機器學習(Machine Learning)&深度學習(Deep Learning)資料(Chapter 2)

注:機器學習資料篇目一共500條,篇目二開始更新

希望轉(zhuǎn)載的朋友，你可以不用聯(lián)系我．但是一定要保留原文鏈接舵盈，因為這個項目還在繼續(xù)也在不定期更新．希望看到文章的朋友能夠?qū)W到更多．此外:某些資料在中國訪問需要梯子.

• 《Image Scaling using Deep Convolutional Neural Networks》

介紹:使用卷積神經(jīng)網(wǎng)絡(luò)的圖像縮放.

• 《Proceedings of The 32nd International Conference on Machine Learning》

介紹:ICML2015 論文集,優(yōu)化4個+稀疏優(yōu)化1個郭厌；強化學習4個，深度學習3個+深度學習計算1個；貝葉斯非參允华、高斯過程和學習理論3個；還有計算廣告和社會選擇.ICML2015 Sessions.

• 《Image Scaling using Deep Convolutional Neural Networks》

介紹:使用卷積神經(jīng)網(wǎng)絡(luò)的圖像縮放.

• 《Microsoft researchers accelerate computer vision accuracy and improve 3D scanning models》

介紹:，第28屆IEEE計算機視覺與模式識別(CVPR)大會在美國波士頓舉行印蓖。微軟研究員們在大會上展示了比以往更快更準的計算機視覺圖像分類新模型，并介紹了如何使用Kinect等傳感器實現(xiàn)在動態(tài)或低光環(huán)境的快速大規(guī)模3D掃描技術(shù).

• 《Machine Learning for Humans》

介紹:(文本)機器學習可視化分析工具.

• 《A Plethora of Tools for Machine Learning》

介紹:機器學習工具包/庫的綜述/比較.

• 《The art of visualizing visualizations: a best practice guide》

介紹:數(shù)據(jù)可視化最佳實踐指南.

• 《MIT Machine Learning for Big Data and Text Processing Class Notes - Day 1》

介紹:Day 1京腥、Day 2、Day 3溅蛉、Day 4公浪、Day 5.

• 《Getting “deep” about “deep learning”》

介紹:深度學習之“深”——DNN的隱喻分析.

• 《Mixture Density Networks》

介紹:混合密度網(wǎng)絡(luò).

• 《Interview Questions for Data Scientist Positions》

介紹:數(shù)據(jù)科學家職位面試題.

• 《Accurately Measuring Model Prediction Error》

介紹:準確評估模型預測誤差.

• 《Continually updated Data Science Python Notebooks》

介紹:Continually updated Data Science Python Notebooks.

• 《How to share data with a statistician》

介紹:How to share data with a statistician.

• 《The Eyescream Project NeuralNets dreaming natural images》

介紹:來自Facebook的圖像自動生成.

• 《How to share data with a statistician》

介紹:How to share data with a statistician.

• 《A Neural Conversational Model》

介紹:(Google)神經(jīng)(感知)會話模型.

• 《The 50 Best Masters in Data Science》

介紹:The 50 Best Masters in Data Science.

• 《NLP常用信息資源》

介紹:NLP常用信息資源.

• 《Conditional Random Fields as Recurrent Neural Networks》

介紹:語義圖像分割的實況演示,通過深度學習技術(shù)和概率圖模型的語義圖像分割.

• 《Fully Convolutional Networks for Semantic Segmentation》

介紹:Caffe模型/代碼:面向圖像語義分割的全卷積網(wǎng)絡(luò),模型代碼.

• 《Growing Pains for Deep Learning》

介紹:深度學習——成長的煩惱.

• 《Clustering Text Data Streams – A Tree based Approach with Ternary Function and Ternary Feature Vector 》

介紹:基于三元樹方法的文本流聚類.

• 《Foundations and Advances in Data Mining》

介紹:Free Ebook:數(shù)據(jù)挖掘基礎(chǔ)及最新進展.

• 《The Deep Learning Revolution: Rethinking Machine Learning Pipelines》

介紹:深度學習革命.

• 《The Definitive Guide to Do Data Science for Good》

介紹:數(shù)據(jù)科學(實踐)權(quán)威指南.

• 《Microsoft Academic Graph》

介紹:37G的微軟學術(shù)圖譜數(shù)據(jù)集.

• 《Challenges and Opportunities Of Machine Learning In Production》

介紹:生產(chǎn)環(huán)境(產(chǎn)品級)機器學習的機遇與挑戰(zhàn).

• 《Neural Nets for Newbies》

介紹:神經(jīng)網(wǎng)絡(luò)入門.

• 《A Nearly-Linear Time Framework for Graph-Structured Sparsity》

介紹:來自麻省理工的結(jié)構(gòu)化稀疏論文.

• 《Optimal and Adaptive Algorithms for Online Boosting》

介紹:來自雅虎的機器學習小組關(guān)于在線Boosting的論文 .

• 《Top 20 Python Machine Learning Open Source Projects》

介紹:20個最熱門的開源(Python)機器學習項目.

• 《The Parallel C++ Statistical Library for Bayesian Inference: QUESO》

介紹:C++并行貝葉斯推理統(tǒng)計庫QUESO,github code.

• 《《Deep learning》Yann LeCun, Yoshua Bengio, Geoffrey Hinton (2015) 》

介紹:Nature:LeCun/Bengio/Hinton的最新文章《深度學習》,Jürgen Schmidhuber的最新評論文章《Critique of Paper by "Deep Learning Conspiracy" (Nature 521 p 436)》.

• 《Palladium》

介紹:基于Scikit-Learn的預測分析服務(wù)框架Palladium.

• 《Advances in Structured Prediction》

介紹:John Langford和Hal Daume III在ICML2015上關(guān)于Learning to Search的教學講座幻燈片.

• 《100 open source Big Data architecture papers for data professionals》

介紹:讀完這100篇論文 就能成大數(shù)據(jù)高手,國內(nèi)翻譯.

• 《Social Media & Text Analytics》

介紹:NLP課程《社交媒體與文本分析》精選閱讀列表.

• 《Machine Learning for Developers》

介紹:寫給開發(fā)者的機器學習指南.

• 《Hot news detection using Wikipedia》

介紹:基于維基百科的熱點新聞發(fā)現(xiàn).

• 《Harvard Intelligent Probabilistic Systems Group》

介紹:(Harvard)HIPS將發(fā)布可擴展/自動調(diào)參貝葉斯推理神經(jīng)網(wǎng)絡(luò).

• 《An Empirical Exploration of Recurrent Network Architectures》

介紹:面向上下文感知查詢建議的層次遞歸編解碼器.

• 《Efficient Training of LDA on a GPU by Mean-for-Mode Estimation》

介紹:GPU上基于Mean-for-Mode估計的高效LDA訓練.

• 《From the Lab to the Factory: Building a Production Machine Learning Infrastructure》

介紹:從實驗室到工廠——構(gòu)建機器學習生產(chǎn)架構(gòu).

• 《6 Useful Databases to Dig for Data (and 100 more)》

介紹:適合做數(shù)據(jù)挖掘的6個經(jīng)典數(shù)據(jù)集(及另外100個列表).

• 《Deep Networks for Computer Vision at Google – ILSVRC2014》

介紹:Google面向機器視覺的深度學習.

• 《How to choose a machine learning API to build predictive apps》

介紹:構(gòu)建預測類應用時如何選擇機器學習API.

