各種機(jī)器學(xué)習(xí)的應(yīng)用場(chǎng)景分別是什么掠兄？例如喂击，k近鄰,貝葉斯剂癌，決策樹，svm翰绊，邏輯斯蒂回歸和最大熵模型佩谷。
如何評(píng)價(jià)Python的深度學(xué)習(xí)框架DeepPy？
Logit回歸模型中的那個(gè)函數(shù)形式F是怎么被發(fā)現(xiàn)的监嗜？
為什么基于貝葉斯優(yōu)化的自動(dòng)調(diào)參沒有大范圍使用谐檀？
概率圖模型（PGM）有必要系統(tǒng)地學(xué)習(xí)一下嗎？
【基于ConvnetJS的圖像前/背景分割】O網(wǎng)頁(yè)鏈接GitHub:O網(wǎng)頁(yè)鏈接
【幻燈+筆記:數(shù)據(jù)啟示 vs. 數(shù)據(jù)驅(qū)動(dòng)】《Why data-informed beats data-driven》by Greg Reda, PyData Seattle 2015O網(wǎng)頁(yè)鏈接云:O網(wǎng)頁(yè)鏈接
【"Deep Learning for NLP: progress, challenges and opportunities"】經(jīng)過(guò)報(bào)告人同意稚补，7月30日晚@魯東東胖在清華的報(bào)告《Deep Learning for NLP@Noah: progress, challenges and opportunities》演示文稿可以在此下載：OTsinghuaTalkJ_July30.pdf感謝正東的精彩報(bào)告，感謝到場(chǎng)的同學(xué)們框喳。:)
【高效的Python數(shù)據(jù)分析框架Ibis】O網(wǎng)頁(yè)鏈接GitHub:O網(wǎng)頁(yè)鏈接通過(guò)IPN了解Ibis:O網(wǎng)頁(yè)鏈接? Slide:《Ibis: Scaling the Python Data Experience》O網(wǎng)頁(yè)鏈接云:O網(wǎng)頁(yè)鏈接
【論文+代碼:面向網(wǎng)絡(luò)級(jí)規(guī)模的并行流標(biāo)記EM-tree聚類算法】《Parallel Streaming Signature EM-tree: A Clustering Algorithm for Web Scale Applications》C Vries, L Vine, S Geva (WWW2015)O網(wǎng)頁(yè)鏈接LMW-tree:O網(wǎng)頁(yè)鏈接GitHub:O網(wǎng)頁(yè)鏈接
【幻燈:(nVIDIA深度學(xué)習(xí)課程)GPU深度學(xué)習(xí)介紹】《Introduction To Deep Learning With GPUs》O網(wǎng)頁(yè)鏈接云:O網(wǎng)頁(yè)鏈接
【免費(fèi)書:機(jī)器學(xué)習(xí)資源精選匯編】《The Machine Learning Salon Starter Kit》by Jacqueline Isabelle ForienO網(wǎng)頁(yè)鏈接云:O網(wǎng)頁(yè)鏈接
【可重現(xiàn)數(shù)據(jù)驅(qū)動(dòng)研究平臺(tái)REP】全稱是Reproducible Experiment Platform，統(tǒng)一封裝TMVA, Sklearn, XGBoost, Uboost等分類實(shí)現(xiàn)厦坛，進(jìn)行大數(shù)據(jù)集共享一致性對(duì)比試驗(yàn)五垮，可在集群上完成并行訓(xùn)練 GitHub:O網(wǎng)頁(yè)鏈接? REP(Reproducible Experiment Platform)文檔:O網(wǎng)頁(yè)鏈接
【狄利克雷分布/狄利克雷過(guò)程筆記】《Notes on the Dirichlet Distribution and Dirichlet Process》O網(wǎng)頁(yè)鏈接ipn:O網(wǎng)頁(yè)鏈接
《愛可可老師今日視野(15.07.29)》（ 分享自@簡(jiǎn)書）O網(wǎng)頁(yè)鏈接
【數(shù)據(jù)降維技術(shù)完全指南】《A Complete Guide To Dimension Reduction Techniques》O網(wǎng)頁(yè)鏈接
【NYT:用算法判定人品】《Using Algorithms to Determine Character》O網(wǎng)頁(yè)鏈接@TECH2IPO提供的譯文《對(duì)抗偏見：用算法判定你的人品》O網(wǎng)頁(yè)鏈接
【視頻:深度學(xué)習(xí)在自動(dòng)問答系統(tǒng)中的應(yīng)用】《(@infoQ)深度學(xué)習(xí)在自動(dòng)問答系統(tǒng)中的應(yīng)用》by 李成華O網(wǎng)頁(yè)鏈接
【目標(biāo)：又快又好的代碼】《Moving Fast With High Code Quality》by Nikhil Garg, QuoraO網(wǎng)頁(yè)鏈接
【Reasoning about Linguistic Regularities in Word Embeddings using Matrix Manifolds】"O網(wǎng)頁(yè)鏈接Reasoning about Linguistic Regularities in Word Embeddings using Matrix Manifolds@劉知遠(yuǎn)THU之前劉老師在鵝廠講座時(shí)有提到embedding和mainfold這類思路，相比而言杜秸，當(dāng)然我的idea簡(jiǎn)直弱爆了放仗。。
【IPN:基于PyMC的Python概率編程】《Probabilistic Programming in Python using PyMC》O網(wǎng)頁(yè)鏈接? Slide: 《Probabilistic Programming in Python with PyMC3》O網(wǎng)頁(yè)鏈接云:O網(wǎng)頁(yè)鏈接
【(Trello)數(shù)據(jù)科學(xué)資源專題】O網(wǎng)頁(yè)鏈接
【論文:"NoBackTrack" RNN】《Training recurrent networks online without backtracking》Y Ollivier, G Charpiat (2015)O網(wǎng)頁(yè)鏈接
【論文+演示+代碼+數(shù)據(jù):簡(jiǎn)筆畫自動(dòng)識(shí)別】《How Do Humans Sketch Objects?》M Eitz, J Hays, M Alexa (SIGGRAPH 2012) GitXiv:O網(wǎng)頁(yè)鏈接O網(wǎng)頁(yè)鏈接Project Page:O網(wǎng)頁(yè)鏈接Code:O網(wǎng)頁(yè)鏈接
"在線最優(yōu)化求解(Online Optimization)"系列+FTRL詳解? 關(guān)于LR的稀疏性問題撬碟，發(fā)現(xiàn)幾個(gè)比較好的鏈接诞挨，非常清晰明了，O網(wǎng)頁(yè)鏈接呢蛤，O網(wǎng)頁(yè)鏈接惶傻，O網(wǎng)頁(yè)鏈接，O網(wǎng)頁(yè)鏈接其障，O網(wǎng)頁(yè)鏈接银室，O網(wǎng)頁(yè)鏈接
【W(wǎng)ord2Vec實(shí)戰(zhàn)教程】《Word2Vec: an introduction》by Folgert KarsdorpO網(wǎng)頁(yè)鏈接ipn:O網(wǎng)頁(yè)鏈接
【"技術(shù)債"綜述】《A Field Study of Technical Debt》by Neil ErnstO網(wǎng)頁(yè)鏈接參閱:O愛可可-愛生活
【(Python)深度學(xué)習(xí)框架/庫(kù)/工具匯總介紹】《Frameworks and Libraries for Deep Learning》Theano/Pylearn2/Blocks/Keras/LasagneO網(wǎng)頁(yè)鏈接
【避免誤用交叉驗(yàn)證】《Cross Validation done wrong》by Alfredo MottaO網(wǎng)頁(yè)鏈接
【論文:深度學(xué)習(xí)模型演進(jìn)】《Evolution of Deep learning models》 Ajit Jaokar (2015)O網(wǎng)頁(yè)鏈接pdf:O網(wǎng)頁(yè)鏈接
