機器學(xué)習(xí)(Machine Learning)&深度學(xué)習(xí)(Deep Learning)資料(Chapter 1)
注:機器學(xué)習(xí)資料篇目一共500條,篇目二開始更新
希望轉(zhuǎn)載的朋友船殉，你可以不用聯(lián)系我．但是一定要保留原文鏈接，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.
介紹:這是一篇介紹機器學(xué)習(xí)歷史的文章，介紹很全面，從感知機捉偏、神經(jīng)網(wǎng)絡(luò)、決策樹我抠、SVM乏沸、Adaboost到隨機森林、Deep Learning.
介紹:這是瑞士人工智能實驗室Jurgen Schmidhuber寫的最新版本《神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)綜述》本綜述的特點是以時間排序美莫，從1940年開始講起页眯，到60-80年代，80-90年代茂嗓，一直講到2000年后及最近幾年的進展餐茵。涵蓋了deep learning里各種tricks，引用非常全面.
介紹:這是一份python機器學(xué)習(xí)庫,如果您是一位python工程師而且想深入的學(xué)習(xí)機器學(xué)習(xí).那么這篇文章或許能夠幫助到你.
介紹:這一篇介紹如果設(shè)計和管理屬于你自己的機器學(xué)習(xí)項目的文章述吸，里面提供了管理模版忿族、數(shù)據(jù)管理與實踐方法.
介紹:如果你還不知道什么是機器學(xué)習(xí)，或則是剛剛學(xué)習(xí)感覺到很枯燥乏味蝌矛。那么推薦一讀道批。這篇文章已經(jīng)被翻譯成中文,如果有興趣可以移步http://blog.jobbole.com/67616/
介紹:R語言是機器學(xué)習(xí)的主要語言,有很多的朋友想學(xué)習(xí)R語言，但是總是忘記一些函數(shù)與關(guān)鍵字的含義入撒。那么這篇文章或許能夠幫助到你
介紹:我該如何選擇機器學(xué)習(xí)算法隆豹，這篇文章比較直觀的比較了Naive Bayes，Logistic Regression茅逮，SVM璃赡，決策樹等方法的優(yōu)劣判哥，另外討論了樣本大小、Feature與Model權(quán)衡等問題碉考。此外還有已經(jīng)翻譯了的版本:http://www.52ml.net/15063.html
介紹：深度學(xué)習(xí)概述：從感知機到深度網(wǎng)絡(luò)塌计，作者對于例子的選擇、理論的介紹都很到位侯谁，由淺入深锌仅。翻譯版本：http://www.cnblogs.com/xiaowanyer/p/3701944.html
介紹:<機器學(xué)習(xí)與優(yōu)化>這是一本機器學(xué)習(xí)的小冊子, 短短300多頁道盡機器學(xué)習(xí)的方方面面. 圖文并茂, 生動易懂, 沒有一坨坨公式的煩惱. 適合新手入門打基礎(chǔ), 也適合老手溫故而知新. 比起MLAPP/PRML等大部頭, 也許這本你更需要!具體內(nèi)容推薦閱讀:http://intelligent-optimization.org/LIONbook/
介紹:作者是來自百度，不過他本人已經(jīng)在2014年4月份申請離職了墙贱。但是這篇文章很不錯如果你不知道深度學(xué)習(xí)與支持向量機/統(tǒng)計學(xué)習(xí)理論有什么聯(lián)系热芹？那么應(yīng)該立即看看這篇文章.
介紹:這本書是由谷歌公司和MIT共同出品的計算機科學(xué)中的數(shù)學(xué)：[Mathematics for Computer Science](Mathematics for Computer Science)，Eric Lehman et al 2013 惨撇。分為5大部分：1）證明伊脓，歸納。2）結(jié)構(gòu)魁衙，數(shù)論丽旅，圖。3）計數(shù)纺棺，求和榄笙，生成函數(shù)。4）概率祷蝌，隨機行走茅撞。5）遞歸。等等
介紹：信息時代的計算機科學(xué)理論,目前國內(nèi)有紙質(zhì)書購買巨朦，iTunes購買
介紹:這是一本由雪城大學(xué)新編的第二版《數(shù)據(jù)科學(xué)入門》教材：偏實用型米丘，淺顯易懂，適合想學(xué)習(xí)R語言的同學(xué)選讀糊啡。
介紹:這并不是一篇文檔或書籍拄查。這是篇向圖靈獎得主Donald Knuth提問記錄稿： 近日， Charles Leiserson, Al Aho, Jon Bentley等大神向Knuth提出了20個問題棚蓄，內(nèi)容包括TAOCP堕扶，P/NP問題，圖靈機梭依，邏輯稍算，以及為什么大神不用電郵等等。
介紹：不會統(tǒng)計怎么辦役拴？不知道如何選擇合適的統(tǒng)計模型怎么辦糊探？那這篇文章你的好好讀一讀了麻省理工Joshua B. Tenenbaum和劍橋Zoubin Ghahramani合作，寫了一篇關(guān)于automatic statistician的文章】破剑可以自動選擇回歸模型類別褥紫，還能自動寫報告...
