深度学习理解—反向传播zun
机器学习问题及其解决方法范式理解——李宏毅《机器学习课程》(入门推荐)
CS50.3 Introduction to Artificial Intelligence With Python· 2020(哈佛大学公开课,详细介绍了数个经典AI算法)
吴恩达：神经网络与深度学习(入门推荐,内容基础详细,附带数学详细推导)/课后作业
李宏毅：机器学习(入门推荐,知识点更加模块化，很适合初学者自学)(项目官网)(2021/2022课程)(2023课程)
CS 285 at UC Berkeley : Deep Reinforcement Learning(伯克利2021年秋季最新深度学习课程，涵盖了Policy Gradients、Actor Critic、Q-functions等多个强化学习基础算法(Lecture 1 - Lecture 14)，学习这门课程有助于理解这些基本的算法；也有如Model-Based RL、Meta RL和离线学习等进阶算法(Lecture 15- Lecture 23)，他们可以作为李宏毅老师强化学习课程的进阶扩展。网站也有配套习题供练习)(课程视频)(课后作业)
李沐:《动手学深度学习(PyTorch版)》(前9课讲授较为基础的神经网络知识，第10课至第29课讲解了深度学习的核心基础知识，第29课至73课更倾向于强化学习的模型具体应用。大量的Kaggle的实例演示是本教程的亮点，可作为李宏毅老师机器学习课程的补充)
An overview of gradient descent optimization algorithms(本页面主要介绍了常见种类的梯度下降优化算法以及是如何如何实现的，如Momentum, Adagrad, 和Adam)