【《Learning to Generate Chairs with Convolutional Neural Networks》Alexey Dosovitskiy, Jost Tobias Springenberg, Thomas Brox】 通過(guò)訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)(CNN)，自動(dòng)生成對(duì)象指定類型、角度和顏色的圖像 arXiv:O網(wǎng)頁(yè)鏈接PDF:O網(wǎng)頁(yè)鏈接? GitXiv:O網(wǎng)頁(yè)鏈接Code(Caffe):O網(wǎng)頁(yè)鏈接
【來(lái)自Facebook的圖像自動(dòng)生成】《The Eyescream Project - NeuralNets dreaming natural images》by Soumith, Emily, Arthur & RobO網(wǎng)頁(yè)鏈接參閱O愛可可-愛生活? GitXiv:O網(wǎng)頁(yè)鏈接Code(Torch):O網(wǎng)頁(yè)鏈接//@愛可可-愛生活: 【(Lua)The Eyescream Project】GitHub:O網(wǎng)頁(yè)鏈接
【基于Pandas/Matplotlib的高收入數(shù)據(jù)分析】《Exploring the Top Incomes Database with Pandas and Matplotlib》by Ramiro GómezO網(wǎng)頁(yè)鏈接
【免費(fèi)書:經(jīng)濟(jì)學(xué)者的差分方程指南】《Difference Equations for Economists》by Klaus Neusser (2015)O網(wǎng)頁(yè)鏈接
【論文+代碼:面向圖像分類的多列深度網(wǎng)絡(luò)(MCDNN)】《Multi-column Deep Neural Networks for Image Classification》D Cire?an, U Meier, J Schmidhuber (CVPR2012)O網(wǎng)頁(yè)鏈接Code(Theano):O網(wǎng)頁(yè)鏈接
【數(shù)據(jù)可視化框架/庫(kù)/軟件大列表】"Awesome dataviz"O網(wǎng)頁(yè)鏈接
【基于Lasagne/nolearn的Kaggle's Diabetic Retinopathy Detection競(jìng)賽第二名方案分享】《Team o_O Solution Summary》O網(wǎng)頁(yè)鏈接參閱:O愛可可-愛生活O愛可可-愛生活
【R語(yǔ)言文本處理】《Text Processing in R》O網(wǎng)頁(yè)鏈接
【時(shí)序分析之序列相關(guān)/自相關(guān)】《Serial Correlation In Time Series Analysis》O網(wǎng)頁(yè)鏈接
【基于遺傳算法察言觀色自選字體/圖像/布局的數(shù)字廣告】《The artificial intelligence advert that writes itself》O網(wǎng)頁(yè)鏈接
【(Python)三行代碼實(shí)現(xiàn)Hinton's Dropout】《Hinton's Dropout in 3 Lines of Python - How to install Dropout into a neural network by only changing 3 lines of python》by TraskO網(wǎng)頁(yè)鏈接
【IPN:基于Sony Lifelog API數(shù)據(jù)的位置聚類/預(yù)測(cè)】《Using machine learning to cluster and predict locations from Sony Lifelog API》O網(wǎng)頁(yè)鏈接
論文《Navigating the massive world of reddit: Using backbone networks to map user interests in social media》O網(wǎng)頁(yè)鏈接介紹了其實(shí)現(xiàn)思路蜈敢，值得借鑒? 《Navigating the massive world of reddit: using backbone networks to map user interests in social media》的最新版本：O網(wǎng)頁(yè)鏈接? 【可視化】《redditviz - reddit interest network》O網(wǎng)頁(yè)鏈接Reddit的聚類網(wǎng)絡(luò)化瀏覽辜荠，
【GoogLeNet類可視化】《Visualizing GoogLeNet Classes》O網(wǎng)頁(yè)鏈接GitHub(DeepDraw):O網(wǎng)頁(yè)鏈接
【Kaggle's Taxi Trajectory Prediction競(jìng)賽第一名訪談(深度學(xué)習(xí)的"非主流"應(yīng)用)】《Taxi Trajectory Winners' Interview: 1st place, Team》O網(wǎng)頁(yè)鏈接
【"A Generative Word Embedding Model and its Low Rank Positive Semidefinite Solution"】終于刷出我們的paper：A Generative Word Embedding Model and its Low Rank Positive Semidefinite Solution的錄用通知，多虧一個(gè)reviewer在rebuttal之后把3改成了4…先把code放出來(lái)吧：O網(wǎng)頁(yè)鏈接抓狭，有train好的vector伯病，歡迎大家試用
【Digital Research Tools (DiRT)的文本挖掘工具列表】O網(wǎng)頁(yè)鏈接
【視頻:深度學(xué)習(xí)并行訓(xùn)練算法淺析】@InfoQ發(fā)布的《如何讓機(jī)器學(xué)習(xí)得更快——深度學(xué)習(xí)并行訓(xùn)練算法淺析》by 鹿曉亮O網(wǎng)頁(yè)鏈接
《愛可可老師今日視野(15.07.30)》（ 分享自@簡(jiǎn)書）O網(wǎng)頁(yè)鏈接
我們將在EMNLP 2015報(bào)告兩個(gè)成果：一個(gè)探索了如何在知識(shí)表示中考慮關(guān)系路徑信息，顯著提高了關(guān)系抽取等任務(wù)的性能否过，草稿已放在O網(wǎng)頁(yè)鏈接午笛。另一個(gè)Online Learning of Interpretable Word Embeddings探索了可解釋詞表示的在線學(xué)習(xí)方法。稍后將呈上論文代碼和數(shù)據(jù)叠纹。歡迎交流季研。第一個(gè)成果由一年級(jí)直博生林衍凱完成，他今年初已在AAAI 2015報(bào)告過(guò)TansR算法誉察，并發(fā)布了TransE/TransH/TransR源碼：O網(wǎng)頁(yè)鏈接与涡。第二個(gè)成果由我組大三本科生羅鴻胤完成。青年才俊啊持偏。
【視頻:Hinton在Cambridge介紹深度學(xué)習(xí)及其最新進(jìn)展的報(bào)告】《(Cambridge)Deep Learning: Professor Geoffrey Hinton FRS, 25 June 2015》O網(wǎng)頁(yè)鏈接? 云:O網(wǎng)頁(yè)鏈接
【開源:(Python)方便的"One Pass"統(tǒng)計(jì)/回歸計(jì)算庫(kù)RunStats】"RunStats: Computing Statistics and Regression in One Pass"O網(wǎng)頁(yè)鏈接
【Chainer新增計(jì)算圖生成功能build_computational_graph()】《Visualization of Computational Graph》(附圖為inception in GoogLeNet示例)O網(wǎng)頁(yè)鏈接
【視頻:Hinton在Cambridge介紹深度學(xué)習(xí)及其最新進(jìn)展的報(bào)告】《(Cambridge)Deep Learning: Professor Geoffrey Hinton FRS, 25 June 2015》O網(wǎng)頁(yè)鏈接? 講座給我的感覺：ReLU+dropout+反向傳播基本實(shí)現(xiàn)了神經(jīng)系統(tǒng)中信號(hào)傳播和學(xué)習(xí)方法的精髓驼卖，后面重點(diǎn)在網(wǎng)絡(luò)體系結(jié)構(gòu)，和更多的數(shù)據(jù)及計(jì)算能力鸿秆。不知道Hinton是不是真有這么樂觀酌畜。