介紹:對深度學(xué)習(xí)和representation learning最新進展有興趣的同學(xué)可以了解一下
介紹：這是一本信息檢索相關(guān)的書籍，是由斯坦福Manning與谷歌副總裁Raghavan等合著的Introduction to Information Retrieval一直是北美最受歡迎的信息檢索教材之一瞪慧。最近作者增加了該課程的幻燈片和作業(yè)故源。IR相關(guān)資源：http://www-nlp.stanford.edu/IR-book/information-retrieval.html
介紹:Deniz Yuret用10張漂亮的圖來解釋機器學(xué)習(xí)重要概念：1. Bias/Variance Tradeoff 2. Overfitting 3. Bayesian / Occam's razor 4. Feature combination 5. Irrelevant feature 6. Basis function 7. Discriminative / Generative 8. Loss function 9. Least squares 10. Sparsity.很清晰
介紹：雅虎研究院的數(shù)據(jù)集匯總： 包括語言類數(shù)據(jù)，圖與社交類數(shù)據(jù)汞贸，評分與分類數(shù)據(jù)，計算廣告學(xué)數(shù)據(jù)印机，圖像數(shù)據(jù)矢腻，競賽數(shù)據(jù)，以及系統(tǒng)類的數(shù)據(jù)射赛。
介紹：這是一本斯坦福統(tǒng)計學(xué)著名教授Trevor Hastie和Robert Tibshirani的新書多柑，并且在2014年一月已經(jīng)開課：https://class.stanford.edu/courses/HumanitiesScience/StatLearning/Winter2014/about
介紹：機器學(xué)習(xí)最佳入門學(xué)習(xí)資料匯總是專為機器學(xué)習(xí)初學(xué)者推薦的優(yōu)質(zhì)學(xué)習(xí)資源，幫助初學(xué)者快速入門楣责。而且這篇文章的介紹已經(jīng)被翻譯成中文版竣灌。如果你不怎么熟悉，那么我建議你先看一看中文的介紹秆麸。
介紹:主要是順著Bengio的PAMI review的文章找出來的初嘹。包括幾本綜述文章，將近100篇論文沮趣，各位山頭們的Presentation屯烦。全部都可以在google上找到。
介紹：這是一本書籍房铭，主要介紹的是跨語言信息檢索方面的知識驻龟。理論很多
介紹:本文共有三個系列缸匪，作者是來自IBM的工程師翁狐。它主要介紹了推薦引擎相關(guān)算法，并幫助讀者高效的實現(xiàn)這些算法凌蔬。 探索推薦引擎內(nèi)部的秘密露懒，第 2 部分: 深度推薦引擎相關(guān)算法 - 協(xié)同過濾,探索推薦引擎內(nèi)部的秘密，第 3 部分: 深度推薦引擎相關(guān)算法 - 聚類
介紹：康奈爾大學(xué)信息科學(xué)系助理教授David Mimno寫的《對機器學(xué)習(xí)初學(xué)者的一點建議》砂心， 寫的挺實際隐锭，強調(diào)實踐與理論結(jié)合，最后還引用了馮 ? 諾依曼的名言: "Young man, in mathematics you don't understand things. You just get used to them."
介紹：這是一本關(guān)于分布式并行處理的數(shù)據(jù)《Explorations in Parallel Distributed Processing: A Handbook of Models, Programs, and Exercises》,作者是斯坦福的James L. McClelland计贰。著重介紹了各種神級網(wǎng)絡(luò)算法的分布式實現(xiàn),做Distributed Deep Learning 的童鞋可以參考下
介紹:【“機器學(xué)習(xí)”是什么？】John Platt是微軟研究院杰出科學(xué)家躁倒，17年來他一直在機器學(xué)習(xí)領(lǐng)域耕耘荞怒。近年來機器學(xué)習(xí)變得炙手可熱洒琢，Platt和同事們遂決定開設(shè)博客，向公眾介紹機器學(xué)習(xí)的研究進展褐桌。機器學(xué)習(xí)是什么衰抑，被應(yīng)用在哪里？來看Platt的這篇博文
介紹：2014年國際機器學(xué)習(xí)大會（ICML）已經(jīng)于6月21-26日在國家會議中心隆重舉辦荧嵌。本次大會由微軟亞洲研究院和清華大學(xué)聯(lián)手主辦呛踊，是這個有著30多年歷史并享譽世界的機器學(xué)習(xí)領(lǐng)域的盛會首次來到中國，已成功吸引海內(nèi)外1200多位學(xué)者的報名參與啦撮。干貨很多谭网，值得深入學(xué)習(xí)下
介紹：這篇文章主要是以Learning to Rank為例說明企業(yè)界機器學(xué)習(xí)的具體應(yīng)用，RankNet對NDCG之類不敏感赃春，加入NDCG因素后變成了LambdaRank愉择，同樣的思想從神經(jīng)網(wǎng)絡(luò)改為應(yīng)用到Boosted Tree模型就成就了LambdaMART。Chirs Burges织中，微軟的機器學(xué)習(xí)大神锥涕，Yahoo 2010 Learning to Rank Challenge第一名得主，排序模型方面有RankNet狭吼，LambdaRank层坠，LambdaMART，尤其以LambdaMART最為突出刁笙，代表論文為：
From RankNet to LambdaRank to LambdaMART: An Overview
此外舵鳞，Burges還有很多有名的代表作歹嘹，比如：A Tutorial on Support Vector Machines for Pattern Recognition
Some Notes on Applied Mathematics for Machine Learning
介紹:100 Best GitHub: Deep Learning
