文章轉載來源：
https://blog.csdn.net/dQCFKyQDXYm3F8rB0/article/details/82111718
還記得下面這張腦圖嗎？上週我們爲大家整理了 AI 中 4 個重要方面的學習資源（點擊查看），受到了大家的很多好評，感謝大家的支持。其實在學習過程中搜集學習資料是一件經常會做的事，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日常就會特別關注留意一些不錯的學習資源，分享給需要的同學們。我們將這些資料進行歸納整理，用一目瞭然的方式呈現給大家，希望有助於大家的檢索利用。
其實上週推薦的內容中並不涉及論文和書籍，因爲對於剛開始學習 AI 的同學們來說，一上來就讀論文對學習基礎內容並不是好的選擇，所以上次給大家的內容更多的是好的公開學習課程或者一些博主的經驗和心得，也許有些文章裏面的方法和觀點可以給大家不同的啓迪。
本期內容爲大家推薦的是 DL 方面的學習內容，而這次將會有很多的論文。現在 DL 是 ML 領域最流行火熱的方法了，想深入學習這些 模型最好的方法就是讀論文。無論是經典的、流行的還是最新的，作爲一個需要 DL 的研究者都是需要學習的。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該研讀的。而且我們還把這次的內容和上次做了一些結合，這樣每次收藏整理和學習的知識都可以相關聯，提高學習效益。
下面從下圖開始正式介紹這次的內容。
這次最主要的內容就是和 DL 相關的論文清單了。其次第二部分是數據集，爲大家整理出這些數據集就是希望大家在實踐時知道有哪些公開的好的數據集可以直接使用。也爲我們後續的內容做一個伏筆。
本次重點內容有：
論文
▌與模型（Model）相關論文：22 篇
▌一些重要&核心論文：17 篇
▌應用類型論文：38 篇
數據集
▌Images（圖像類數據集）
▌Text and Natural Language Processing（文本&自然語言處理）
學習課程+書籍+博客+教程
▌四部分彙總
精彩預告
DL 相關的內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於 DL 領域的一些實踐案例，而這些實踐很多都是用到了上面提到的部分數據集，這也是剛剛說的埋下的伏筆，敬請期待。