【論文:基于段向量的文檔表示】《Document Embedding with Paragraph Vectors》AM Dai, C Olah, QV Le, GS Corrado (2014)O網(wǎng)頁(yè)鏈接筆記《Notes on Document Embedding with Paragraph Vectors》O網(wǎng)頁(yè)鏈接參考向量表示總結(jié):O愛可可-愛生活? arXiv:O網(wǎng)頁(yè)鏈接參閱:OCopper_PKU
Text, Topics, and Turkers: A Consensus Measure for Statistical TopicsO網(wǎng)頁(yè)鏈接
【幻燈:(PyData 2015)機(jī)器學(xué)習(xí)系統(tǒng)觀】《PyData 2015 Keynote: "A Systems View of Machine Learning"》by Joshua BloomO網(wǎng)頁(yè)鏈接云:O網(wǎng)頁(yè)鏈接
【對(duì)Stanford命名實(shí)體標(biāo)注工具NER Tagger的測(cè)試(和比較)】《Named Entity Recognition: Examining the Stanford NER Tagger》O網(wǎng)頁(yè)鏈接
【數(shù)據(jù)爬取核心技術(shù)系列】《Science of Crawl series》Part1.Deduplication of Web ContentO網(wǎng)頁(yè)鏈接Part2.Content FreshnessO網(wǎng)頁(yè)鏈接
【Kaggle代碼(Python):分類問題重要變量的篩選和可視化】《Visualizing important variables》by saihttam in Caterpillar Tube PricingO網(wǎng)頁(yè)鏈接
【(多媒體處理/信息抽取/數(shù)據(jù)挖掘/機(jī)器學(xué)習(xí)/...)國(guó)家安全局(NSA)專利集】"NSA Patents - A Searchable, Interactive and Fully-Visualizable Database of Patents Filed by the National Security Agency"O網(wǎng)頁(yè)鏈接
【布朗層次聚類調(diào)優(yōu)】《Tuning Brown Clustering》O網(wǎng)頁(yè)鏈接Paper:O網(wǎng)頁(yè)鏈接
【Python/dlib/OpenCV玩兒"變臉"】《Switching Eds: Face swapping with Python, dlib, and OpenCV》O網(wǎng)頁(yè)鏈接GitHub:O網(wǎng)頁(yè)鏈接
【用Python實(shí)現(xiàn)帶排序的搜索引擎】《Implementing a Search Engine with Ranking in Python》by Aakash JapiO網(wǎng)頁(yè)鏈接GitHub:O網(wǎng)頁(yè)鏈接
【Google翻譯為移動(dòng)終端帶來(lái)深度學(xué)習(xí)能力】《How Google Translate squeezes deep learning onto a phone》O網(wǎng)頁(yè)鏈接
【如何檢驗(yàn)網(wǎng)絡(luò)數(shù)據(jù)質(zhì)量】《How to Test the Quality of Web Data》O網(wǎng)頁(yè)鏈接
【DeepFace vs. DeepDream】《Defeating Facebook’s DeepFace with Deep Dreams》O網(wǎng)頁(yè)鏈接GitHub:O網(wǎng)頁(yè)鏈接
【幻燈:數(shù)據(jù)科學(xué)家之測(cè)試觀】《Testing for data scientists》O網(wǎng)頁(yè)鏈接
【開源:(Python)馬爾可夫鏈蒙特卡羅(MCMC)繪圖包】"Python package to plot MCMC samples"O網(wǎng)頁(yè)鏈接
【決策樹缺點(diǎn)與應(yīng)對(duì)(優(yōu)化)策略】《Decision Trees – Tree Development and Scoring》O網(wǎng)頁(yè)鏈接
【R/H2O集成學(xué)習(xí)預(yù)測(cè)社交網(wǎng)絡(luò)影響力】《Predict Social Network Influence with R and H2O Ensemble Learning》O網(wǎng)頁(yè)鏈接
【"Dependency Graph-to-String Translation"EMNLP2015】：都柏林城市大學(xué)（DCU）博士生李良友Liangyou Li的論文Dependency Graph-to-String Translation被錄用。該論文提出了一種基于Synchronous Edge Replacement Grammar的機(jī)器翻譯模型卿叽，該方法將依存樹轉(zhuǎn)換成圖形式桥胞，表達(dá)能力優(yōu)于依存樹到串模型，在中英和德英上的實(shí)驗(yàn)都顯著超過(guò)目前最好模型考婴。
【spaCy+Scikit-Learn的NLP實(shí)例介紹】《Intro to NLP with spaCy - An introduction to spaCy for natural language processing and machine learning with special help from Scikit-learn》O網(wǎng)頁(yè)鏈接
【論文:面向知識(shí)庫(kù)/文本推理的顯層特征vs.潛層特征】《Observed versus latent features for knowledge base and text inference》K Toutanova, D Chen (2015)O網(wǎng)頁(yè)鏈接pdf:O網(wǎng)頁(yè)鏈接
【面向數(shù)據(jù)重建(補(bǔ)齊)的樹模型】《Tree Models for Data Imputation》O網(wǎng)頁(yè)鏈接
【基于arrows/Pandas/TextBlob/Seaborn/Cartopy的美國(guó)大選候選人Tweets的時(shí)/空/語(yǔ)言分析】《Geospatially, Temporally, and Linguistically Analyzing Tweets about Top U.S. Presidential Candidates with Pandas, TextBlob, Seaborn, and Cartopy》O網(wǎng)頁(yè)鏈接GitHub:O網(wǎng)頁(yè)鏈接
【視頻:David Silver(DeeMind)的強(qiáng)化學(xué)習(xí)課程】《Reinforcement Learning course by DeeMind's David Silver》O網(wǎng)頁(yè)鏈接云:O網(wǎng)頁(yè)鏈接Slides&Info:O網(wǎng)頁(yè)鏈接? Clip.mn標(biāo)注的版本：O網(wǎng)頁(yè)鏈接
【(R)rvest/dplyr/ggplot2/GGally數(shù)據(jù)采集+分析實(shí)例】《r got good at scraping》O網(wǎng)頁(yè)鏈接
《愛可可老師今日視野(15.07.31)》（ 分享自@簡(jiǎn)書）O網(wǎng)頁(yè)鏈接
【Python調(diào)參優(yōu)化庫(kù)Optunity】GitHub:O網(wǎng)頁(yè)鏈接Doc:O網(wǎng)頁(yè)鏈接? SVM with RBF kernel調(diào)參實(shí)例：O網(wǎng)頁(yè)鏈接
【開源:集成Stanford NER/DBpedia/OpenCalais/Zemanta/Freebase的自然語(yǔ)言解析/標(biāo)注/實(shí)體抽取服務(wù)(API)Parserbot】"Web-based synthesis of nifty NLP and entity extraction services"O網(wǎng)頁(yè)鏈接
【(Python)matplotlib/seaborn繪制NBA投籃情況統(tǒng)計(jì)分析圖】《How to Create NBA Shot Charts in Python》O網(wǎng)頁(yè)鏈接
【預(yù)測(cè)模型銀彈——廣義可加模型(GAM)】《GAM: The Predictive Modeling Silver Bullet》by Kim LarsenO網(wǎng)頁(yè)鏈接