• 《Exploring the shapes of stories using Python and sentiment APIs》

介紹:Python+情感分析API實現(xiàn)故事情節(jié)(曲線)分析.

• 《Movie selection using R》

介紹:(R)基于Twitter/情感分析的口碑電影推薦,此外推薦分類算法的實證比較分析.

• 《A Tutorial on Graph-based Semi-Supervised Learning Algorithms for NLP》

介紹:CMU(ACL 2012)(500+頁)面向NLP基于圖的半監(jiān)督學習算法.

• 《Arbitrariness of peer review: A Bayesian analysis of the NIPS experiment》

介紹:從貝葉斯分析NIPS，看同行評審的意義.

• 《Basics of Computational Reinforcement Learning》

介紹:(RLDM 2015)計算強化學習入門.

• 《Deep Reinforcement Learning》

介紹:David Silver的深度強化學習教程.

• 《On Explainability of Deep Neural Networks》

介紹:深度神經(jīng)網(wǎng)絡(luò)的可解釋性.

• 《The Essential Spark Cheat Sheet》

介紹:Spark快速入門.

• 《Machine Learning for Sports and Real Time Predictions》

介紹:TalkingMachines:面向體育/政治和實時預測的機器學習.

• 《CS224W: Social and Information Network Analysis Autumn 2014》

介紹: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).

• 《RL Course by David Silver》

介紹:David Silver(DeeMind)的強化學習課程,slide.

• 《Faster deep learning with GPUs and Theano》

介紹:基于Theano/GPU的高效深度學習.

• 《Introduction to R Programming》

介紹:來自微軟的<R編程入門>.

• 《Golang:Web Server For Performing Sentiment Analysis》

介紹:(Go)情感分析API服務(wù)Sentiment Server.

• 《A Beginner’s Guide to Restricted Boltzmann Machines》

介紹:受限波爾茲曼機初學者指南.

• 《KDD2015十年最佳論文》

介紹:Mining and Summarizing Customer Reviews ,Mining High-Speed Data Streams,Optimizing Search Engines using Clickthrough Data.

• 《Nvidia Deep Learning Courses》

介紹:Nvidia深度學習課程.

• 《Deep Learning Summer School 2015》

介紹:2015年深度學習暑期課程船侧，推薦講師主頁.

• 《百度深度學習的圖像識別進展》

介紹:這是一篇關(guān)于百度文章《基于深度學習的圖像識別進展：百度的若干實踐》的摘要,建議兩篇文章結(jié)合起來閱讀.

• 《Machine Learning Methods in Video Annotation》

介紹:視頻標注中的機器學習技術(shù).

• 《Training Recurrent Neural Networks》

介紹:博士論文:(Ilya Sutskever)RNN訓練.

• 《On Explainability of Deep Neural Networks》

介紹:深度神經(jīng)網(wǎng)絡(luò)的灰色區(qū)域：可解釋性問題欠气，中文版.

• 《Machine Learning Libraries in GoLang by Category》

介紹:Golang 實現(xiàn)的機器學習庫資源匯總.

• 《A Statistical View of Deep Learning》

介紹:深度學習的統(tǒng)計分析.

• 《Deep Learning For NLP - Tips And Techniques》

介紹:面向NLP的深度學習技術(shù)與技巧.

• 《CrowdFlower Competition Scripts: Approaching NLP》

介紹:Kaggle's CrowdFlower競賽NLP代碼集錦.

• 《CS224U: Natural Language Understanding》

介紹:斯坦福的自然語言理解課程.

• 《Deep Learning and Shallow Learning》

介紹:Deep Learning與Shallow Learning 介紹

• 《A First Encounter with Machine Learning》

介紹:這是一本機器學習的電子書,作者Max Welling先生在機器學習教學上面有著豐富的經(jīng)驗,這本書小但精致.

• 《Click Models for Web Search》

介紹:由荷蘭阿姆斯特丹大學 & 谷歌瑞士著.

• 《Hinton CSC321課程/Deep Learning/Notes on CNN/Python/Theano/CUDA/OpenCV/...》

介紹:介紹個樂于總結(jié)和翻譯機器學習和計算機視覺類資料的博客,包含的內(nèi)容：Hinton的CSC321課程的總結(jié)；Deep Learning綜述镜撩；Notes on CNN的總結(jié)预柒；python的原理總結(jié)；Theano基礎(chǔ)知識和練習總結(jié)袁梗；CUDA原理和編程宜鸯；OpenCV一些總結(jié).

• 《Which Algorithm Family Can Answer My Question?》

介紹:針對具體問題(應用場景)如何選擇機器學習算法(系列).

• 《Free Data Science Books》

介紹:數(shù)據(jù)科學免費書分類集合

• 《Tutorial 4: Deep Learning for Speech Generation and Synthesis》

介紹:深度學習在語音合成最新進展有哪些？推薦MSRA的Frank Soong老師關(guān)于語音合成的深度學習方法的錄像和幻燈片與以及谷歌的LSTM-RNN合成介紹,論文

• 《The Art of Data Science》

介紹:新書(可免費下載):數(shù)據(jù)科學的藝術(shù)

• 《Pattern Recognition and Machine Learning》

介紹:模式識別與機器學習書籍推薦,本書是微軟劍橋研究院大神Bishop所寫遮怜，算是最為廣為認知的機器學習教材之一淋袖，內(nèi)容覆蓋全面，難度中上锯梁，適合研究生中文版 or 備份

• 《an introduction to visualizing DATA》

介紹:數(shù)據(jù)可視化介紹(23頁袖珍小冊子)

• 《That’s So Annoying!!!: A Lexical and Frame-Semantic Embedding Based Data Augmentation Approach to Automatic Categorization of Annoying Behaviors using #petpeeve Tweets ?》

介紹:這篇論文榮獲EMNLP2015的最佳數(shù)據(jù)/資源獎優(yōu)秀獎,標注的推特數(shù)據(jù)集

• 《26 Things I Learned in the Deep Learning Summer School》

介紹:作者在深度學習的思考.

• 《Data-Visualization Tools & Books》

介紹:數(shù)據(jù)可視化常用工具軟件資源匯總

• 《Machine Learning and Probabilistic Graphical Models Course》

介紹:Buffalo大學教授Sargur Srihari的“機器學習和概率圖模型”的視頻課程

• 《Understanding Machine Learning: From Theory to Algorithms》

介紹:耶路撒冷希伯來大學教授Shai Shalev-Shwartz和滑鐵盧大學教授Shai Ben-David的新書Understanding Machine Learning: From Theory to Algorithms,此書寫的比較偏理論即碗，適合對機器學習理論有興趣的同學選讀

• 《Machine Learning Checklist》

介紹:機器學習學習清單

• 《NLP界有哪些神級人物？》

介紹:知乎上面的一篇關(guān)于NLP界有哪些神級人物陌凳？提問剥懒。首推Michael Collins

• 《機器學習溫和指南》

介紹:機器學習與NLP專家、MonkeyLearn聯(lián)合創(chuàng)始人&CEO Raúl Garreta面向初學者大體概括使用機器學習過程中的重要概念合敦，應用程序和挑戰(zhàn)初橘，旨在讓讀者能夠繼續(xù)探尋機器學習知識。

• 《Gradient Boosted Regression Trees》

介紹:(IPN)基于Scikit-Learn的GBRT(Gradient Boost Regression Tree)教程，slide

• 《Apache SINGA : Distributed Deep Learning System》

介紹: 無需做深度學習就能用的分布式深度學習軟件.

