重要的是往往很难找到一个系统完整的资源导航，形成系统的学习路线，方便搜索。 重磅！今天小编在网上“闲逛”的时候发现了一个超级棒的机器学习优质资源分类导航。至少节约大家 50% 的时间。 下面详细给大家介绍一下！
首先，放上这个机器学习优质资源分类导航的网站： https://madewithml.com/topics/
该网站整理收集了机器学习最佳的资源，并持续更新中。如果你正在寻找当前的热门内容，请查看主页。如果你在没有看到想要的主题，你可以使用顶部的搜索栏来搜索它。
该网站总共收集了 10 大主题内容，分别是：
- 框架
- 算法
- 自然语言处理
- 机器视觉
- 综合
- 概念
- 数据、模型和训练
- 全栈
- 工业
- 收藏
下面，分别来看一下！
1. 框架
这部分主要收集了一些编程用的框架，例如最常见的 Python、Numpy、TensorFlow 等。点开相应的框架，就会跳转到比较全面的关于该框架的资源。
例如 Python：
除了 Getting started，还有 Tutorials、Toolkits、Research、Recent 等，内容真的太丰富了。
2. 算法
算法部分是比较核心的主题。包含了各个机器学习主要算法和理论，例如：线性代数、最大似然估计（MLE）、线性回归、支持向量机（SVM）、对抗生成网络（GAN）等。每个内容下都包含了丰富的内容。
3. 自然语言处理
自然语言处理包括文本处理、语言建模（LM）、机器翻译（MT）等。
4. 机器视觉
机器视觉主要包括图像识别、物体检测、图像生成、动作识别等。
5. 综合
这部分涵盖的内容比较杂，包括异常检测、时间序列、聚类语音识别等。
6. 概念
这部分主要包括迁移学习、非监督式学习、半监督式学习、强化学习等。
7. 数据、模型和训练
这部分主要包括模型压缩、数据收集、标注、可视化、分布式训练等。
8. 全栈
这部分主要包括 API、Docker、Web Scraping、SQL。
9. 工业
这部分主要包括 AI 应用，例如在健康领域等。
10. 收藏
这部分列举了用于搜索非常有趣的集合的标签列表。
总结
可以不说这是一份超赞的机器学习优质资源的分类导航。工欲善其事必先利其器，这个利器记得收藏哦！
最后，再次放上该分类导航的网站：
https://madewithml.com/topics/