【(MetaMind) Dynamic Memory Network(DMN)介紹】《Ask it anything: new deep learning model understands and answers questions》O網(wǎng)頁(yè)鏈接
【課程資料:(UC San Diego)數(shù)據(jù)挖掘與預(yù)測(cè)分析】《CSE 255: Data Mining and Predictive Analytics》by Julian McAuley 講義/源碼:O網(wǎng)頁(yè)鏈接筆記:O網(wǎng)頁(yè)鏈接課程設(shè)計(jì)集錦:O網(wǎng)頁(yè)鏈接
【Stanford社交網(wǎng)絡(luò)與信息網(wǎng)絡(luò)分析課程資料+課設(shè)+數(shù)據(jù)】《CS224W: Social and Information Network Analysis - Autumn 2014》by Jure LeskovecO網(wǎng)頁(yè)鏈接講義+閱讀材料(很多經(jīng)典論文)：O網(wǎng)頁(yè)鏈接學(xué)期課程設(shè)計(jì)(2014):O網(wǎng)頁(yè)鏈接數(shù)據(jù)集+代碼:O網(wǎng)頁(yè)鏈接? 《Social and Information Network Analysis - Autumn 2013》的課設(shè)集錦：O網(wǎng)頁(yè)鏈接
【John Wittenauer的IPython notebooks系列】?jī)?nèi)容包括數(shù)據(jù)科學(xué)常用庫(kù)使用/Andrew Ng機(jī)器學(xué)習(xí)課程練習(xí)/edX上Spark課程練習(xí)等贩虾，很不錯(cuò)O網(wǎng)頁(yè)鏈接
【最新一期TalkingMachines:面向體育/政治和實(shí)時(shí)預(yù)測(cè)的機(jī)器學(xué)習(xí)】《Machine Learning for Sports and Real Time Predictions》O網(wǎng)頁(yè)鏈接
【數(shù)據(jù)科學(xué)8種Bias及應(yīng)對(duì)策略】《How Do I Avoid Bias In My Data Science Work?》O網(wǎng)頁(yè)鏈接
【李滔：搜狐基于Spark的新聞和廣告推薦實(shí)戰(zhàn)】@CSDN云計(jì)算O網(wǎng)頁(yè)鏈接
【數(shù)據(jù)分析、機(jī)器學(xué)習(xí)與物聯(lián)網(wǎng)】via@InfoQO網(wǎng)頁(yè)鏈接原文《 Analytics, Machine Learning, and the Internet of Things》O網(wǎng)頁(yè)鏈接
【CPPN-NEAT的JS實(shí)現(xiàn)(with karpathy's recurrent.js)】《Neurogram》by 大トロO網(wǎng)頁(yè)鏈接參閱《Compositional Pattern Producing Networks: A Novel Abstraction of Development》O網(wǎng)頁(yè)鏈接
【90行python搭一個(gè)音樂搜索工具 —— Song Finder】by@鄭淇木-COYGO網(wǎng)頁(yè)鏈接GitHub:O網(wǎng)頁(yè)鏈接參閱O愛可可-愛生活
【開源:跨語(yǔ)言(Python/Java/Go)布隆過(guò)濾器實(shí)現(xiàn)inbloom】"Cross language bloom filter implementation" GitHub:O網(wǎng)頁(yè)鏈接
【幻燈:數(shù)據(jù)流挖掘的問題與挑戰(zhàn)】《Mining from Data Streams: Issues and Challenges》by Jo?ao GamaO網(wǎng)頁(yè)鏈接云:O網(wǎng)頁(yè)鏈接
【面向數(shù)據(jù)科學(xué)的NumPy/SciPy/Pandas使用速查表】《NumPy/SciPy/Pandas Cheat Sheet》O網(wǎng)頁(yè)鏈接云:O網(wǎng)頁(yè)鏈接
【開源:跨語(yǔ)言(Python/Java/Go)布隆過(guò)濾器實(shí)現(xiàn)inbloom】"Cross language bloom filter implementation" GitHub:O網(wǎng)頁(yè)鏈接? 說(shuō)道bloomfilter在實(shí)用起來(lái)我個(gè)人推薦O網(wǎng)頁(yè)鏈接又快又好用沥阱，順道推薦一下
【Python/Pandas/Bokeh數(shù)據(jù)分析/可視化實(shí)例】《Data Analysis with Python, Pandas, and Bokeh》by Chris MetcalfO網(wǎng)頁(yè)鏈接GitHub:O網(wǎng)頁(yè)鏈接
【論文:空間變化網(wǎng)絡(luò)(ST-CNN)】《Spatial Transformer Networks》M Jaderberg, K Simonyan, A Zisserman, K Kavukcuoglu [Google Deepmind] (2015)O網(wǎng)頁(yè)鏈接? 《Spatial Transformer Networks》Code:O網(wǎng)頁(yè)鏈接GitXiv:O網(wǎng)頁(yè)鏈接
【Spark快速入門】《The Essential Spark Cheat Sheet》O網(wǎng)頁(yè)鏈接云:O網(wǎng)頁(yè)鏈接
【八個(gè)工具看Python數(shù)據(jù)生態(tài)圈的最新趨勢(shì)】《Eight Tools That Show What’s on the Horizon for the Python Data Ecosystem》by Bo Moore Including:SFrame&SGraph/Bokeh/Dask/Ibis/Splash/Petuum/Flink/PyxleyO網(wǎng)頁(yè)鏈接
【開源:基于variational autoencoders (VAEs)的"漸變臉"】"Morphing Faces"O網(wǎng)頁(yè)鏈接Demo:O網(wǎng)頁(yè)鏈接GitHub:O網(wǎng)頁(yè)鏈接
【幻燈:圖的量子游走】《Quantum walks on graphs》by Andrew ChildsO網(wǎng)頁(yè)鏈接
"On Explainability of Deep Neural Networks"On Explainability of Deep Neural Networks缎罢，深度神經(jīng)網(wǎng)絡(luò)的可解釋性O網(wǎng)頁(yè)鏈接
【Kaggle代碼:上班時(shí)間vs.收入水平】《Wake me up, before you go go...》O網(wǎng)頁(yè)鏈接
【IPN:反向傳播梯度下降及其(Python)實(shí)現(xiàn)】《Gradient Descent with Backpropagation》O網(wǎng)頁(yè)鏈接
【視頻:(RLDM 2015)David Silver的深度強(qiáng)化學(xué)習(xí)教程】《Tutorial on "Deep Reinforcement Learning"》 by David Silver at RLDM 2015O網(wǎng)頁(yè)鏈接
【視頻:(RLDM 2015)計(jì)算強(qiáng)化學(xué)習(xí)入門】《Basics of Computational Reinforcement Learning》 by Michael Littman at RLDM 2015O網(wǎng)頁(yè)鏈接
【開源:(Python)NLP快速流程(原型)庫(kù)broca】"a Python library for rapidly experimenting with new natural language processing (NLP) approaches"O網(wǎng)頁(yè)鏈接GitHub:O網(wǎng)頁(yè)鏈接
《愛可可老師今日視野(15.08.01)》（ 分享自@簡(jiǎn)書）O網(wǎng)頁(yè)鏈接
【視頻+講義:MLSS Sydney 2015】《Machine Learning Summer School Sydney 2015》O網(wǎng)頁(yè)鏈接(云端版稍后奉上)? "MLSS Sydney 2015"視頻 云:O網(wǎng)頁(yè)鏈接