• 《E-commerce Recommendation with Personalized Promotion》

介紹: 在亞馬遜數(shù)據(jù)和眾包Mechanical Turk上壁却，實現(xiàn)了來自彩票和拍賣的機制批狱，以收集用戶對產(chǎn)品的樂意購買價格（WTP，willingness-to-pay）訓練集展东。 E-commerce Recommendation with Personalized Promotion [Zhao,RecSys15] 回歸模型預測未知WTP赔硫，提升賣家利潤和消費者滿意度

• 《Scalable Machine Learning》

介紹:來自伯克利分校的大規(guī)模機器學習.

• 《機器學習資料大匯總》

介紹:來自52ml的機器學習資料大匯總.

• 《Automatic Summarization》

介紹:這本書的作者McKeown是2013年世界首個數(shù)據(jù)科學院（位于哥倫比亞大學）主任，她亦是ACL盐肃、AAAI和ACM Fellow .

• 《Proceedings of the 2015 Conference on Empirical Methods in Natural Language Processing》

介紹:EMNLP-15文本摘要若干.

• 《Recommender Systems (Machine Learning Summer School 2014 @ CMU)》

介紹:來自Netflix的Xavier Amatriain在Summer School 2014 @ CMU上長達4小時的報告爪膊，共248頁，是對推薦系統(tǒng)發(fā)展的一次全面綜述砸王，其中還包括Netflix在個性化推薦方面的一些經(jīng)驗介紹.

• 《BigData Stream Mining》

介紹:(ECML PKDD 2015)大數(shù)據(jù)流挖掘教程,此外推薦ECML PKDD 2015 Tutorial列表.

• 《Deep learning on Spark with Keras》

介紹:Spark上的Keras深度學習框架Elephas.

• 《Prof. Surya Ganguli - The statistical physics of deep learning》

介紹:Surya Ganguli深度學習統(tǒng)計物理學.

• 《(系統(tǒng)/算法/機器學習/深度學習/圖模型/優(yōu)化/...)在線視頻課程列表》

介紹:(系統(tǒng)/算法/機器學習/深度學習/圖模型/優(yōu)化/...)在線視頻課程列表.

• 《Introduction to Topic Modeling in Python》

介紹:(PyTexas 2015)Python主題建模.

• 《Large Scale Distributed Deep Learning on Hadoop Clusters》

介紹:Hadoop集群上的大規(guī)模分布式機器學習.

• 《Top Deep Learning Employers Based On LinkedIn Data》

介紹:基于LinkedIn數(shù)據(jù)得出的深度學習熱門"東家"排行.

• 《Neural Net in C++ Tutorial》

介紹:(c++)神經(jīng)網(wǎng)絡(luò)手把手實現(xiàn)教程.

• 《Large-scale CelebFaces Attributes (CelebA) Dataset》

介紹:香港中文大學湯曉鷗教授實驗室公布的大型人臉識別數(shù)據(jù)集： Large-scale CelebFaces Attributes (CelebA) Dataset 10K 名人推盛，202K 臉部圖像，每個圖像40余標注屬性.

• 《Unsupervised Feature Learning in Computer Vision》

介紹:面向機器視覺的無監(jiān)督特征學習,Ross Goroshin's webpage.

• 《Scheduled Sampling for Sequence Prediction with Recurrent Neural Networks》

介紹:谷歌研究院Samy Bengio等人最近寫的RNN的Scheduled Sampling訓練方法論文.

• 《Essential Machine Learning Algorithms in a nutshell》

介紹:機器學習基本算法簡要入門.

• 《A Huge List of Machine Learning And Statistics Repositories》

介紹:Github機器學習/數(shù)學/統(tǒng)計/可視化/深度學習相關(guān)項目大列表.

• 《Information Processing and Learning》

介紹:CMU的信息論課程.

• 《Scheduled sampling for sequence prediction with recurrent neural networks》

介紹:谷歌研究院Samy Bengio等人最近寫的RNN的Scheduled Sampling訓練方法論文.

• 《基于Hadoop集群的大規(guī)模分布式深度學習》

介紹:基于Hadoop集群的大規(guī)模分布式深度學習.

• 《Learning both Weights and Connections for Efficient Neural Networks習》

介紹:來自斯坦福大學及NVIDIA的工作谦铃，很實在很實用耘成。采用裁剪網(wǎng)絡(luò)連接及重訓練方法，可大幅度減少CNN模型參數(shù)驹闰。針對AlexNet瘪菌、VGG等模型及ImageNet數(shù)據(jù)，不損失識別精度情況下嘹朗，模型參數(shù)可大幅度減少9-13倍.

• 《Apache Singa --A General Distributed Deep Learning Platform》

介紹:無需做深度學習就能用的分布式深度學習軟件,github.

• 《24 Ultimate Data Scientists To Follow in the World Today》

介紹:當今世界最NB的25位大數(shù)據(jù)科學家,通過他們的名字然后放在google中搜索肯定能找到很多很棒的資源譯文.

• 《Deep Learning for NLP - Lecture October 2015》

介紹:Nils Reimers面向NLP的深度學習(Theano/Lasagne)系列教程.

• 《Connection between probability theory and real analysis》

介紹:主講人是陶哲軒,資料Probability: Theory and Examples,筆記.

• 《Data Science Learning Resources》

介紹:數(shù)據(jù)科學(學習)資源列表.

• 《8 Tactics to Combat Imbalanced Classes in Your Machine Learning Dataset》

介紹:應對非均衡數(shù)據(jù)集分類問題的八大策略.

• 《Top 20 Data Science MOOCs》

介紹:重點推薦的20個數(shù)據(jù)科學相關(guān)課程.

• 《Recurrent Neural Networks》

介紹:遞歸神經(jīng)網(wǎng)絡(luò).

• 《Histograms of Oriented Gradients》

介紹:(HOG)學習筆記.

• 《Computational modelling courses》

介紹:計算建模/計算神經(jīng)學課程匯總.

• 《How We Use Deep Learning to Classify Business Photos at Yelp》

介紹:(Yelp)基于深度學習的商業(yè)圖片分類.

• 《Neural Networks and Deep Learning》

介紹:免費在線書《Neural Networks and Deep Learning》神經(jīng)網(wǎng)絡(luò)與深度學習师妙。目前提供了前四章的草稿，第一章通過手寫數(shù)字識別的例子介紹NN屹培，第二章講反向傳播算法默穴，第三章講反向傳播算法的優(yōu)化，第四章講NN為什么能擬合任意函數(shù)褪秀。大量python代碼例子和交互動畫蓄诽，生動有趣.中文版

• 《Books to Read if You Might Be Interested in Data Science》

介紹:數(shù)據(jù)科學大咖薦書(入門).

• 《Deep Learning for NLP resources》

介紹:NLP 深度學習資源列表.

• 《GitXiv》

介紹:很多arXiv上面知名論文可以在這個網(wǎng)站找到github的項目鏈接.

• 《Learning Multi-Domain Convolutional Neural Networks for Visual Tracking》

介紹:深度學習在視覺跟蹤的探索.

• 《Beginners Guide: Apache Spark Machine Learning Scenario With A Large Input Dataset》

介紹:Spark機器學習入門實例——大數(shù)據(jù)集(30+g)二分類.

• 《Semantic Scholar》

介紹:保羅艾倫人工智能實驗室表示，Google Scholar是十年前的產(chǎn)物媒吗，他們現(xiàn)在想要做進一步的提高若专。于是推出了全新的，專門針對科學家設(shè)計的學術(shù)搜索引擎Semantic Scholar.