介紹:本教程將闡述無監(jiān)督特征學(xué)習(xí)和深度學(xué)習(xí)的主要觀點。通過學(xué)習(xí)，你也將實現(xiàn)多個功能學(xué)習(xí)/深度學(xué)習(xí)算法逛揩，能看到它們?yōu)槟愎ぷ鞣倌樱W(xué)習(xí)如何應(yīng)用/適應(yīng)這些想法到新問題上制肮。本教程假定機器學(xué)習(xí)的基本知識（特別是熟悉的監(jiān)督學(xué)習(xí)讽挟，邏輯回歸，梯度下降的想法）烦租，如果你不熟悉這些想法延赌，我們建議你去這里機器學(xué)習(xí)課程，并先完成第II叉橱，III挫以，IV章（到邏輯回歸）。此外這關(guān)于這套教程的源代碼在github上面已經(jīng)有python版本了 UFLDL Tutorial Code
*《Deep Learning for Natural Language Processing and Related Applications》
介紹:這份文檔來自微軟研究院,精髓很多窃祝。如果需要完全理解掐松，需要一定的機器學(xué)習(xí)基礎(chǔ)。不過有些地方會讓人眼前一亮,茅塞頓開。
介紹:這是一篇介紹圖像卷積運算的文章大磺，講的已經(jīng)算比較詳細的了
介紹：每天請一個大牛來講座抡句，主要涉及機器學(xué)習(xí)，大數(shù)據(jù)分析杠愧，并行計算以及人腦研究待榔。https://www.youtube.com/user/smolix （需翻墻）
介紹：一個超級完整的機器學(xué)習(xí)開源庫總結(jié)，如果你認為這個碉堡了流济，那后面這個列表會更讓你驚訝：【Awesome Awesomeness】,國內(nèi)已經(jīng)有熱心的朋友進行了翻譯中文介紹锐锣，機器學(xué)習(xí)數(shù)據(jù)挖掘免費電子書
介紹:ACL候任主席绳瘟、斯坦福大學(xué)計算機系Chris Manning教授的《自然語言處理》課程所有視頻已經(jīng)可以在斯坦福公開課網(wǎng)站上觀看了（如Chrome不行雕憔，可用IE觀看） 作業(yè)與測驗也可以下載。
介紹:對比 Deep Learning 和 Shallow Learning 的好文稽荧，來著浙大畢業(yè)、MIT 讀博的 Chiyuan Zhang 的博客工腋。
介紹:利用卷積神經(jīng)網(wǎng)絡(luò)做音樂推薦姨丈。
介紹：神經(jīng)網(wǎng)絡(luò)的免費在線書，已經(jīng)寫了三章了擅腰，還有對應(yīng)的開源代碼：https://github.com/mnielsen/neural-networks-and-deep-learning 愛好者的福音蟋恬。
介紹：Java機器學(xué)習(xí)相關(guān)平臺和開源的機器學(xué)習(xí)庫，按照大數(shù)據(jù)趁冈、NLP歼争、計算機視覺和Deep Learning分類進行了整理∩保看起來挺全的沐绒，Java愛好者值得收藏。
介紹：機器學(xué)習(xí)最基本的入門文章旺坠，適合零基礎(chǔ)者
介紹：機器學(xué)習(xí)的算法很多乔遮。很多時候困惑人們都是，很多算法是一類算法取刃，而有些算法又是從其他算法中延伸出來的蹋肮。這里，我們從兩個方面來給大家介紹璧疗，第一個方面是學(xué)習(xí)的方式坯辩，第二個方面是算法的類似性。
介紹：看題目你已經(jīng)知道了是什么內(nèi)容,沒錯崩侠。里面有很多經(jīng)典的機器學(xué)習(xí)論文值得仔細與反復(fù)的閱讀漆魔。
介紹：視頻由加州理工學(xué)院（Caltech）出品。需要英語底子。
介紹：總結(jié)了機器學(xué)習(xí)的經(jīng)典書籍有送，包括數(shù)學(xué)基礎(chǔ)和算法理論的書籍淌喻，可做為入門參考書單。
介紹:16本機器學(xué)習(xí)的電子書雀摘，可以下載下來在pad裸删，手機上面任意時刻去閱讀。不多我建議你看完一本再下載一本阵赠。
介紹:標題很大涯塔，從新手到專家。不過看完上面所有資料清蚀∝拜肯定是專家了
介紹：入門的書真的很多，而且我已經(jīng)幫你找齊了枷邪。
介紹：Sibyl 是一個監(jiān)督式機器學(xué)習(xí)系統(tǒng)榛搔，用來解決預(yù)測方面的問題，比如 YouTube 的視頻推薦东揣。
介紹:關(guān)于(Deep) Neural Networks在 NLP 和 Text Mining 方面一些paper的總結(jié)
介紹:計算機視覺入門之前景目標檢測1（總結(jié)）
介紹:計算機視覺入門之行人檢測
介紹:Important resources for learning and understanding . Is awesome
介紹:這又是一篇機器學(xué)習(xí)初學(xué)者的入門文章践惑。值得一讀
介紹:在線Neural Networks and Deep Learning電子書
介紹:python的17個關(guān)于機器學(xué)習(xí)的工具
介紹:下集在這里神奇的伽瑪函數(shù)(下)
介紹:作者王益目前是騰訊廣告算法總監(jiān)，王益博士畢業(yè)后在google任研究嘶卧。這篇文章王益博士7年來從谷歌到騰訊對于分布機器學(xué)習(xí)的所見所聞尔觉。值得細讀
介紹:把機器學(xué)習(xí)提升的級別分為0~4級，每級需要學(xué)習(xí)的教材和掌握的知識芥吟。這樣侦铜，給機器學(xué)習(xí)者提供一個上進的路線圖，以免走彎路钟鸵。另外钉稍，整個網(wǎng)站都是關(guān)于機器學(xué)習(xí)的，資源很豐富棺耍。
介紹:機器學(xué)習(xí)各個方向綜述的網(wǎng)站
介紹:深度學(xué)習(xí)閱資源列表
介紹：這是一本來自微的研究員 li Peng和Dong Yu所著的關(guān)于深度學(xué)習(xí)的方法和應(yīng)用的電子書
介紹:2014年七月CMU舉辦的機器學(xué)習(xí)夏季課剛剛結(jié)束 有近50小時的視頻嫁盲、十多個PDF版幻燈片，覆蓋 深度學(xué)習(xí)烈掠，貝葉斯羞秤，分布式機器學(xué)習(xí)，伸縮性 等熱點話題左敌。所有13名講師都是牛人：包括大牛Tom Mitchell （他的［機器學(xué)習(xí)］是名校的常用教材）瘾蛋，還有CMU李沐 .（1080P高清喲）