【文本分析七個(gè)實(shí)用領(lǐng)域】《The Seven Practice Areas of Text Analytics》O網(wǎng)頁(yè)鏈接摘錄自《Practical Text Mining and Statistical Analysis for Non-Structured Text Data Applications》by G. Miner, D. Delen, J. Elder, A. Fast, T. Hill, and R. Nisbet, Elsevier, 2012
【開源:基于Theano的CNN實(shí)現(xiàn)(dropouts/adagrad/momentum/max-margin layer/...)】O網(wǎng)頁(yè)鏈接
【多層感知器反向傳播訓(xùn)練過(guò)程交互可視化(XOR Example)】O網(wǎng)頁(yè)鏈接
【CPPN-NEAT的JS實(shí)現(xiàn)(with karpathy's recurrent.js)】《Neurogram》by 大トロO網(wǎng)頁(yè)鏈接參閱《Compositional Pattern Producing Networks: A Novel Abstraction of Development》O網(wǎng)頁(yè)鏈接? More Sample Neurograms:O網(wǎng)頁(yè)鏈接
【專訪IBM蘇中：認(rèn)知計(jì)算關(guān)鍵技術(shù)解讀】via:@CSDN云計(jì)算O網(wǎng)頁(yè)鏈接
【工業(yè)互聯(lián)網(wǎng)需要更多的方法：Essence使得這些方法更強(qiáng)大】工業(yè)互聯(lián)網(wǎng)將對(duì)所有工業(yè)和商業(yè)產(chǎn)生巨大影響，現(xiàn)有軟件將進(jìn)行修改和重新設(shè)計(jì)考杉，并需要重新開發(fā)大量新軟件策精。一個(gè)直接結(jié)果就是軟件行業(yè)需要更新更好的開發(fā)方法。本文將通過(guò)案例來(lái)說(shuō)明未來(lái)需要多種而不是單一的開發(fā)方法崇棠。O網(wǎng)頁(yè)鏈接
【A Visual Introduction to Machine Learning】O網(wǎng)頁(yè)鏈接在機(jī)器學(xué)習(xí)中咽袜，計(jì)算機(jī)應(yīng)用統(tǒng)計(jì)學(xué)習(xí)技術(shù)自動(dòng)識(shí)別數(shù)據(jù)模式。這些技術(shù)可以用來(lái)作出非常準(zhǔn)確的預(yù)測(cè)易茬。本文將機(jī)器學(xué)習(xí)的要素用可視化方式進(jìn)行展示酬蹋。轉(zhuǎn)需及老！A Visual Introduction to Machine LearningO網(wǎng)頁(yè)鏈接
The Brain vs Deep Learning Part I: Computational Complexity — Or Why the Singularity Is Nowhere Near | Deep LearningO網(wǎng)頁(yè)鏈接
【論文:面向非凸優(yōu)化的遞歸分解(IJCAI15杰出論文)】《Recursive Decomposition for Nonconvex Optimization》 A Friesen, P Domingos (IJCAI2015)O網(wǎng)頁(yè)鏈接IJCAI2015最佳論文給了 A Friesen和 P Domingos 的《Recursive Decomposition for Nonconvex Optimization》，論文觀察到the local modes of the objective function有combinatorial結(jié)構(gòu), 提出用combinatorial 優(yōu)化方式來(lái)解決局部最優(yōu)問題范抓。Domingos就是牛啊骄恶，多個(gè)工作都非常有開創(chuàng)性?
【Kaggle's CrowdFlower搜索結(jié)果相關(guān)性競(jìng)賽第一名訪談】《CrowdFlower Winner's Interview: 1st place, Chenglong Chen》O網(wǎng)頁(yè)鏈接? 轉(zhuǎn)一發(fā)吧。為了ensemble匕垫，前期花了很多時(shí)間在代碼重構(gòu)方面僧鲁，慢慢分離出來(lái)preprocessing，feature extraction象泵，model building寞秃，model evaluation這個(gè)pipeline，這個(gè)是挺有幫助的偶惠。
零代碼玩兒數(shù)據(jù)春寿！COS沙龍第29期，李棟博士?jī)蓚€(gè)小時(shí)的分享忽孽！ 查看紀(jì)要以及幻燈片绑改，請(qǐng)移步：O網(wǎng)頁(yè)鏈接
Detecting diabetic retinopathy in eye images，神一般的20多層的深度神經(jīng)網(wǎng)絡(luò)O網(wǎng)頁(yè)鏈接
CMU課程：Statistical Machine Learning 10-702/36-702O網(wǎng)頁(yè)鏈接
The Next Wave Of Enterprise Software Powered By Machine LearningO網(wǎng)頁(yè)鏈接
【一個(gè)著名但容易遺忘的訣竅: 對(duì)象池化】O網(wǎng)頁(yè)鏈接對(duì)象池是一種設(shè)計(jì)模式兄一，和一組預(yù)先初始化的實(shí)體打交道厘线，而不是根據(jù)需要處置或者重建這些實(shí)體。每當(dāng)對(duì)象池的客戶使用完對(duì)象出革，把這個(gè)對(duì)象還給對(duì)象池以便循環(huán)使用造壮。比如線程池、連接池都有廣泛應(yīng)用骂束。好文章耳璧，推薦
Open Access 和 Open Source 的親密接觸，我們可能熟悉arXiv展箱，更熟悉GitHub楞抡，現(xiàn)在有一個(gè)這樣的模式：當(dāng)在arXiv 發(fā)表一篇計(jì)算機(jī)類的論文后，幾天后在GitHub上就出現(xiàn)了開源實(shí)現(xiàn)析藕，這樣就促生了 GitXiv： arXiv和GitHub鏈接體，arXiv + Github + Links + Discussion 模式, 不用看了凳厢，沒生物信息類
Gaussian process账胧，in PythonO網(wǎng)頁(yè)鏈接
Research Blog: How Google Translate squeezes deep learning onto a phone# Google翻譯##深度學(xué)習(xí)#O網(wǎng)頁(yè)鏈接
Frameworks and Libraries for Deep Learning - Creative PunchO網(wǎng)頁(yè)鏈接
Cross Validation done wrong | Alfredo MottaO網(wǎng)頁(yè)鏈接
【Development Workflow using Docker and Docker Compose】O網(wǎng)頁(yè)鏈接介紹在Linux和Mac OSX平臺(tái)上利用Docker和Docker Compose搭建Hackathon開發(fā)環(huán)境的過(guò)程。轉(zhuǎn)需先紫！
O網(wǎng)頁(yè)鏈接hpages一小步治泥，#ChIPseeker#一大步，現(xiàn)在做一個(gè)超過(guò)800M的bed file注釋遮精，竟然5分鐘不到就完成了居夹，高手太給力败潦。
【Karatsuba乘法算法詳解】O網(wǎng)頁(yè)鏈接Karatsuba乘法是一種快速乘法。此算法在1960年由Anatolii Alexeevitch Karatsuba 提出准脂，并于1962年得以發(fā)表劫扒。此算法主要用于兩個(gè)大數(shù)相乘。普通乘法的復(fù)雜度是n2狸膏，而Karatsuba算法的復(fù)雜度僅為3nlog3≈3n1.585（log3是以2為底的）沟饥。轉(zhuǎn)需！
【John Horton Conway: 世界上最有魅力的數(shù)學(xué)家】O網(wǎng)頁(yè)鏈接約翰·何頓·康威（John Horton Conway湾戳，1937年12月26日－）贤旷，生于英國(guó)利物浦，數(shù)學(xué)家砾脑，活躍于有限群的研究幼驶、趣味數(shù)學(xué)、紐結(jié)理論韧衣、數(shù)論盅藻、組合博弈論和編碼學(xué)等范疇。都來(lái)看看他傳奇的故事吧!
