1 前言
在最新Nature的Machine Intelligence 中Lecun，Hinton和Bengio三位大牛的Review文章Deep Learning中，最后谈The Future Of Deep Learning中，有这么一段话：
“We expect much of the future progress in vision to come from systems that are trained end-to- end and combine ConvNets with RNNs that use reinforcement learning to decide where to look. Systems combining deep learning and rein- forcement learning are in their infancy.”
深度学习的未来将与机器人控制结合起来，机器人时代将有可能由深度学习来进行变革。我相信他们的这个判断将带动无数的科研人员投入到这方面的研究当中。这一块研究将涉及Deep Learning，Reinforcement Learning，Computer Vision，Robotics，NLP，Cloud Computing等等
为了更好地促进志同道合的朋友一起学习研究，这里将我所了解的一些资源汇总起来，不断更新，以供参考。
2 Deep Learning
2.1 大牛主页
1 Andrew Ng 网址
2 Michael I. Jordan 网址
3 Geoffrey Hinton网址
4 Yann Lecun 网址
5 Yoshua Bengio 网址
6 Eric P Xing 网址
7 周志华 网址
8 Xiaogang Wang 网址
2.2 公开课程
1 Andrew Ng Stanford CS229 网址
2 Oxford Machine Learning 课程 网址
3 CUHK Deep Learning课程 网址
4 CMU Deep Learning 课程 网址
2.3 Deep Learning框架
1 Caffe 网址
2 Theano 网址
3 Pylearn2 网址
4 CUDA-Convnet 网址
5 Torch 网址
6 deeplearning4j 网址
2.4 学习资源
2.5 其他资源
3 Computer Vision
3.1 大牛主页
1 Li FeiFei 网址
3.2 公开课程
3.3 学习资源
3.4 其他资源
4 Robotics
4.1 大牛主页
1 Pieter Abbeel 网址
2 Ashutosh Saxena 网址
3 Vijay Kumar 四轴大牛 网址
4 Siegwart, Roland 网址