介紹:在今年的IEEE/IFIP可靠系統(tǒng)和網(wǎng)絡(luò)（DSN）國際會議上，Google軟件工程師Tushar Chandra做了一個關(guān)于Sibyl系統(tǒng)的主題演講矫限。 Sibyl是一個監(jiān)督式機器學(xué)習(xí)系統(tǒng)哺哼，用來解決預(yù)測方面的問題佩抹，比如YouTube的視頻推薦。詳情請閱讀google sibyl
介紹:谷歌研究院的Christian Szegedy在谷歌研究院的博客上簡要地介紹了他們今年參加ImageNet取得好成績的GoogLeNet系統(tǒng).是關(guān)于圖像處理的取董。
介紹:貝葉斯學(xué)習(xí)棍苹。如果不是很清可看看概率編程語言與貝葉斯方法實踐
介紹:網(wǎng)友問伯克利機器學(xué)習(xí)大牛茵汰、美國雙料院士Michael I. Jordan："如果你有10億美金枢里，你怎么花？Jordan: "我會用這10億美金建造一個NASA級別的自然語言處理研究項目蹂午。"
介紹:常見面試之機器學(xué)習(xí)算法思想簡單梳理,此外作者還有一些其他的機器學(xué)習(xí)與數(shù)據(jù)挖掘文章和深度學(xué)習(xí)文章,不僅是理論還有源碼栏豺。
介紹：Videolectures上最受歡迎的25個文本與數(shù)據(jù)挖掘視頻匯總
介紹:在Kaggle上經(jīng)常取得不錯成績的Tim Dettmers介紹了他自己是怎么選擇深度學(xué)習(xí)的GPUs, 以及個人如何構(gòu)建深度學(xué)習(xí)的GPU集群: http://t.cn/RhpuD1G
介紹:對話機器學(xué)習(xí)大神Michael Jordan
介紹:還有２，３部分豆胸。http://blog.sina.com.cn/s/blog_46d0a3930101gs5h.html
介紹:是Stanford 教授 Andrew Ng 的 Deep Learning 教程奥洼，國內(nèi)的機器學(xué)習(xí)愛好者很熱心的把這個教程翻譯成了中文。如果你英語不好晚胡，可以看看這個
介紹:因為近兩年來灵奖，深度學(xué)習(xí)在媒體界被炒作很厲害（就像大數(shù)據(jù)）。其實很多人都還不知道什么是深度學(xué)習(xí)估盘。這篇文章由淺入深瓷患。告訴你深度學(xué)究竟是什么！
介紹:這是斯坦福大學(xué)做的一免費課程（很勉強）忿檩，這個可以給你在深度學(xué)習(xí)的路上給你一個學(xué)習(xí)的思路尉尾。里面提到了一些基本的算法爆阶。而且告訴你如何去應(yīng)用到實際環(huán)境中燥透。中文版
介紹:這是多倫多大學(xué)做的一個深度學(xué)習(xí)用來識別圖片標簽／圖轉(zhuǎn)文字的demo。是一個實際應(yīng)用案例辨图。有源碼
介紹:機器學(xué)習(xí)模型班套，閱讀這個內(nèi)容需要有一定的基礎(chǔ)。
介紹: (CRAN Task Views, 34種常見任務(wù),每個任務(wù)又各自分類列舉若干常用相關(guān)工具包) 例如: 機器學(xué)習(xí)故河，自然語言處理吱韭，時間序列分析，空間信息分析鱼的，多重變量分析理盆，計量經(jīng)濟學(xué)，心理統(tǒng)計學(xué)凑阶，社會學(xué)統(tǒng)計猿规，化學(xué)計量學(xué)，環(huán)境科學(xué)宙橱，藥物代謝動力學(xué) 等
介紹: 機器學(xué)習(xí)無疑是當(dāng)前數(shù)據(jù)分析領(lǐng)域的一個熱點內(nèi)容姨俩。很多人在平時的工作中都或多或少會用到機器學(xué)習(xí)的算法蘸拔。本文為您總結(jié)一下常見的機器學(xué)習(xí)算法，以供您在工作和學(xué)習(xí)中參考.
介紹: 很多干貨环葵，而且作者還總結(jié)了好幾個系列调窍。另外還作者還了一個文章導(dǎo)航.非常的感謝作者總結(jié)。
Deep Learning（深度學(xué)習(xí)）學(xué)習(xí)筆記整理系列之（二）
Deep Learning（深度學(xué)習(xí)）學(xué)習(xí)筆記整理系列之（三）
Deep Learning（深度學(xué)習(xí)）學(xué)習(xí)筆記整理系列之（四）
Deep Learning（深度學(xué)習(xí)）學(xué)習(xí)筆記整理系列之（五）
Deep Learning（深度學(xué)習(xí)）學(xué)習(xí)筆記整理系列之（六）
Deep Learning（深度學(xué)習(xí)）學(xué)習(xí)筆記整理系列之（七）
DeepLearning（深度學(xué)習(xí)）學(xué)習(xí)筆記整理系列之（八）
介紹:傳送理由：Rob Fergus的用深度學(xué)習(xí)做計算機是覺的NIPS 2013教程张遭。有mp4, mp3, pdf各種下載 他是紐約大學(xué)教授邓萨，目前也在Facebook工作，他2014年的8篇論文
介紹:FudanNLP帝璧，這是一個復(fù)旦大學(xué)計算機學(xué)院開發(fā)的開源中文自然語言處理（NLP）工具包
Fudan NLP里包含中文分詞先誉、關(guān)鍵詞抽取、命名實體識別的烁、詞性標注褐耳、時間詞抽取、語法分析等功能渴庆，對搜索引擎 文本分析等極為有價值铃芦。
介紹:LinkedIn 開源的機器學(xué)習(xí)工具包,支持單機, Hadoop cluster，和 Spark cluster 重點是 logistic regression 算法
介紹:對于英語不好襟雷，但又很想學(xué)習(xí)機器學(xué)習(xí)的朋友刃滓。是一個大的福利。機器學(xué)習(xí)周刊目前主要提供中文版耸弄，還是面向廣大國內(nèi)愛好者审胸，內(nèi)容涉及機器學(xué)習(xí)、數(shù)據(jù)挖掘牡昆、并行系統(tǒng)雨席、圖像識別、人工智能捌显、機器人等等茁彭。謝謝作者
介紹：《線性代數(shù)》是《機器學(xué)習(xí)》的重要數(shù)學(xué)先導(dǎo)課程。其實《線代》這門課講得淺顯易懂特別不容易扶歪，如果一上來就講逆序數(shù)及羅列行列式性質(zhì)理肺，很容易讓學(xué)生失去學(xué)習(xí)的興趣。我個人推薦的最佳《線性代數(shù)》課程是麻省理工Gilbert Strang教授的課程善镰。 課程主頁