【A Gentle Introduction to Lockless Concurrency】O網(wǎng)頁(yè)鏈接本文描述了Java里的無(wú)鎖的問題汹族，一個(gè)相當(dāng)有用并容易忽視的主題萧求。實(shí)現(xiàn)無(wú)鎖算法和數(shù)據(jù)結(jié)構(gòu)需要一些基本原理的直覺，好吧顶瞒，讓我們從簡(jiǎn)單的開始吧夸政！
科學(xué)網(wǎng)—泥沙龍筆記：從 sparse data 再論parsing乃是NLP應(yīng)用的核武器@西瓜大丸子湯@算文解字@好東西傳送門@白碩SH@王偉DL@zhazhabaO網(wǎng)頁(yè)鏈接? 我在討論中對(duì)parsing并未有負(fù)面看法，只是對(duì)設(shè)置parsing單獨(dú)環(huán)節(jié)的準(zhǔn)確率指標(biāo)是否有意義提出質(zhì)疑榴徐。
O網(wǎng)頁(yè)鏈接Reasoning about Linguistic Regularities in Word Embeddings using Matrix Manifolds@劉知遠(yuǎn)THU之前劉老師在鵝廠講座時(shí)有提到embedding和mainfold這類思路守问，相比而言，當(dāng)然我的idea簡(jiǎn)直弱爆了坑资。耗帕。 糾正一下 應(yīng)該是詞的語(yǔ)義結(jié)構(gòu) 類似于KB和ontology那類//@Copper_PKU: 恩 像這類Linguistic Regularities， log-bilinear model應(yīng)該足夠了 但我感覺像embedding這類方法應(yīng)該還要加Linguistic rules做正則袱贮，不然扁平model只是reveal了扁平的詞法結(jié)構(gòu)//@劉知遠(yuǎn)THU: 簡(jiǎn)單的反而可能更好仿便。
Word Embedding大家都會(huì)訓(xùn)練，但是在很多句子級(jí)別的任務(wù)中，如何更有效地使用詞級(jí)別的嵌入？我會(huì)在9月里斯本的#EMNLP2015#上介紹一種很簡(jiǎn)單有效的詞嵌入Data Augmentation方法來(lái)自動(dòng)增加有監(jiān)督學(xué)習(xí)的訓(xùn)練數(shù)據(jù)俩檬。另外，我們還通過(guò)推特進(jìn)行了計(jì)算行為學(xué)的研究闻坚，分析了最讓別人討厭的行為。論文稍后送上兢孝。
ECML-PKDD2015 Accepted Papers List窿凤，ECML PKDD會(huì)議接收論文列表O網(wǎng)頁(yè)鏈接
我們將在EMNLP 2015報(bào)告兩個(gè)成果：一個(gè)探索了如何在知識(shí)表示中考慮關(guān)系路徑信息仅偎，顯著提高了關(guān)系抽取等任務(wù)的性能，草稿已放在O網(wǎng)頁(yè)鏈接雳殊。另一個(gè)Online Learning of Interpretable Word Embeddings探索了可解釋詞表示的在線學(xué)習(xí)方法橘沥。稍后將呈上論文代碼和數(shù)據(jù)。歡迎交流相种。第一個(gè)成果由一年級(jí)直博生林衍凱完成威恼，他今年初已在AAAI 2015報(bào)告過(guò)TansR算法，并發(fā)布了TransE/TransH/TransR源碼：O網(wǎng)頁(yè)鏈接寝并。第二個(gè)成果由我組大三本科生羅鴻胤完成箫措。青年才俊啊。
Document Embedding with Paragraph Vectors, Quoc 又把P2V拉出來(lái)遛彎了衬潦。O網(wǎng)頁(yè)鏈接
[1507.06947] Fast and Accurate Recurrent Neural Network Acoustic Models for Speech RecognitionO網(wǎng)頁(yè)鏈接谷歌在語(yǔ)音搜索方面的工作斤蔓，有跳過(guò)音素直接把語(yǔ)音識(shí)別成單詞的初步結(jié)果。雖然錯(cuò)詞率仍不低镀岛，但例子中那幾個(gè)相近詞猜得還是挺像回事的弦牡。
[1507.07636] Reasoning about Linguistic Regularities in Word Embeddings using Matrix ManifoldsO網(wǎng)頁(yè)鏈接用格拉斯曼流形上的測(cè)地線來(lái)研究詞向量之間的關(guān)系，好高大上的學(xué)科交叉捌颉驾锰！
【大腦 vs. 深度學(xué)習(xí) Part I:計(jì)算復(fù)雜度】《The Brain vs Deep Learning Part I: Computational Complexity — Or Why the Singularity Is Nowhere Near》O網(wǎng)頁(yè)鏈接? 此文在 redditO網(wǎng)頁(yè)鏈接上引起了熱烈的討論。上月一篇長(zhǎng)文O網(wǎng)頁(yè)鏈接的作者 jcannell 持相反觀點(diǎn)走越，但尚未和本文作者 timdettmers 直接辯論
【視頻:Hinton在Cambridge介紹深度學(xué)習(xí)及其最新進(jìn)展的報(bào)告】《(Cambridge)Deep Learning: Professor Geoffrey Hinton FRS, 25 June 2015》O網(wǎng)頁(yè)鏈接? 講座給我的感覺：ReLU+dropout+反向傳播基本實(shí)現(xiàn)了神經(jīng)系統(tǒng)中信號(hào)傳播和學(xué)習(xí)方法的精髓椭豫，后面重點(diǎn)在網(wǎng)絡(luò)體系結(jié)構(gòu)，和更多的數(shù)據(jù)及計(jì)算能力旨指。不知道Hinton是不是真有這么樂觀赏酥。
Toward a reproducible machine learning community:O網(wǎng)頁(yè)鏈接非常好, 大家把自己最新的research paper放到 arXiv上， 然后把code放到 github上谆构， 所以就有了這個(gè)社區(qū) gitxiv, 致力于可重復(fù)的實(shí)驗(yàn)裸扶。上面有著名的 skip-thought, deepDream, neural machine translation, char-rnn的實(shí)現(xiàn)...
