好的资源有利于大家迅速走上正确的学习道路，今天就来推荐一下GitHub上面那些机器学习领域里，最值得关注的综述性质的项目，一般名字会带上一个Awesome。
作者&编辑 | 言有三
1 Awesome大综述
没错，项目名字就叫Awesome。这第一个简直就是最“丧心病狂”的综述，10万+星星，要把所有方向一并索引了，自己当目录。
https://github.com/sindresorhus/awesome
这个项目的创建者是sindresorhus，全职自由职业者，从事开源项目开发和维护，据说是这个星球上星星最多的男人，偏偏长得还很帅，个人主页：https://sindresorhus.com/，大家自己粉吧。
怎么说呢，本文其实你不看下去就是可以的，直接去看上面那个综述就行了。
2 读论文
读论文是搞AI研究必备的基本素质，这个项目是我看的前10个GitHub项目之一，整理了很多深度学习有关的优秀papers，项目的维护者是University of Waterloo的Terry Taewoong Um。
https://github.com/terryum/awesome-deep-learning-papers
不过请看最新申明：
[Notice] This list is not being maintained anymore because of the overwhelming amount of deep learning papers published every day since 2017.
大概意思就是，论文太多了，我们放弃了。如果是初学者，我觉得完全可以去好好看一眼，初学者最忌讳的就是天天看最新的东西，那样是有损于学习的。
类似的还有：
https://github.com/papers-we-love/papers-we-love
3 逛社区
这几个项目的特点就是杂而全，覆盖机器学习有关的一切资料。
有的深度学习一锅端了。
https://github.com/ChristosChristofidis/awesome-deep-learning
有的机器学习一锅端了。
https://github.com/josephmisiti/awesome-machine-learning
有的增强学习一锅端了
https://github.com/aikorea/awesome-rl
有数不清的GAN一锅端了
https://github.com/nightrome/really-awesome-gan
https://github.com/hindupuravinash/the-gan-zoo
东西太多了，建议大家看一眼就行了，别迷失，尤其是初学者，跟我们一起来可能更加合适。
4 听课程
专注收录computer science相关的所有课程。
https://github.com/prakhar1989/awesome-courses
类似的当然还有了，不过建议看课程不要求多，初学看书应该更好。
5 跟项目
因为python是机器学习算法里最受欢迎的语言，所以先介绍一个，6万多颗星，看看deep learning这个菜单下的资源就能窥见一斑。
https://github.com/vinta/awesome-python
类似的当然还有了，php，java，android，ios，shell，爬虫，应有尽有。
https://github.com/ziadoz/awesome-php
https://github.com/akullpp/awesome-java
https://github.com/sindresorhus/awesome-nodejs
https://github.com/vsouza/awesome-ios
https://github.com/snowdream/awesome-android
https://github.com/alebcay/awesome-shell
https://github.com/facert/awesome-spider
https://github.com/avelino/awesome-go
6 翻数据集
这是一个从各种博客，论坛等地方抓取数据集的项目。
https://github.com/awesomedata/awesome-public-datasets
还有一个辅助数据科学家养成的项目
https://github.com/bulutyazilim/awesome-datascience
类似的还有一些，可以没事翻翻。
https://github.com/onurakpolat/awesome-bigdata
7 看领域
你肯定知道接下来有三要说什么，那就是AI各个研究领域的综述了。
什么计算机视觉一锅端了。
https://github.com/jbhuang0604/awesome-computer-vision
https://github.com/kjw0612/awesome-deep-vision
什么自然语言处理一锅端了。
https://github.com/keon/awesome-nlp
什么语音处理一锅端了。
https://github.com/zzw922cn/awesome-speech-recognition-speech-synthesis-papers
还有很多领域，就不一一列举了，欢迎大家留言。
8 备面试
现在有很多的公众号和社区专门讲面试，还有一些朋友让我讲讲，你以为GitHub会没有吗？
https://github.com/MaximAbramchuck/awesome-interview-questions
我还在纠结讲还是不讲，因为讲出来必定会有争议，正好这几天知乎上回答的一个问题就引起争议了，大家不妨直接看吧。
https://www.zhihu.com/question/62482926/answer/625352436
关于面试只有一点小建议，虽然有套路，但是只要巩固好领域的基础知识和编程技能，再发展一些核心竞争力，就不用慌。
9 攒工具
好的工具干起活来可谓是事半功倍了，必须时刻留意。
记笔记的
https://github.com/jupyter/notebook
画图的
https://github.com/zfrenchee
http://alexlenail.me/NN-SVG/
https://github.com/HarisIqbal88/PlotNeuralNet
读论文的
https://github.com/karpathy/arxiv-sanity-preserver
转模型的
https://github.com/Microsoft/MMdnn
后面的等你来补充呀，我们已经写过一些了，看往期链接。
10 聚焦自己的方向
最后，就是好好聚焦自己的研究方向。有三是搞CV的，所以免不了要给大家推荐CV领域的资料。
人脸各个方向的。
https://github.com/polarisZhao/awesome-face
https://github.com/ChanChiChoi/awesome-Face_Recognition
语义分割的。
https://github.com/mrgloom/awesome-semantic-segmentation
跟踪的。
https://github.com/foolwood/benchmark_results
三维重建的。
https://github.com/openMVG/awesome_3DReconstruction_list
风格化的。
https://github.com/ycjing/Neural-Style-Transfer-Papers
目标检测的。
https://github.com/amusi/awesome-object-detection
https://github.com/hoya012/deep_learning_object_detection
太多太多了，轻轻松松还可以数出几十个，大家自己来吧。
对了，我们自己的官方git，也放一下吧，方便大家学习，刚刚开始，还需要力量加入。