介紹:大數(shù)據(jù)數(shù)據(jù)處理資源妹萨、工具不完備列表，從框架炫欺、分布式編程乎完、分布式文件系統(tǒng)、鍵值數(shù)據(jù)模型竣稽、圖數(shù)據(jù)模型囱怕、數(shù)據(jù)可視化霍弹、列存儲、機器學(xué)習(xí)等娃弓。很贊的資源匯總典格。
介紹:雅虎邀請了一名來自本古里安大學(xué)的訪問學(xué)者，制作了一套關(guān)于機器學(xué)習(xí)的系列視頻課程台丛。本課程共分為7期耍缴，詳細講解了有關(guān)SVM, boosting, nearest neighbors, decision trees 等常規(guī)機器學(xué)習(xí)算法的理論基礎(chǔ)知識。
介紹:應(yīng)對大數(shù)據(jù)時代挽霉，量子機器學(xué)習(xí)的第一個實驗 paper 下載
介紹:Wired雜志報道了UCLA數(shù)學(xué)博士Chris McKinlay （圖1）通過大數(shù)據(jù)手段+機器學(xué)習(xí)方法破解婚戀網(wǎng)站配對算法找到真愛的故事,通過Python腳本控制著12個賬號防嗡，下載了婚戀網(wǎng)站2萬女用戶的600萬問題答案，對他們進行了統(tǒng)計抽樣及聚類分析（圖2侠坎，3）蚁趁，最后終于收獲了真愛∈敌兀科技改變命運他嫡！
介紹:MIT的Underactuated Robotics于 2014年10月1日開課，該課屬于MIT研究生級別的課程庐完，對機器人和非線性動力系統(tǒng)感興趣的朋友不妨可以挑戰(zhàn)一下這門課程钢属！
介紹:mllib實踐經(jīng)驗分享
介紹:Google用Deep Learning做的antispam(反垃圾郵件)
介紹:NLP常用信息資源* 《NLP常用信息資源》
介紹:機器學(xué)習(xí)速查表
介紹：從1996年開始在計算機科學(xué)的論文中被引用次數(shù)最多的論文
介紹：把今年的一個ACM Trans. on Graphics (TOG)論文中的代碼整理為一個開源的算法框架，共享出來了门躯。歡迎大家使用淆党。可以實時的采集3D數(shù)據(jù)讶凉、重建出三維模型染乌。Online learning，GPU Random forest缀遍，GPU CRF也會后續(xù)公開慕匠。
介紹：【神經(jīng)網(wǎng)絡(luò)黑客指南】現(xiàn)在饱须，最火莫過于深度學(xué)習(xí)（Deep Learning）域醇，怎樣更好學(xué)習(xí)它？可以讓你在瀏覽器中蓉媳，跑起深度學(xué)習(xí)效果的超酷開源項目ConvNetJS作者karpathy告訴你譬挚，最佳技巧是，當(dāng)你開始寫代碼酪呻，一切將變得清晰减宣。他剛發(fā)布了一本圖書，不斷在線更新
介紹：前Google廣告系統(tǒng)工程師Josh Wills 講述工業(yè)界和學(xué)術(shù)界機器學(xué)習(xí)的異同,大實話
介紹：使用Neo4j 做電影評論的情感分析玩荠。
介紹：不僅是資料漆腌，而且還對有些資料做了注釋贼邓。
介紹：深度學(xué)習(xí)入門的初級讀本
介紹：機器學(xué)習(xí)教會了我們什么？
介紹：scikit-learn是在SciPy基礎(chǔ)上構(gòu)建的用于機器學(xué)習(xí)的Python模塊闷尿。
介紹：喬丹教授（Michael I. Jordan）教授是機器學(xué)習(xí)領(lǐng)域神經(jīng)網(wǎng)絡(luò)的大牛塑径，他對深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)有著很濃厚的興趣填具。因此统舀，很多提問的問題中包含了機器學(xué)習(xí)領(lǐng)域的各類模型，喬丹教授對此一一做了解釋和展望劳景。
介紹：A*搜索是人工智能基本算法誉简，用于高效地搜索圖中兩點的最佳路徑, 核心是 g(n)+h(n): g(n)是從起點到頂點n的實際代價，h(n)是頂點n到目標頂點的估算代價盟广。合集
介紹：本項目利用了Microsoft Azure闷串，可以在幾分種內(nèi)完成NLP on Azure Website的部署，立即開始對FNLP各種特性的試用筋量，或者以REST API的形式調(diào)用FNLP的語言分析功能
介紹：現(xiàn)任復(fù)旦大學(xué)首席教授窿克、計算機軟件博士生導(dǎo)師。計算機科學(xué)研究所副所長.內(nèi)部課程
介紹：好東西的干貨真的很多
介紹：從硬件毛甲、圖像到健康年叮、生物、大數(shù)據(jù)玻募、生物信息再到量子計算等只损，Amund Tveit等維護了一個DeepLearning.University小項目：收集從2014年開始深度學(xué)習(xí)文獻，相信可以作為深度學(xué)習(xí)的起點,github
介紹：EMNLP上兩篇關(guān)于stock trend 用到了deep model組織特征七咧； Exploiting Social Relations and Sentiment for Stock Prediction用到了stock network跃惫。
介紹：作者是深度學(xué)習(xí)一線大牛Bengio組寫的教程，算法深入顯出艾栋，還有實現(xiàn)代碼爆存，一步步展開。
介紹：許多傳統(tǒng)的機器學(xué)習(xí)任務(wù)都是在學(xué)習(xí)function蝗砾，不過谷歌目前有開始學(xué)習(xí)算法的趨勢先较。谷歌另外的這篇學(xué)習(xí)Python程序的Learning to Execute也有相似之處
介紹：作者是華為技術(shù)有限公司，諾亞方舟實驗室悼粮，首席科學(xué)家的李航博士寫的關(guān)于信息檢索與自然語言處理的文章
介紹：利用機用器學(xué)習(xí)在謠言的判別上的應(yīng)用,此外還有兩個闲勺。一個是識別垃圾與虛假信息的paper.還有一個是網(wǎng)絡(luò)輿情及其分析技術(shù)
介紹：該課程是網(wǎng)易公開課的收費課程，不貴扣猫，超級便宜菜循。主要適合于對利用R語言進行機器學(xué)習(xí)，數(shù)據(jù)挖掘感興趣的人申尤。