[1507.06149] Data-free parameter pruning for Deep Neural NetworksO網(wǎng)頁(yè)鏈接通過(guò)合并權(quán)重相近的神經(jīng)元，大大降低網(wǎng)絡(luò)模型的規(guī)模搬素。比如用在 MNIST 訓(xùn)練出的 LeNet 上呵晨，約85%的參數(shù)可以去掉。
【在線最優(yōu)化求解(Online Optimization)"系列+FTRL詳解】【LR的稀疏性問題】熬尺，發(fā)現(xiàn)幾個(gè)比較好的鏈接何荚，非常清晰明了，O網(wǎng)頁(yè)鏈接猪杭，O網(wǎng)頁(yè)鏈接，O網(wǎng)頁(yè)鏈接妥衣，O網(wǎng)頁(yè)鏈接皂吮，O網(wǎng)頁(yè)鏈接戒傻，O網(wǎng)頁(yè)鏈接? 基本上都是在 Mirror Descent 的框架下做
【Python之父Guido談Python】O網(wǎng)頁(yè)鏈接Guido在EuroPython 2015O網(wǎng)頁(yè)鏈接高度評(píng)價(jià)了Django Girls運(yùn)動(dòng)。被問到喜歡的文本編輯器：主要用emacs蜂筹，偶爾也用vi需纳。除了Python外最喜歡的編程語(yǔ)言：C。
【pgcli：可自動(dòng)補(bǔ)齊輸入和語(yǔ)法高亮的MySQL的開源命令行接口】O網(wǎng)頁(yè)鏈接Mycli 支持 MySQL, MariaDB 和 Percona艺挪。源代碼GitHub托管地址：O網(wǎng)頁(yè)鏈接附圖是效果演示動(dòng)畫不翩。@Linux中國(guó)@伯樂頭條@linux命令行精選網(wǎng)
#rust#各種編程語(yǔ)言終究逃脫不了 bioinformatics 的魔掌，Rust 也下手了 麻裳， rust-bio 提供了很多生物信息數(shù)據(jù)結(jié)構(gòu)和算法實(shí)現(xiàn)口蝠，比如Suffix arrays 、BWT變換 津坑、 FM/FMD-Index妙蔗、Smith Waterman 算法、各種匹配算法疆瑰， IO 這塊包括了 FASTA/FASTQ/BED 的接口眉反，Rust 雄起！O網(wǎng)頁(yè)鏈接? 當(dāng)然社區(qū)比較好的穆役， 比如 Python/R 解決問題第一位寸五，性能第二位，興趣第三位耿币。
On Explainability of Deep Neural Networks梳杏，深度神經(jīng)網(wǎng)絡(luò)的可解釋性O網(wǎng)頁(yè)鏈接
最近用大數(shù)據(jù)的方法，我跟朋友合伙在上海開了家精致火鍋店掰读∶啬看食品工程+大數(shù)據(jù)+生命科學(xué)如何顛覆傳統(tǒng)餐飲業(yè)。大數(shù)據(jù)選題蹈集、選址烁试、運(yùn)營(yíng)。店內(nèi)定期有大數(shù)據(jù)沙龍和行業(yè)人士會(huì)晤拢肆。頗辣渝味火鍋减响，虹井路樂虹坊精致生活廣場(chǎng)2樓。閔行區(qū)美食大類綜合評(píng)價(jià)排名第二郭怪。歡迎光臨支示。
最強(qiáng)大的模型往往最簡(jiǎn)單，每每看到把機(jī)器學(xué)習(xí)吹得巨高深巨復(fù)雜的人鄙才，我就塞一句其實(shí)Google廣告系統(tǒng)的主模型就是一個(gè)log regression, 你咬我啊颂鸿。
Logistic Regression實(shí)現(xiàn)簡(jiǎn)單、訓(xùn)練快攒庵、較容易并行化嘴纺、可以online learning败晴、輕松加任何特征，實(shí)乃居家旅游必備的......
悉尼機(jī)器學(xué)習(xí)暑期學(xué)校MLSS 2015的PPT和視頻栽渴，O網(wǎng)頁(yè)鏈接
近期一篇新的技術(shù)Paper《Occlusion Coherence Detecting and Localizing Occluded Faces》尖坤，在FDDB測(cè)試結(jié)果表明可以提高當(dāng)前人臉檢測(cè)的性能。該文提出一種級(jí)聯(lián)可變形部件模型（HPM)來(lái)進(jìn)行人臉探測(cè)和關(guān)鍵點(diǎn)定位闲擦，該模型顯式的對(duì)部分遮擋進(jìn)行了建模慢味。Paper、Code墅冷、數(shù)據(jù)集下載參見：O網(wǎng)頁(yè)鏈接
Percentage of Natives across the US纯路，Census Data Exploration，大Neveda亮瞎了#Kaggle#O網(wǎng)頁(yè)鏈接
《規(guī)模要素：數(shù)據(jù)平臺(tái)的組成和擴(kuò)展》 演講很棒俺榆，PPT更贊感昼，連我這個(gè)作客戶端的都一個(gè)字一個(gè)字的讀完了O網(wǎng)頁(yè)鏈接
【Docker Misconceptions】O網(wǎng)頁(yè)鏈接Docker大張旗鼓地襲擊了傳統(tǒng)的系統(tǒng)領(lǐng)域，盡管它取得令人激動(dòng)不已的進(jìn)步罐脊，但是目前圍繞它存在許多誤解定嗓。點(diǎn)擊前面鏈接了解詳情。
【在國(guó)際學(xué)術(shù)會(huì)議上如何社交萍桌？】羽田中山：1. 大牛們 各場(chǎng)大會(huì)報(bào)告（Plenary / Keynote）的大牛們一定要在coffee break期間捕捉住宵溅，用自己導(dǎo)師的title去打招呼，寒暄幾句即可上炎，他們沒空鳥你恃逻。 2. 小牛們 這個(gè)…O網(wǎng)頁(yè)鏈接（分享自@知乎）
【Cinatra：高性能現(xiàn)代C++ Web框架】Cinatra是由C++開源社區(qū)purecpp發(fā)起的一個(gè)開源項(xiàng)目，是一個(gè)現(xiàn)代C++寫的Web框架藕施，旨在給用戶提供一個(gè)易用寇损、靈活和高性能的Web框架，讓用戶能完全專注于核心邏輯而無(wú)需關(guān)注http細(xì)節(jié)裳食。O網(wǎng)頁(yè)鏈接
大家有沒有好的基于室內(nèi)rgbd的平面檢測(cè)(plane detection)工作介紹矛市？
paper is here:O網(wǎng)頁(yè)鏈接? 很贊的paper，只用了單張rgb, model architecture挺有意思诲祸。目前我想做的是從單張的depth去做室內(nèi)平面檢測(cè)浊吏，特別是地面
【如何讓機(jī)器學(xué)習(xí)得更快——深度學(xué)習(xí)并行訓(xùn)練算法淺析】近幾年，語(yǔ)音識(shí)別救氯、圖像識(shí)別等感知智能的核心效果得到了長(zhǎng)足的進(jìn)展找田，然而其背后的超大規(guī)模深度學(xué)習(xí)平臺(tái)還不為眾人所知，本演講為大家揭開基于深度神經(jīng)網(wǎng)絡(luò)人工智能的深度學(xué)習(xí)平臺(tái)的神秘面紗着憨。O網(wǎng)頁(yè)鏈接
福利：GATK 2013年 研討會(huì)幻燈片墩衙，O網(wǎng)頁(yè)鏈接Dropbox 地址：O網(wǎng)頁(yè)鏈接內(nèi)容講的很多，可以系統(tǒng)的學(xué)習(xí)下GATK 百度盤了 跟大家共享O網(wǎng)頁(yè)鏈接
ACL2015的最佳論文獎(jiǎng)得主好像不懂Pearson Correlation有什么問題... 也不知道Spearman是nonparametric的。我建議大家了解一下Pearson和Spearman的區(qū)別和異同：O網(wǎng)頁(yè)鏈接? 沒有啊漆改，我在大會(huì)上當(dāng)著1000人的面問了她Spearman correlation啊植袍。回頭你們可以看視頻籽懦。純屬個(gè)人的看法，我沒有覺得這篇最佳論文特別的出色氛魁。對(duì)regression問題的評(píng)價(jià)大家都知道用MAE和Pearson吧暮顺。
【How to Create NBA Shot Charts in Python】O網(wǎng)頁(yè)鏈接本文介紹了如何抽取NBA球員的投籃數(shù)據(jù)然后用matplotlib和seaborn繪制統(tǒng)計(jì)圖。轉(zhuǎn)需秀存！
【通過(guò)Mesos捶码、Docker和Go，使用300行代碼創(chuàng)建一個(gè)分布式系統(tǒng)】雖然Docker和Mesos已成為不折不扣的Buzzwords或链，但是對(duì)于大部分人來(lái)說(shuō)它們?nèi)匀皇悄吧谋鼓眨旅嫖覀兙鸵黄痤I(lǐng)略Mesos、Docker和Go配合帶來(lái)的強(qiáng)大破壞力澳盐，如何通過(guò)300行代碼打造一個(gè)比特幣開采系統(tǒng)祈纯。O網(wǎng)頁(yè)鏈接
Toward a reproducible machine learning community:O網(wǎng)頁(yè)鏈接非常好, 大家把自己最新的research paper放到 arXiv上， 然后把code放到 github上叼耙， 所以就有了這個(gè)社區(qū) gitxiv, 致力于可重復(fù)的實(shí)驗(yàn)腕窥。上面有著名的 skip-thought, deepDream, neural machine translation, char-rnn的實(shí)現(xiàn)...