• 《Semi-Supervised Learning》

介紹:半監(jiān)督學習,Chapelle.篇篇都是經(jīng)典,作者包括Vapnik,Bengio,Lafferty,Jordan.此外推薦Xiaojin (Jerry) Zhu編寫的Introduction to Semi-Supervised Learning.

介紹:Spark機器學習入門實例——大數(shù)據(jù)集(30+g)二分類.

• 《Free Resources for Beginners on Deep Learning and Neural Network》

介紹:為入門者準備的深度學習與神經(jīng)網(wǎng)絡(luò)免費資源.

• 《TensorFlow is an Open Source Software Library for Machine Intelligence》

介紹:Google 開源最新機器學習系統(tǒng) TensorFlow,此外提供TensorFlow白皮書white paper of tensorflow 2015.hacker news,Google大牛解讀TensorFlow

• 《Veles:Distributed machine learning platform》

介紹:三星開源的快速深度學習應用程序開發(fā)分布式平臺.

• 《DMTK:Microsoft Distributed Machine Learning Tookit 》

介紹:分布式機器學習工具包.

• 《Semantics Approach to Big Data and Event Processing》

介紹:語義大數(shù)據(jù)——大數(shù)據(jù)/事件處理的語義方法.

• 《LSTM(Long Short Term Memory)和RNN(Recurrent)學習教程》

介紹:LSTM(Long Short Term Memory)和RNN(Recurrent)學習教程.

• 《Marvin：A minimalist GPU-only N-dimensional ConvNet framework》

介紹:Princeton Vision Group的深度學習庫開源.

• 《Ufora is a compiled, automatically parallel subset of python for data science and numerical computing》

介紹:基于AWS的自動分布式科學計算庫Ufora,Why I Open Sourced Five Years of Work.

• 《Deep Learning and Deep Data Science - PyCon SE 2015》

介紹:(PyCon SE 2015)深度學習與深度數(shù)據(jù)科學.

• 《Zhi-Hua Zhou Papers》

介紹:推薦南京大學機器學習與數(shù)據(jù)挖掘研究所所長——周志華教授的Google學術(shù)主頁.

• 《Advanced Linear Models for Data Science》

介紹:免費書:面向數(shù)據(jù)科學的高級線性模型.

• 《Net2Net: Accelerating Learning via Knowledge Transfer》

介紹:基于知識遷移的神經(jīng)網(wǎng)絡(luò)高效訓練Net2Net.

• 《徐亦達機器學習課程 Variational Inference》

介紹:徐亦達機器學習課程 Variational Inference.

• 《Learning the Architecture of Deep Neural Networks》

介紹:深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)學習.

• 《Multimodal Deep Learning》

介紹:來自斯坦福大學的Multimodal Deep Learning papers.

• 《深度學習簡析,TensorFlow,Torch,Theano,Mxnet》

介紹:深度學習簡析,TensorFlow,Torch,Theano,Mxnet.

• 《"Notes Essays —CS183C: Technology-enabled Blitzscaling?—?Stanford University》

介紹:這個專欄是一個stanford學生做的CS183c課程的一個note蝴猪，該課程是由Reid Hoffman等互聯(lián)網(wǎng)boss級人物開設(shè)的调衰，每節(jié)課請一位巨頭公司的相關(guān)負責人來做訪談，講述該公司是怎么scale的自阱。最新兩期分別請到了雅虎的梅姐和airbnb創(chuàng)始人Brian Chesky嚎莉。.

• 《Natural Language Understanding with Distributed Representation》

介紹:基于分布式表示的自然語言理解(100+頁),論文.

• 《Recommender Systems Handbook》

介紹:推薦系統(tǒng)手冊.

• 《Understanding LSTM Networks》

介紹:理解LSTM網(wǎng)絡(luò)翻譯.

• 《Machine Learning at Quora》

介紹:機器學習在quora中的應用.

• 《On Learning to Think: Algorithmic Information Theory for Novel Combinations of Reinforcement Learning Controllers and Recurrent Neural World Models》

介紹:思維學習——RL+RNN算法信息論.

• 《The 5 Ways Data Scientists Keep Learning After College》

介紹:數(shù)據(jù)科學家畢業(yè)后繼續(xù)學習的5種方式.

• 《Deep Learning in Neural Networks: An Overview》

介紹:深度學習在神經(jīng)網(wǎng)絡(luò)的應用.

• 《Contextual Learning》

介紹:上下文學習,代碼.

• 《Machine Learning For Complete Beginners》

介紹:機器學習零基礎(chǔ)入門,代碼.

• 《2015年中國計算機學會（CCF）優(yōu)秀博士學位論文》

介紹:2015年度CCF優(yōu)秀博士學位論文獎?wù)撐牧斜?

• 《Learning to Hash Paper, Code and Dataset》

介紹:Learning to Hash Paper, Code and Dataset.

• 《Neural networks with Theano and Lasagne》

介紹:(PyData2015)基于Theano/Lasagne的CNN/RNN教程,github.

• 《神經(jīng)網(wǎng)絡(luò)與深度學習講義》

介紹:復旦大學邱錫鵬老師編寫的神經(jīng)網(wǎng)絡(luò)與深度學習講義,ppt.

• 《Microsoft Open Sources Distributed Machine Learning Toolkit》

介紹:微軟亞洲研究院開源分布式機器學習工具包.

• 《語音識別的技術(shù)原理是什么？》

介紹:語音識別的技術(shù)原理淺析

• 《Michael I. Jordan》

介紹:邁克爾·I.喬丹的主頁.根據(jù)主頁可以找到很多資源沛豌。邁克爾·I.喬丹是知名的計算機科學和統(tǒng)計學學者趋箩，主要研究機器學習和人工智能赃额。他的重要貢獻包括指出了機器學習與統(tǒng)計學之間的聯(lián)系，并推動機器學習界廣泛認識到貝葉斯網(wǎng)絡(luò)的重要性叫确。

• 《Geoff Hinton》

介紹:杰弗里·埃弗里斯特·辛頓 FRS是一位英國出生的計算機學家和心理學家跳芳，以其在神經(jīng)網(wǎng)絡(luò)方面的貢獻聞名。辛頓是反向傳播算法和對比散度算法的發(fā)明人之一竹勉，也是深度學習的積極推動者.通過他的主頁可以發(fā)掘到很多Paper以及優(yōu)秀學生的paper,此外推薦他的學生Yann Lecun主頁

• 《Yoshua Bengio》

介紹:Yoshua Bengio是機器學習方向的牛人,如果你不知道可以閱讀對話機器學習大神Yoshua Bengio（上）,對話機器學習大神Yoshua Bengio（下）

• 《Large Scale Deep Learning within google》

介紹:google大規(guī)模深度學習應用演進

• 《Deep Learning: An MIT Press Book in Preparation》

介紹:MIT出版的深度學習電子書,公開電子書

• 《A Mathematical Theory of Deep Convolutional Neural Networks for Feature Extraction》

介紹:深度卷積神經(jīng)網(wǎng)絡(luò)(CNN)提取特征的數(shù)學理論

• 《Microsoft Research Asia：Kaiming He》

介紹:推薦微軟亞洲研究院何愷明主頁

• 《Speech and Language Processing (3rd ed. draft)》

介紹:《語音與語言處理》第三版(草稿)

• 《LSA 311: Computational Lexical Semantics - Summer 2015》

介紹:Stanford新課"計算詞匯語義學"