介紹：本章中作者總結(jié)了三代機器學(xué)習(xí)算法實現(xiàn)的演化：第一代非分布式的癌幕， 第二代工具如Mahout和Rapidminer實現(xiàn)基于Hadoop的擴展衙耕，第三代如Spark和Storm實現(xiàn)了實時和迭代數(shù)據(jù)處理。BIG DATA ANALYTICS BEYOND HADOOP
介紹：講計算機視覺的四部奇書（應(yīng)該叫經(jīng)典吧）之一臭杰，另外三本是Hartley的《多圖幾何》、Gonzalez的《數(shù)字圖像處理》谚中、Rafael C.Gonzalez / Richard E.Woods 的《數(shù)字圖像處理》
介紹：里面基本沒涉及到具體算法渴杆，但作者介紹了CF在LinkedIn的很多應(yīng)用，以及他們在做推薦過程中獲得的一些經(jīng)驗宪塔。最后一條經(jīng)驗是應(yīng)該監(jiān)控log數(shù)據(jù)的質(zhì)量磁奖，因為推薦的質(zhì)量很依賴數(shù)據(jù)的質(zhì)量！
介紹：初學(xué)者如何查閱自然語言處理（NLP）領(lǐng)域?qū)W術(shù)資料
介紹：用樹莓派和相機模塊進行人臉識別
介紹：如何利用深度學(xué)習(xí)與大數(shù)據(jù)構(gòu)建對話系統(tǒng)
介紹：Francis Bach合作的有關(guān)稀疏建模的新綜述(書)：Sparse Modeling for Image and Vision Processing某筐，內(nèi)容涉及Sparsity, Dictionary Learning, PCA, Matrix Factorization等理論比搭，以及在圖像和視覺上的應(yīng)用，而且第一部分關(guān)于Why does the l1-norm induce sparsity的解釋也很不錯南誊。
介紹：RKHS是機器學(xué)習(xí)中重要的概念身诺，其在large margin分類器上的應(yīng)用也是廣為熟知的。如果沒有較好的數(shù)學(xué)基礎(chǔ)抄囚，直接理解RKHS可能會不易霉赡。本文從基本運算空間講到Banach和Hilbert空間，深入淺出幔托，一共才12頁穴亏。
介紹：許多同學(xué)對于機器學(xué)習(xí)及深度學(xué)習(xí)的困惑在于，數(shù)學(xué)方面已經(jīng)大致理解了重挑，但是動起手來卻不知道如何下手寫代碼嗓化。斯坦福深度學(xué)習(xí)博士Andrej Karpathy寫了一篇實戰(zhàn)版本的深度學(xué)習(xí)及機器學(xué)習(xí)教程，手把手教你用Javascript寫神經(jīng)網(wǎng)絡(luò)和SVM.
介紹：【語料庫】語料庫資源匯總
介紹：本文會過一遍最流行的機器學(xué)習(xí)算法谬哀，大致了解哪些方法可用刺覆，很有幫助。
介紹：這個里面有很多關(guān)于機器學(xué)習(xí)史煎、信號處理谦屑、計算機視覺、深入學(xué)習(xí)劲室、神經(jīng)網(wǎng)絡(luò)等領(lǐng)域的大量源代碼（或可執(zhí)行代碼）及相關(guān)論文伦仍〗峋剑科研寫論文的好資源
介紹：NYU 2014年的深度學(xué)習(xí)課程資料很洋，有視頻
介紹：計算機視覺數(shù)據(jù)集不完全匯總
介紹：機器學(xué)習(xí)開源軟件
介紹：A Library for Support Vector Machines
介紹：數(shù)據(jù)挖掘十大經(jīng)典算法之一
介紹：github上面100個非常棒的項目
介紹：當(dāng)前加州大學(xué)歐文分校為機器學(xué)習(xí)社區(qū)維護著306個數(shù)據(jù)集。查詢數(shù)據(jù)集
介紹：Andrej Karpathy 是斯坦福大學(xué)Li Fei-Fei的博士生隧枫，使用機器學(xué)習(xí)在圖像喉磁、視頻語義分析領(lǐng)域取得了科研和工程上的突破谓苟，發(fā)的文章不多，但每個都很扎實协怒，在每一個問題上都做到了state-of-art.
介紹：Andrej Karpathy的深度強化學(xué)習(xí)演示涝焙，論文在這里
介紹：CIKM Cup(或者稱為CIKM Competition)是ACM CIKM舉辦的國際數(shù)據(jù)挖掘競賽的名稱。
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(xué)家和心理學(xué)家孕暇，以其在神經(jīng)網(wǎng)絡(luò)方面的貢獻聞名仑撞。辛頓是反向傳播算法和對比散度算法的發(fā)明人之一，也是深度學(xué)習(xí)的積極推動者.
介紹：微軟研究院深度學(xué)習(xí)技術(shù)中心在CIKM2014 上關(guān)于《自然語言處理的深度學(xué)習(xí)理論與實際》教學(xué)講座的幻燈片
介紹： 本文基于<支持向量機的高頻限價訂單的動態(tài)建模>采用了 Apache Spark和Spark MLLib從紐約股票交易所的訂單日志數(shù)據(jù)構(gòu)建價格運動預(yù)測模型妖滔。(股票有風(fēng)險隧哮，投資謹慎)GitHub源代碼托管地址.
介紹：徐宗本 院士將于熱愛機器學(xué)習(xí)的小伙伴一起探討有關(guān)于機器學(xué)習(xí)的幾個理論性問題，并給出一些有意義的結(jié)論座舍。最后通過一些實例來說明這些理論問題的物理意義和實際應(yīng)用價值沮翔。
介紹：作者還著有《這就是搜索引擎：核心技術(shù)詳解》一書，主要是介紹應(yīng)用層的東西
介紹：機器學(xué)習(xí)課程
介紹：人臉識別必讀文章推薦
介紹：推薦系統(tǒng)經(jīng)典論文文獻
介紹：人臉識別必讀文章推薦
介紹：第十二屆中國"機器學(xué)習(xí)及其應(yīng)用"研討會PPT
介紹：統(tǒng)計學(xué)習(xí)是關(guān)于計算機基于數(shù)據(jù)構(gòu)建的概率統(tǒng)計模型并運用模型對數(shù)據(jù)進行預(yù)測和分析的一門科學(xué)曲秉，統(tǒng)計學(xué)習(xí)也成為統(tǒng)計機器學(xué)習(xí)采蚀。課程來自上海交通大學(xué)
介紹：機器學(xué)習(xí)的目標是對計算機編程，以便使用樣本數(shù)據(jù)或以往的經(jīng)驗來解決給定的問題.