【Game Analytics 開源自己的Erlang集群調(diào)度器】O網(wǎng)頁(yè)鏈接該庫(kù)實(shí)現(xiàn)了一個(gè)通用的調(diào)度程序，用于處理集群中的任務(wù)筛婉。任務(wù)的生成和處理是專門為特定的應(yīng)用程序簇爆。客戶端通過(guò)一個(gè)回調(diào)來(lái)執(zhí)行爽撒，并返回一個(gè)消息入蛆，指示任務(wù)的狀態(tài)。
《一起寫一個(gè)Web服務(wù)器（3）》在本系列第二部分硕勿，你已經(jīng)創(chuàng)造了一個(gè)可以處理基本的 HTTP GET 請(qǐng)求的 WSGI 服務(wù)器哨毁。我還問了你一個(gè)問題，“怎么讓服務(wù)器在同一時(shí)間處理多個(gè)請(qǐng)求首尼？”在本文中你將找到答案挑庶。O網(wǎng)頁(yè)鏈接（高世界 譯，歡迎加入翻譯組：O網(wǎng)頁(yè)鏈接）
【Switching Eds: 應(yīng)用Python软能，dlib和OpenCV切換面孔】O網(wǎng)頁(yè)鏈接本文描述了如何編寫一個(gè)200行代碼的Python腳本自動(dòng)將第二個(gè)臉孔圖像的面部特性替換掉第一個(gè)面孔圖像的面部特性迎捺。源代碼GitHub地址：O網(wǎng)頁(yè)鏈接有意思！
EMNLP2015：都柏林城市大學(xué)（DCU）博士生李良友Liangyou Li的論文Dependency Graph-to-String Translation被錄用查排。該論文提出了一種基于Synchronous Edge Replacement Grammar的機(jī)器翻譯模型凳枝，該方法將依存樹轉(zhuǎn)換成圖形式，表達(dá)能力優(yōu)于依存樹到串模型，在中英和德英上的實(shí)驗(yàn)都顯著超過(guò)目前最好模型岖瑰。
開源大戶Facebook又公布了一個(gè)開源項(xiàng)目——超高速數(shù)據(jù)傳輸工具WDT叛买。可被視為一個(gè)嵌入式的庫(kù)或命令行工具蹋订，試圖利用多個(gè)TCP路徑提高兩個(gè)系統(tǒng)間傳送文件的效率率挣。據(jù)透露，在Facebook內(nèi)部傳輸系統(tǒng)之間的RocksDB快照時(shí)露戒，WDT通過(guò)長(zhǎng)距離和高延遲的傳輸鏈路提供了高達(dá)600MB/s的傳輸速率椒功。O網(wǎng)頁(yè)鏈接
剛讀到一篇關(guān)于metagenome的 Data Note 文章, GigaScience 做了一個(gè)很好的嘗試，基因組/元基因組的項(xiàng)目使用工具比較多智什，可重復(fù)性真的是個(gè)問題动漾， 那好，把所有的東西都扔到Docker里完成運(yùn)行整個(gè)流程荠锭，把Dockerfile 提交到 Docker Hub Registry旱眯，把腳本扔到Github，隨便重復(fù)证九，O網(wǎng)頁(yè)鏈接? 這樣意味著科研服務(wù)這塊盡可能使用開源/免費(fèi)的應(yīng)用可以增強(qiáng)可重復(fù)性删豺，該Docker流程里出現(xiàn)了一個(gè)這樣的問題： KEGG 數(shù)據(jù)庫(kù)商業(yè)版本不能放進(jìn)去，總感覺有瑕疵甫贯！
【論文:基于段向量的文檔表示】《Document Embedding with Paragraph Vectors》AM Dai, C Olah, QV Le, GS Corrado (2014)O網(wǎng)頁(yè)鏈接筆記《Notes on Document Embedding with Paragraph Vectors》O網(wǎng)頁(yè)鏈接參考向量表示總結(jié):O愛可可-愛生活 在6月版里arXiv實(shí)驗(yàn)的最好結(jié)果是50維LDA吼鳞，正確率85.8%。發(fā)上arXiv這版LDA就從100維開始做叫搁，正確率85%赔桌，然后結(jié)論是和段向量持平。話說(shuō)這樣好嗎渴逻？//@愛可可-愛生活: arXiv:O網(wǎng)頁(yè)鏈接參閱:OCopper_PKU
【Visualizing GoogLeNet Classes 】O網(wǎng)頁(yè)鏈接想沒有想過(guò)深度神經(jīng)網(wǎng)絡(luò)應(yīng)該是樣子疾党？醉經(jīng)發(fā)表一個(gè)帖子，描述如何使用深度神經(jīng)網(wǎng)絡(luò)來(lái)產(chǎn)生類的可視化和利用inceptionism方法來(lái)修改圖像惨奕。通過(guò)此方法也發(fā)表他們修改圖像雪位，但是，他們沒有發(fā)表本帖顯示的類可視化的代碼梨撞。轉(zhuǎn)需雹洗！
AI還遠(yuǎn)沒實(shí)現(xiàn)，但保護(hù)組織已經(jīng)有了卧波，請(qǐng)善待強(qiáng)化學(xué)習(xí)算法时肿！petrl.orgO網(wǎng)頁(yè)鏈接