• 《上海交大張志華老師的統(tǒng)計機器學習與機器學習導論視頻》

介紹:上海交大張志華老師的統(tǒng)計機器學習與機器學習導論視頻鏈接:密碼: r9ak .概率基礎(chǔ)

• 《Computational Linguistics and Deep Learning》

介紹:computational linguistics and deep learning視頻,推薦Deep Learning: An Introduction from the NLP Perspective

• 《Black Hat USA 2015 - Deep Learning On Disassembly》

介紹:(BlackHat2015)深度學習應用之流量鑒別(協(xié)議鑒別/異常檢測),[slide])(https://www.blackhat.com/docs/us-15/materials/us-15-Wang-The-Applications-Of-Deep-Learning-On-Traffic-Identification.pdf),material

• 《LibRec：A Java Library for Recommender Systems》

介紹:一個推薦系統(tǒng)的Java庫

• 《Multi-centrality Graph Spectral Decompositions and their Application to Cyber Intrusion Detection》

介紹:多中心圖的譜分解及其在網(wǎng)絡(luò)入侵檢測中的應用(MC-GPCA&MC-GDL)

• 《Computational Statistics in Python》

介紹:用Python學計算統(tǒng)計學

• 《New open-source Machine Learning Framework written in Java》

介紹:datumbox-framework——Java的開源機器學習框架矫户，該框架重點是提供大量的機器學習算法和統(tǒng)計檢驗叠荠，并能夠處理中小規(guī)模的數(shù)據(jù)集

• 《Awesome Recurrent Neural Networks》

介紹:遞歸神經(jīng)網(wǎng)絡(luò)awesome系列,涵蓋了書籍,項目,paper等

• 《Pedro Domingos》

介紹:Pedro Domingos是華盛頓大學的教授,主要研究方向是機器學習與數(shù)據(jù)挖掘.在2015年的ACM webinar會議,曾發(fā)表了關(guān)于盤點機器學習領(lǐng)域的五大流派主題演講.他的個人主頁擁有很多相關(guān)研究的paper以及他的教授課程.

• 《Video resources for machine learning》

介紹:機器學習視頻集錦

• 《Deep Machine Learning libraries and frameworks》

介紹:深度機器學習庫與框架

• 《大數(shù)據(jù)/數(shù)據(jù)挖掘/推薦系統(tǒng)/機器學習相關(guān)資源》

介紹:這篇文章內(nèi)的推薦系統(tǒng)資源很豐富,作者很有心,摘錄了《推薦系統(tǒng)實戰(zhàn)》內(nèi)引用的論文.

• 《Bayesian Methods in Astronomy: Hands-on Statistics》

介紹:(天文學)貝葉斯方法/MCMC教程——統(tǒng)計實戰(zhàn)

• 《Statistical Learning with Sparsity: The Lasso and Generalizations》

介紹:免費書:統(tǒng)計稀疏學習,作者Trevor Hastie與Rob Tibshirani都是斯坦福大學的教授,Trevor Hastie更是在統(tǒng)計學學習上建樹很多

• 《The Evolution of Distributed Programming in R》

介紹:R分布式計算的進化,此外推薦(R)氣候變化可視化,(R)馬爾可夫鏈入門

• 《neon workshop at Startup.ML: Sentiment Analysis and Deep Reinforcement Learning》

介紹:Nervana Systems在Startup.ML的主題研討會——情感分析與深度強化學習

• 《Understanding Convolution in Deep Learning》

介紹:深度學習卷積概念詳解.

• 《Python libraries for building recommender systems》

介紹:Python推薦系統(tǒng)開發(fā)庫匯總.

• 《Neural networks class - Université de Sherbrooke》

介紹:超棒的神經(jīng)網(wǎng)絡(luò)課程，深入淺出介紹深度學習，由Hugo Larochelle（Yoshua Bengio的博士生盆耽，Geoffrey Hinton之前的博士后）主講相艇，強烈推薦.

• 《CS231n: Convolutional Neural Networks for Visual Recognition》

介紹:斯坦福新課程,面向視覺識別的卷積神經(jīng)網(wǎng)絡(luò)(Fei-Fei Li & Andrej Karpathy),slides+video,homework.

• 《NIPS 2015 Deep Learning Symposium Part I》

介紹:NIPS 2015會議總結(jié)第一部分,第二部分.

• 《python機器學習入門資料梳理》

介紹:python機器學習入門資料梳理.

• 《Reading Text in the Wild with Convolutional Neural Networks》

介紹:牛津大學著名視覺幾何組VGG在IJCV16年首卷首期: Reading Text in the Wild with Convolutional Neural Networks,Jaderberg堕油。這篇期刊文章融合了之前兩篇會議(ECCV14,NIPS14ws)封救，定位和識別圖片中的文本(叫text spotting)。 端到端系統(tǒng): 檢測Region + 識別CNN杏慰。論文测柠、數(shù)據(jù)和代碼.

• 《Yet Another Computer Vision Index To Datasets (YACVID)》

介紹:計算機視覺的一個較大的數(shù)據(jù)集索引, 包含387個標簽，共收錄了314個數(shù)據(jù)集合缘滥，點擊標簽云就可以找到自己需要的庫了.

• 《Why SLAM Matters, The Future of Real-Time SLAM, and Deep Learning vs SLAM》

介紹:Tombone 對 ICCV SLAM workshop 的總結(jié)： the future of SLAM, SLAM vs deep learning 重點介紹了 monoSLAM 和 LSD-SLAM鹃愤，而且討論了 feature-based 和 feature-free method 的長短。在全民deep learning做visual perception的時候完域，再來讀讀CV中的 geometry.

• 《Python based Deep Learning Framework by Nervana?》

介紹:Nervana Systems的開源深度學習框架neon發(fā)布.

• 《mageNet and MS COCO Visual Recognition Challenges video and slider》

介紹:ICCV 2015的ImageNet比賽以及MS COCO競賽聯(lián)合研討會的幻燈片和視頻.

• 《An Introduction to Machine Learning with Python》

介紹:Python機器學習入門.

• 《Neural Enquirer: Learning to Query Tables with Natural Language》

介紹:Neural Enquirer 第二版.

• 《Deep Learning - Taking machine learning to the next level》

介紹:[Google]基于TensorFlow的深度學習/機器學習課程.

• 《100 “must read” R-bloggers’ posts for 2015》

介紹:R-bloggers網(wǎng)站2015"必讀"的100篇文章,R語言學習的福音.

• 《Machine Learning: a Probabilistic Perspective》

介紹:推薦書籍:<機器學習：概率視角>,樣章Undirected graphical models Markov random fields.

• 《Deep learning Book》

介紹:這是一本在線的深度學習書籍,合著者有Ian Goodfellow, Yoshua Bengio 和 Aaron Courville.如果你是一位新入門的學員可以先看這本書籍Yoshua Bengio: How can one get started with machine learning?.中文譯本

• 《UFLDL Recommended Readings》

介紹:UFLDL推薦的深度學習閱讀列表.

• 《CSE 705: Deep Learning (Spring 2015)》

介紹:紐約州立大學布法羅分校2015年春季機器學習課程主頁.

• 《Theano is a Deep learning Python library 》

介紹: Theano是主流的深度學習Python庫之一，亦支持GPU,入門比較難.推薦Theano tutorial,Document

• 《Statistical Language Models Based On Neural Networks》

介紹:博士論文:神經(jīng)網(wǎng)絡(luò)統(tǒng)計語言模型.