介紹：CIKM 2014 Jeff Dean承二、Qi Lu榆鼠、Gerhard Weikum的主題報告的幻燈片， Alex Smola亥鸠、Limsoon Wong璧眠、Tong Zhang、Chih-Jen Lin的Industry Track報告的幻燈片
介紹：部分中文列表
介紹:此外作者還有一篇元算法读虏、AdaBoost python實現(xiàn)文章
介紹:加州伯克利大學(xué)博士Aria Haghighi寫了一篇超贊的數(shù)值優(yōu)化博文踱蛀，從牛頓法講到擬牛頓法题暖，再講到BFGS以及L-BFGS, 圖文并茂，還有偽代碼。強烈推薦牵敷。
介紹:還有續(xù)集簡明深度學(xué)習(xí)方法概述（二）
介紹:Ｒ語言程序員私人定制版
介紹:谷歌地圖解密
介紹:空間數(shù)據(jù)挖掘常用方法
介紹:Kaggle新比賽 ”When bag of words meets bags of popcorn“ aka ”邊學(xué)邊用word2vec和deep learning做NLP“ 里面全套教程教一步一步用python和gensim包的word2vec模型，并在實際比賽里面比調(diào)參數(shù)和清數(shù)據(jù)似芝。 如果已裝過gensim不要忘升級
介紹:PyNLPIR提供了NLPIR/ICTCLAS漢語分詞的Python接口,此外Zhon提供了常用漢字常量蝶棋，如CJK字符和偏旁，中文標點塑荒，拼音熄赡，和漢字正則表達式（如找到文本中的繁體字）
介紹:這文章說把最近模型識別上的突破應(yīng)用到圍棋軟件上，打16萬張職業(yè)棋譜訓(xùn)練模型識別功能齿税。想法不錯彼硫。訓(xùn)練后目前能做到不用計算，只看棋盤就給出下一步，大約10級棋力拧篮。但這篇文章太過樂觀词渤，說什么人類的最后一塊堡壘馬上就要跨掉了。話說得太早串绩。不過缺虐，如果與別的軟件結(jié)合應(yīng)該還有潛力可挖。@萬精油墨綠
介紹:UT Austin教授Eric Price關(guān)于今年NIPS審稿實驗的詳細分析,他表示礁凡，根據(jù)這次實驗的結(jié)果高氮，如果今年NIPS重新審稿的話，會有一半的論文被拒顷牌。
介紹:KDNuggets分別總結(jié)了2014年14個閱讀最多以及分享最多的文章。我們從中可以看到多個主題——深度學(xué)習(xí)韧掩，數(shù)據(jù)科學(xué)家職業(yè)紊浩，教育和薪酬，學(xué)習(xí)數(shù)據(jù)科學(xué)的工具比如R和Python以及大眾投票的最受歡迎的數(shù)據(jù)科學(xué)和數(shù)據(jù)挖掘語言
介紹:Python實現(xiàn)線性回歸,作者還有其他很棒的文章推薦可以看看
介紹：2014中國大數(shù)據(jù)技術(shù)大會33位核心專家演講PDF下載
介紹：這是T. Mikolov & Y. Bengio最新論文Ensemble of Generative and Discriminative Techniques for Sentiment Analysis of Movie Reviews 疗锐，使用RNN和PV在情感分析效果不錯坊谁，［項目代碼］(https://github.com/mesnilgr/iclr15)公布在github(目前是空的)。這意味著Paragraph Vector終于揭開面紗了嘛滑臊。
介紹:NLPIR/ICTCLAS2015分詞系統(tǒng)發(fā)布與用戶交流大會上的演講口芍，請更多朋友檢閱新版分詞吧。 我們實驗室同學(xué)的演講包括：孫夢姝-基于評論觀點挖掘的商品搜索技術(shù)研究 李然-主題模型
介紹:Convex Neural Networks 解決維數(shù)災(zāi)難
介紹:介紹CNN參數(shù)在使用bp算法時該怎么訓(xùn)練雇卷，畢竟CNN中有卷積層和下采樣層鬓椭，雖然和MLP的bp算法本質(zhì)上相同，但形式上還是有些區(qū)別的关划，很顯然在完成CNN反向傳播前了解bp算法是必須的小染。此外作者也做了一個資源集:機器學(xué)習(xí)，深度學(xué)習(xí)贮折，視覺裤翩，數(shù)學(xué)等
介紹:如果要在一篇文章中匹配十萬個關(guān)鍵詞怎么辦？Aho-Corasick 算法利用添加了返回邊的Trie樹调榄，能夠在線性時間內(nèi)完成匹配踊赠。 但如果匹配十萬個正則表達式呢 ？ 這時候可以用到把多個正則優(yōu)化成Trie樹的方法每庆，如日本人寫的 Regexp::Trie
介紹:深度學(xué)習(xí)閱讀清單
介紹:Caffe是一個開源的深度學(xué)習(xí)框架筐带，作者目前在google工作，作者主頁Yangqing Jia (賈揚清)
介紹:2014 ImageNet冠軍GoogLeNet深度學(xué)習(xí)模型的Caffe復(fù)現(xiàn)模型,GoogleNet論文.
