人工智能正在日新月异地改变。
随着变化如此迅速，你可能正在使用一种技术，而它很快就会被另一种技术取代，甚至你可能都还没意识到。
无论是为了避免错过机会，还是为了在2024年快节奏的人工智能和数据科学就业市场中保持竞争力，了解人工智能领域的最新动态比任何其他技术领域都更加关键。
在过去的一年里，我活跃于多个在线人工智能社区，并撰写了关于最新技术和机器学习研究论文的技术文章。我不得不找到最优化的方式来跟上人工智能行业的最新动态，在这篇博文中，我将分享我的资源，适用于程序员、学生或人工智能从业者。
免责声明 ：我会不断更新我的资源列表。2023年有效的资源可能在2024年不再热门。此外，本文提到的所有资源都不是付费或赞助的。最后，虽然有许多值得关注的新闻通讯和博客，但我不会用成百上千的资源和链接来让这篇文章显得冗长。我会保持简洁，精挑细选，确保即使你有全职工作，也能定期跟进。
通过新闻通讯获取每日快速更新
新闻通讯是我每天早晨获取最新重要更新的首选资源。通过合适的新闻通讯，花不到十分钟就能让自己保持更新。我个人喜欢那些为开发者设计的新闻通讯，而不是仅仅报道“人工智能新闻”的那些。在这方面，以下是我没有特定顺序的首选列表：
AlphaSignal：我特别喜欢这份新闻通讯，因为它专为技术读者和开发者量身定制。它是一个营养丰富的组合，涵盖了作为人工智能从业者所需的一切：头条新闻，通常是你作为开发者需要知道的可操作新闻，最新的热门帖子和博客文章，相关的热门GitHub仓库列表，以及提升知识的讲座或网络研讨会。
TheSequence：这是一份为行业专家策划的新闻通讯。“TheSequence的目标是每次用五分钟让你对人工智能更聪明。”每封邮件都会聚焦于最新的研究突破，或者你作为人工智能从业者可能需要深入了解的主题，比如AI 智能体或DSPy。
The Neuron：这是一份可以放在收件箱中的新闻通讯，涵盖了人工智能领域的新闻、发布和更新。如果你不想深入了解人工智能的八卦，The Neuron是一个不错的选择，它以简洁的方式让你了解行业中发生的所有重要事情。
TLDR AI：这是技术领域最受欢迎的新闻通讯之一，还涵盖了最新的AI研究论文、行业新闻和工程更新。我最近才订阅了这份新闻通讯，所以还需要更多时间来得出结论。不过，我喜欢它的整体框架和涵盖的内容。
The Rundown AI：如果你想了解人工智能公司的一般新闻或最新的人工智能产品发布，这是一个非常受欢迎的新闻通讯，且有充分的理由。此外，在他们的邮件末尾，你还可以找到最新的热门AI工具（IDE、智能体、可视化工具等）和AI工作机会。
对于那些对自然语言处理（NLP）和大语言模型（LLM）感兴趣的人，有两个新闻通讯你不应该错过：
-
NLP Newsletter 每周更新NLP领域最重要的研究论文。
-
Ahead of AI 由Sebastian Raschka撰写，专注于机器学习领域的最新发展，尤其是在大语言模型方面。
订阅YouTube上的人工智能频道
对大多数人来说，YouTube是学习新东西时观看教程的地方，类似于一个视觉搜索引擎。但你也可以找到一些频道订阅，定期观看。有些频道更偏向教育，有些则更偏向娱乐，我相信保持多样化会让学习变得有趣。
在人工智能领域还有许多值得一看的频道，可能需要另写一篇文章来介绍。然而，为了简短实用，以下是我推荐的频道列表：
AI Jason
这是我最近非常关注的一个频道。虽然创作者Jason Zhou自称是一名“分享有趣AI实验和产品的产品设计师”，但我发现他的频道信息量很大，涵盖了重要且热门的人工智能话题，并带有娱乐性的元素。制作有用但不乏味的视频并不容易，但AI Jason做到了。
AI Explained
这是另一个新兴频道，如果你想跟进最新的主题和发布的产品，这是个不错的选择。如果你想了解最近发布的大语言模型（比如Llama 3.1），这个频道是个不错的选择。
Two Minute Papers
这个频道以让最新的研究变得易于理解和有趣而闻名。虽然它涵盖了多个研究领域，但人工智能是该频道的一个重要焦点，值得关注。它可以帮助你以视觉化的方式掌握最新的研究成果。
3Blue1Brown
很难错过Grant Sanderson的这个优秀教育频道。他通过惊人的可视化和叙述深入探讨了基础和复杂的概念。公平地说，这不是一个关注“人工智能趋势”的频道，而是一个帮助你更直观理解的教育频道。对于机器学习读者，我推荐他的神经网络和线性代数本质系列。
通过技术博客深入探索
新闻通讯可以在短期内提供对人工智能领域的广泛概述，但一些知名组织和公司（如Google和Spotify）的博客则提供了更深入的研究。这些博客通常讨论这些公司在工程挑战方面的最新研究成果。
你可能需要投入大量时间来阅读这些博客，但这是一个很好的投资。以下是行业内的顶级博客列表，排序不分先后：
-
DeepLearning.ai的The Batch —— 机器学习研究
-
OpenAI的研究版块
-
麻省理工学院技术评论
-
BAIR —— 伯克利人工智能研究
-
Google的研究博客
-
Spotify的工程博客
不要低估社交媒体的力量
社交媒体可能会让你联想到在空闲时间无意义的刷屏。但这只有在你以消费者心态使用它时才会如此，而你可能会错过它的优势。如果你想了解人工智能领域的最新动态，LinkedIn和X（前Twitter）是两个非常好的平台。
为什么作为数据科学家需要社交媒体？
事实是，大多数你在新闻通讯中读到的发布和公告，最早都是在社交媒体上讨论的，许多开发者、研究人员和作者在这些平台上都非常活跃。以下是如何以优化和有目的的方式使用社交媒体：
X/Twitter：我整理了一份“AI Digest List”，涵盖了你需要关注的人工智能领域的重要人物，范围包括人工智能在艺术、产品、研究等方面的广泛应用。
LinkedIn：在LinkedIn上有许多值得关注的人工智能领域专家，他们会提供独特的视角。初学者可以关注Zack Wilson、Santiago Valdarrama、Sebastian Raschka博士和Akshay Pachaar。
让我们保持联系！
感谢你读完这篇文章！
如果你喜欢这篇文章，请免费订阅，以便接收新文章的通知！你也可以在LinkedIn和X上找到我。