• 《文本數(shù)據(jù)的機器學習自動分類方法(上)》

介紹:文本數(shù)據(jù)的機器學習自動分類方法(下).

• 《Pixel Recurrent Neural Networks》

介紹:用RNN預測像素瘩将，可以把被遮擋的圖片補充完整.

• 《Computational Network Toolkit (CNTK)》

介紹:微軟研究院把其深度學習工具包CNTK,想進一步了解和學習CNTK的同學可以看前幾天公布的《CNTK白皮書》An Introduction to Computational Networks and the Computational Network Toolkit.

• 《Kalman and Bayesian Filters in Python》

介紹: 卡爾曼濾波器教材吟税，用盡量少的數(shù)學和推導，傳授直覺和經(jīng)驗姿现，全部Python示例肠仪，內(nèi)容覆蓋卡爾曼濾波器、擴展卡爾曼濾波备典，無跡卡爾曼濾波等异旧，包括練習和參考答案

• 《Statistical inference for data science》

介紹:在線免費書:面向數(shù)據(jù)科學的統(tǒng)計推斷，R示例代碼提佣，很不錯GitHub.

• 《Learning Deep Architectures for AI》

介紹:這本書是由Yoshua Bengio撰寫的教程,其內(nèi)容包含了學習人工智能所使用的深度學習架構(gòu)的學習資源,書中的項目已停止更新DeepLearnToolbox.

• 《Machine Learning Tutorials》

介紹:這是一份機器學習和深度學習教程吮蛹，文章和資源的清單。這張清單根據(jù)各個主題進行撰寫拌屏，包括了許多與深度學習有關(guān)的類別潮针、計算機視覺、加強學習以及各種架構(gòu).

• 《Data science ipython notebooks》

介紹:這是由Donne Martin策劃收集的IPython筆記本倚喂。話題涵蓋大數(shù)據(jù)每篷、Hadoop、scikit-learn和科學Python堆棧以及很多其他方面的內(nèi)容。至于深度學習焦读，像是TensorFlow子库、Theano和Caffe之類的框架也均被涵蓋其中，當然還有相關(guān)的特定構(gòu)架和概念等.

• 《Open Source Deep Learning Server》

介紹:開源的深度學習服務(wù),DeepDetect是C++實現(xiàn)的基于外部機器學習/深度學習庫（目前是Caffe）的API矗晃。給出了圖片訓練（ILSVRC）和文本訓練（基于字的情感分析仑嗅，NIPS15）的樣例，以及根據(jù)圖片標簽索引到ElasticSearch中github.

• 《Data Mining, Analytics, Big Data, and Data Science》

介紹:這是國外的一個科技頻道,涵蓋了數(shù)據(jù)挖掘,分析以及數(shù)據(jù)科學類的文章.偶爾還有機器學習精選.

• 《Data Mining And Statistics: What's The Connection?》

介紹:經(jīng)典論文:數(shù)據(jù)挖掘與統(tǒng)計學.

• 《(NIPS’2015 Tutorial)Yoshua Bengio深度學習》

介紹:NIPS’2015 Tutorial by Yoshua Bengio.

• 《(NENO:Python based Deep Learning Framework》

介紹:Nervana Systems的開源深度學習框架neon發(fā)布.

• 《(Matt Might:Reading for graduate students》

介紹:猶他州大學Matt Might教授推薦的研究生閱讀清單.

• 《Awesome Public Datasets》

介紹:開放數(shù)據(jù)集.

• 《Introduction to Probability - The Science of Uncertainty》

介紹:(edX)不確定性的科學——概率論導論(MITx).

• 《R software and tools for everyday use》

介紹:R語言開發(fā)常用軟件/工具推薦.

• 《Implementing Dynamic memory networks》

介紹:動態(tài)記憶網(wǎng)絡(luò)實現(xiàn).

• 《Deeplearning4j 中文主頁》

介紹:英文主頁

• 《Big Data Analysis Learning Resources: 50 Courses, Blogs, Tutorials, And More For Mastering Big Data Analytics》

介紹:50個大數(shù)據(jù)分析最佳學習資源(課程喧兄、博客无畔、教程等)

• 《A Full Hardware Guide to Deep Learning》

介紹:深度學習的全面硬件指南，從GPU到RAM吠冤、CPU浑彰、SSD、PCIe,譯文

• 《Deep Residual Networks》

介紹:kaiming開源作品

• 《The Definitive Guide to Natural Language Processing》

介紹:自然語言處理(NLP)權(quán)威指南

• 《Evaluating language identification performance》

介紹:如何在社會媒體上做語言檢測拯辙？沒有數(shù)據(jù)怎么辦郭变？推特官方公布了一個十分難得的數(shù)據(jù)集：12萬標注過的Tweets，有70種語言

• 《ICLR 2016 Accepted Papers》

介紹:深度學習和機器學習重要會議ICLR 2016錄取文章

• 《Machine Learning: An In-Depth, Non-Technical Guide - Part 1》

介紹:機器學習——深度非技術(shù)指南

• 《Data Storytelling 101: Helpful Tools for Gathering Ideas, Designing Content & More》

介紹:數(shù)據(jù)敘事入門指南——創(chuàng)意生成/數(shù)據(jù)采集/內(nèi)容設(shè)計相關(guān)資源推薦

• 《WikiTableQuestions: a Complex Real-World Question Understanding Dataset》

介紹:WikiTableQuestions——復雜真實問答數(shù)據(jù)集

• 《Big Data: 35 Brilliant And Free Data Sources For 2016》

介紹:(2016版)35個超棒的免費大數(shù)據(jù)源

• 《SPARKNET: training deep networks in spark》

介紹:Ion Stoica和 Michael I. Jordan兩位大家首次聯(lián)手發(fā)文涯保，CAFFE和SPARK完美結(jié)合诉濒，分布式深度學習混搭模式！github

• 《DeepLearning.University – An Annotated Deep Learning Bibliography | Memkite》

介紹:深度學習(分類)文獻集

• 《Learning Deep Learning》

介紹:深度學習閱讀列表

• 《Awesome42 The easiest way to find R packages》

介紹:探索R包的好網(wǎng)站Awesome 42

• 《MLbase:Distributed Machine Learning Made Easy》

介紹:MLbase是Prof. Dr. Tim Kraska的一個研究項目夕春，MLbase是一個分布式機器學習管理系統(tǒng)

• 《Deep Learning At Scale and At Ease》

介紹:分布式深度學習平臺SINGA介紹

• 《Learn All About Apache Spark (100x Faster than Hadoop MapReduce)》

介紹:Spark視頻集錦

• 《R For Deep Learning (I): Build Fully Connected Neural Network From Scratch》

介紹:R語言深度學習第一節(jié):從零開始

• 《A Visual Introduction to Machine Learning》

介紹:圖解機器學習

• 《Citation Network Dataset》

介紹:AMiner論文引用數(shù)據(jù)集(v7:2,244,021 papers and 4,354,534 citation relationships)

• 《Best Free Machine Learning Ebooks》

介紹:10本最佳機器學習免費書

• 《International Conference on Computer Vision (ICCV) 2015, Santiago》

介紹:ICCV15視頻集

• 《CaffeOnSpark Open Sourced for Distributed Deep Learning on Big Data Clusters》

介紹::(Yahoo)基于Hadoop/Spark的分布式Caffe實現(xiàn)CaffeOnSpark

• 《A Short Introduction to Learning to Rank》

介紹:Learning to Rank簡介

• 《Global Deep learning researcher》

介紹:全球深度學習專家列表,涵蓋研究者主頁

• 《Top Spark Ecosystem Projects》

介紹:Spark生態(tài)頂級項目匯總

• 《Proceedings of the 21st International Conference on Intelligent User Interfaces》

介紹:ACM IUI'16論文集Conference Navigator - Proceedings

• 《Machine Learning: An In-Depth, Non-Technical Guide - Part 1》

介紹:深入機器學習,2,3,4

• 《Oxford Deep Learning》

介紹:Nando de Freitas在 Oxford 開設(shè)的深度學習課程,課程youtube地址,Google DeepMind的研究科學家,此外首頁:computervisiontalks的內(nèi)容也很豐富,如果你是做機器視覺方面的研究,推薦也看看其他內(nèi)容.肯定收獲也不小.還有,這位youtube主頁頂過的視頻也很有份量

• 《Neural Networks for Machine Learning》

介紹:Geoffrey Hinton在Coursera開設(shè)的MOOC

• 《Deep Learning News》

介紹:深度學習領(lǐng)域的Hacker news.緊跟深度學習的新聞未荒、研究進展和相關(guān)的創(chuàng)業(yè)項目。從事機器學習,深度學習領(lǐng)域的朋友建議每天看一看

• 《Maxout Networks》

介紹:Maxout網(wǎng)絡(luò)剖析

• 《Advances in Neural Information Processing Systems》

介紹:NIPS領(lǐng)域的會議paper集錦

• 《Machine learning applications in genetics and genomics》

介紹:機器學習在生物工程領(lǐng)域的應用,如果你從事生物工程領(lǐng)域,可以先閱讀一篇文章詳細介紹

• 《Deep Learning in Bioinformatics》

介紹:深度學習在生物信息學領(lǐng)域的應用

• 《A Few Useful Things to Know about Machine Learning》

介紹:一些關(guān)于機器學習需要知道知識,對于剛剛?cè)腴T機器學習的同學應該讀一讀

• 《Cambridge Machine Learning Group》

介紹:劍橋大學機器學習用戶組主頁,網(wǎng)羅了劍橋大學一些機器學習領(lǐng)域?qū)＜遗c新聞

• 《Randy Olson's data analysis and machine learning projects》

介紹:Randy Olson's的一些數(shù)據(jù)分析與機器學習項目庫,是學習實踐的好材料

• 《GoLearn:Golang machine learning library》

介紹:Golang機器學習庫,簡單,易擴展

• 《Swift Ai》

介紹:用Swift開發(fā)蘋果應用的倒是很多及志，而用來做機器學習的就比較少了.Swift Ai在這方面做了很多聚集.可以看看

• 《Please explain Support Vector Machines (SVM) like I am a 5 year old》

介紹:如何向一位5歲的小朋友解釋支持向量機(SVM)

• 《reddit Machine learning》

介紹: reddit的機器學習欄目

• 《ComputerVision resource》

介紹: 計算機視覺領(lǐng)域的一些牛人博客片排，超有實力的研究機構(gòu)等的網(wǎng)站鏈接.做計算機視覺方向的朋友建議多關(guān)注里面的資源

• 《Multimedia Laboratory Homepage》

介紹:香港中文大學深度學習研究主頁,此外研究小組對2013年deep learning 的最新進展和相關(guān)論文做了整理,其中useful links的內(nèi)容很受益

• 《Search Engines that Learn from Their Users》

介紹: 這是一篇關(guān)于搜索引擎的博士論文,對現(xiàn)在普遍使用的搜索引擎google，bing等做了分析.對于做搜索類產(chǎn)品的很有技術(shù)參考價值

• 《Deep Learning Books》

介紹: 深度學習書籍推薦(畢竟這類書比較少).

• 《Towards Bayesian Deep Learning: A Survey》

介紹: 貝葉斯定理在深度學習方面的研究論文.

• 《Revisiting Distributed Synchronous SGD》

介紹: 來自谷歌大腦的重溫分布式梯度下降.同時推薦大規(guī)模分布式深度網(wǎng)絡(luò)

• 《Research Issues in Social Computing》

介紹: 社交計算研究相關(guān)問題綜述.

• 《What are some important areas of research in social computing right now?》

介紹: 社交計算應用領(lǐng)域概覽,里面有些經(jīng)典論文推薦

• 《Collaborative Filtering Recommender Systems》

介紹: 協(xié)同過濾在推薦系統(tǒng)應用.

• 《Content-Boosted Collaborative Filtering for Improved Recommendations》

介紹: 協(xié)同過濾在內(nèi)容推薦的研究.

• 《Unifying User-based and Item-based Collaborative Filtering Approaches by Similarity Fusion》

介紹: 協(xié)同過濾經(jīng)典論文.

• 《Item-based Collaborative Filtering Recommendation Algorithms》

介紹: 協(xié)同過濾算法.

• 《Amazon.com Recommendations Item-to-Item Collaborative Filtering》

介紹: 亞馬遜對于協(xié)同過濾算法應用.

• 《Collaborative Filtering for Implicit Feedback Datasets》

介紹: 協(xié)同過濾的隱式反饋數(shù)據(jù)集處理.

• 《Tutorials, papers and code for computer graphics, fractals and demoscene》

介紹: 計算機圖形速侈，幾何等論文率寡，教程，代碼.做計算機圖形的推薦收藏.

• 《ELEN 6886 Sparse Representation and High-Dimensional Geometry》

介紹: 推薦哥倫比亞大學課程倚搬，稀疏表示和高維幾何.12年由Elsevier冶共、13年至今由PAMI(仍由Elsevier贊助)設(shè)立的青年研究者獎(Young Researcher Award)授予完成博士學位后七年內(nèi)取得杰出貢獻的；由CV社區(qū)提名每界，在CVPR會議上宣布捅僵。2015年得主是哥大助理教授John Wright，09年《健壯人臉識別的稀疏表示法》引用已超5K.

• 《Software engineer how to learning Machine learning》

介紹: CMU機器學習系著名教授Alex Smola在Quora對于《程序員如何學習Machine Learning》的建議：Alex推薦了不少關(guān)于線性代數(shù)眨层、優(yōu)化命咐、系統(tǒng)、和統(tǒng)計領(lǐng)域的經(jīng)典教材和資料.

• 《Book review: Fundamentals of Deep Learning》

介紹: 書籍推薦,深度學習基礎(chǔ).源碼

• 《Learning from Big Code》

介紹: 軟件工程領(lǐng)域現(xiàn)在也對機器學習和自然語言處理很感興趣谐岁，有人推出了“大代碼”的概念醋奠，分享了不少代碼集合榛臼，并且覺得ML可以用在預測代碼Bug，預測軟件行為窜司，自動寫新代碼等任務(wù)上沛善。大代碼數(shù)據(jù)集下載

• 《Object Detection》

介紹: 深度學習進行目標識別的資源列表：包括RNN、MultiBox塞祈、SPP-Net金刁、DeepID-Net、Fast R-CNN议薪、DeepBox尤蛮、MR-CNN、Faster R-CNN斯议、YOLO产捞、DenseBox、SSD哼御、Inside-Outside Net坯临、G-CNN

• 《Deep Learning: Course by Yann LeCun at Collège de France 2016(Slides in English)》

介紹: Yann LeCun 2016深度學習課程的幻燈片（Deep Learning Course by Yann LeCun at Collège de France 2016）百度云密碼: cwsm 原地址

• 《Stanford HCI Group》

介紹: 斯坦福人機交互組五篇CHI16文章。1.眾包激勵機制的行為經(jīng)濟學研究：批量結(jié)算比單任務(wù)的完成率高恋昼。2.在眾包專家和新手間建立聯(lián)系：微實習看靠。3.詞嵌入結(jié)合眾包驗證的詞匯主題分類（如貓、狗屬于寵物）液肌。4.詞嵌入結(jié)合目標識別的活動預測挟炬。5.鼓勵出錯以加快眾包速度。

• 《Learn Data Science》

介紹: 自學數(shù)據(jù)科學

• 《CS224D Lecture 7 - Introduction to TensorFlow》

介紹: 本課是CS224D一節(jié)介紹TensorFlow課程嗦哆，ppt,DeepDreaming with TensorFlow

• 《Leaf - Machine Learning for Hackers》

介紹: Leaf是一款機器學習的開源框架谤祖，專為黑客打造，而非為科學家而作吝秕。它用Rust開發(fā)，傳統(tǒng)的機器學習空幻，現(xiàn)今的深度學習通吃烁峭。Leaf

• 《MXnet:Flexible and Efficient library for deep learning》

介紹: GTC 2016視頻，MXnet的手把手深度學習tutorial,相關(guān)參考資料MXNet Tutorial for NVidia GTC 2016.

• 《OpenAI Gym: Toolkit for developing, comparing reinforcement learning algorithms》

介紹: OpenAI Gym：開發(fā)秕铛、比較強化學習算法工具箱

• 《conference-iclr-2016 Papers and Code》

介紹: 機器學習會議ICLR 2016 論文的代碼集合

• 《probabilistic graphical models principles and techniques》

介紹: 此書是斯坦福大學概率圖模型大牛Daphne Koller所寫约郁，主要涉及的是貝葉斯網(wǎng)絡(luò)和馬爾科夫邏輯網(wǎng)絡(luò)的learning和inference問題，同時又對PGM有深刻的理論解釋但两，是學習概率圖模型必看的書籍鬓梅。難度中上，適合有一些ML基礎(chǔ)的研究生.[備份地址](https://vk.com/doc168073_304660839?hash=39a33dd8aa6b141d8a&dl=b6674

• 《BigDL: Distributed Deep learning on Apache Spark》

介紹: Spark分布式深度學習庫BigDL

• 《Machine Learning and Cyber Security Resources》

介紹: 這是一份關(guān)于機器學習和數(shù)據(jù)挖掘在網(wǎng)絡(luò)安全方面應用的資源帖谨湘，包含了一些重要的站點绽快，論文芥丧，書籍,斯坦福課程以及一些有用的教程.

• 《6.S094: Deep Learning for Self-Driving Cars》

介紹: 麻省理工學院（MIT）開設(shè)課程.S094：自主駕駛汽車的深度學習

• 《ICML 2016 Conference and Workshops Video》

介紹: ICML 2016視頻集錦

• 《機器學習Machine-Learning》

介紹: 機器學習推薦學習路線及參考資料

• 《TensorFlow and deep learning, without a PhD》

介紹:新手入門，通過TensorFlow入門深度學習

• 《How To Get Into Natural Language Processing》

介紹: 自然語言處理(NLP)入門指南

• 《Deep learning and the Schr?dinger equation》

介紹:通過神經(jīng)網(wǎng)絡(luò)跳過數(shù)值方法求解薛定諤方程坊罢。

• 《Recent Advances in Distributed Machine Learning》

介紹:微軟亞洲研究院的劉鐵巖等人近日在AAAI 2017上做的有關(guān)優(yōu)化以及大規(guī)模機器學習的Tutorial续担。很值得一看。里面對傳統(tǒng)的優(yōu)化算法活孩，特別是一些理論特性以及分布式算法的相應理論特性都有一個比較詳盡的總結(jié)物遇。非常適合想快速了解這些領(lǐng)域的學者和工程師。另外憾儒，這個Tutorial還介紹了DMTK的一些情況询兴，作為一個分布式計算平臺的優(yōu)缺點，還順帶比較了Spark和TensorFlow等流行框架起趾。

• 《Deep Learning Implementations and Frameworks (DLIF)》

介紹:AAAI 2017的Tutorial诗舰，專門講述了深度學習框架的設(shè)計思想和實現(xiàn)，比較若干種流行框架（Caffe阳掐、MXNet始衅、TensorFlow、Chainer等）的性能和異同缭保。

• 《Open Sourcing TensorFlowOnSpark: Distributed Deep Learning on Big-Data Clusters》

介紹:雅虎開源基于spark與TensorFlow的分布式數(shù)據(jù)深度學習框架,博文介紹

• 《Deconstruction with Discrete Embeddings》

介紹:用離散嵌入解構(gòu)模糊數(shù)據(jù)

• 《Reliable Machine Learning in the Wild - NIPS 2016 Workshop》

介紹:視頻發(fā)布：自然場景可靠機器學習(NIPS 2016 Workshop)

• 《A large-scale dataset of manually annotated audio events》

介紹:Google發(fā)布大規(guī)模音頻數(shù)據(jù)集

• 《5 algorithms to train a neural network》

介紹:訓練神經(jīng)網(wǎng)絡(luò)的5種算法

• 《Course notes for CS224N Winter17》

介紹:筆記：斯坦福CS224n深度學習NLP課程(2017)

• 《Persontyle Workshop for Applied Deep Learning》

介紹:倫敦深度學習研討會資料

• 《Understanding, generalisation, and transfer learning in deep neural networks》

介紹:論文導讀：深度神經(jīng)網(wǎng)絡(luò)理解汛闸、泛化與遷移學習,acolyer blog上還有很多經(jīng)典推薦可以閱讀

• 《An Introduction to MCMC for Machine Learning》

介紹:面向機器學習的馬爾科夫鏈蒙特卡洛(MCMC)

• 《Awesome Deep learning papers and other resources》

介紹:深度學習論文與資源大列表(論文、預訓練模型艺骂、課程诸老、圖書、軟件钳恕、應用别伏、相關(guān)列表等)

• 《Datasets for Natural Language Processing》

介紹:自然語言處理NLP數(shù)據(jù)集列表

• 《Machine Learning for Software Engineers》

介紹:軟件工程師的機器學習

• 《Quantitative Finance resources》

介紹:量化金融(Quants)資源列表

• 《What Computers Still Can't Do.》

介紹:《計算機仍然不能做什么——人工理性批判》MIT版導言

• 《In-Datacenter Performance Analysis of a Tensor Processing Unit》

介紹:谷歌發(fā)論文詳解TPU

• 《Proceedings of the Eleventh International Conference on Web and Social Medias》

介紹:2017年ICWSM會議論文合集，業(yè)內(nèi)對它的評價是:"算是最頂級也是最早的有關(guān)社會計算的會議"忧额。里面的論文大部分是研究社交網(wǎng)絡(luò)的厘肮，例如twitter，emoji睦番，游戲类茂。對于社交媒體來說內(nèi)容還是挺前沿的。如果你是做社會計算的還是可以看看托嚣。畢竟是行業(yè)內(nèi)數(shù)一數(shù)二的會議巩检。對了，只要是你知道名字的有名社交媒體都有投稿.[陌陌不算]

• 《NTUEE ML 2017》

介紹:臺大李宏毅中文機器學習課程(2017)

• 《TensorFlow Dev Summit 2017》

介紹:2017 TensorFlow 開發(fā)者峰會(中文字幕)