介紹:LambdaNetLambdaNet是由Haskell實現(xiàn)的一個開源的人工神經(jīng)網(wǎng)絡(luò)庫伦籍，它抽象了網(wǎng)絡(luò)創(chuàng)建蓝晒、訓(xùn)練并使用了高階函數(shù)。該庫還提供了一組預(yù)定義函數(shù)鸽斟，用戶可以采取多種方式組合這些函數(shù)來操作現(xiàn)實世界數(shù)據(jù)拔创。
介紹:如果你從事互聯(lián)網(wǎng)搜索利诺，在線廣告富蓄，用戶行為分析，圖像識別慢逾，自然語言理解立倍，或者生物信息學(xué)，智能機器人侣滩，金融預(yù)測口注，那么這門核心課程你必須深入了解。
介紹:"人工智能研究分許多流派君珠。其中之一以IBM為代表寝志，認為只要有高性能計算就可得到智能，他們的‘深藍’擊敗了世界象棋冠軍策添；另一流派認為智能來自動物本能材部；還有個很強的流派認為只要找來專家，把他們的思維用邏輯一條條寫下唯竹，放到計算機里就行……" 楊強在TEDxNanjing談智能的起源
介紹:1)機器翻譯Sequence to Sequence NIPS14 2)成分句法GRAMMAR AS FOREIGN LANGUAGE
介紹:網(wǎng)易有道的三位工程師寫的word2vec的解析文檔乐导，從基本的詞向量/統(tǒng)計語言模型->NNLM->Log-Linear/Log-Bilinear->層次化Log-Bilinear，到CBOW和Skip-gram模型浸颓，再到word2vec的各種tricks物臂，公式推導(dǎo)與代碼，基本上是網(wǎng)上關(guān)于word2vec資料的大合集产上，對word2vec感興趣的朋友可以看看
介紹:機器學(xué)習(xí)開源軟件,收錄了各種機器學(xué)習(xí)的各種編程語言學(xué)術(shù)與商業(yè)的開源軟件．與此類似的還有很多例如:DMOZ - Computers: Artificial Intelligence: Machine Learning: Software, LIBSVM -- A Library for Support Vector Machines, Weka 3: Data Mining Software in Java, scikit-learn:Machine Learning in Python, Natural Language Toolkit:NLTK, MAchine Learning for LanguagE Toolkit, Data Mining - Fruitful and Fun, Open Source Computer Vision Library
介紹:作者是計算機研二(寫文章的時候棵磷，現(xiàn)在是2015年了應(yīng)該快要畢業(yè)了)，專業(yè)方向自然語言處理．這是一點他的經(jīng)驗之談．對于入門的朋友或許會有幫助
介紹:這是一篇關(guān)于機器學(xué)習(xí)算法分類的文章晋涣，非常好
介紹:機器學(xué)習(xí)日報里面推薦很多內(nèi)容泽本，在這里有一部分的優(yōu)秀內(nèi)容就是來自機器學(xué)習(xí)日報．
介紹:這是一篇關(guān)于圖像分類在深度學(xué)習(xí)中的文章
介紹:作者與Bengio的兄弟Samy 09年合編《自動語音識別：核方法》 3）李開復(fù)1989年《自動語音識別》專著，其博導(dǎo)姻僧、94年圖靈獎得主Raj Reddy作序
介紹: 作者是360電商技術(shù)組成員,這是一篇NLP在中文分詞中的應(yīng)用
介紹: 使用deep learning的人臉關(guān)鍵點檢測规丽，此外還有一篇AWS部署教程
介紹: 由Sebastian Nowozin等人編纂MIT出版的新書《Advanced Structured Prediction》http://t.cn/RZxipKG ，匯集了結(jié)構(gòu)化預(yù)測領(lǐng)域諸多牛文撇贺，涉及CV赌莺、NLP等領(lǐng)域，值得一讀松嘶。網(wǎng)上公開的幾章草稿:一,二,三,四,五
介紹: Tropp把數(shù)學(xué)家用高深裝逼的數(shù)學(xué)語言寫的矩陣概率不等式用初等的方法寫出來艘狭，是非常好的手冊，領(lǐng)域內(nèi)的paper各種證明都在用里面的結(jié)果。雖說是初等的巢音，但還是非常的難
介紹: 不容錯過的免費大數(shù)據(jù)集遵倦，有些已經(jīng)是耳熟能詳，有些可能還是第一次聽說官撼，內(nèi)容跨越文本梧躺、數(shù)據(jù)、多媒體等傲绣，讓他們伴你開始數(shù)據(jù)科學(xué)之旅吧掠哥，具體包括：Data.gov、US Census Bureau秃诵、European Union Open Data Portal续搀、Data.gov.uk等
介紹: 谷歌科學(xué)家、Hinton親傳弟子Ilya Sutskever的深度學(xué)習(xí)綜述及實際建議
介紹: 非常好的討論遞歸神經(jīng)網(wǎng)絡(luò)的文章菠净，覆蓋了RNN的概念禁舷、原理、訓(xùn)練及優(yōu)化等各個方面內(nèi)容毅往，強烈推薦牵咙！本文作者Nikhil Buduma還有一篇Deep Learning in a Nutshell值得推薦
介紹:里面融合了很多的資源，例如競賽煞抬，在線課程霜大，demo，數(shù)據(jù)整合等革答。有分類
介紹:《機器學(xué)習(xí)的統(tǒng)計基礎(chǔ)》在線版战坤，該手冊希望在理論與實踐之間找到平衡點，各主要內(nèi)容都伴有實際例子及數(shù)據(jù)残拐，書中的例子程序都是用R語言編寫的途茫。
介紹:IVAN VASILEV寫的深度學(xué)習(xí)導(dǎo)引：從淺層感知機到深度網(wǎng)絡(luò)。高可讀
介紹:魯棒及有益的人工智能優(yōu)先研究計劃：一封公開信,目前已經(jīng)有Stuart Russell, Tom Dietterich, Eric Horvitz, Yann LeCun, Peter Norvig, Tom Mitchell, Geoffrey Hinton, Elon Musk等人簽署The Future of Life Institute (FLI).這封信的背景是最近霍金和Elon Musk提醒人們注意AI的潛在威脅溪食。公開信的內(nèi)容是AI科學(xué)家們站在造福社會的角度囊卜，展望人工智能的未來發(fā)展方向，提出開發(fā)AI系統(tǒng)的Verification错沃，Validity, Security, Control四點要求栅组，以及需要注意的社會問題。畢竟當(dāng)前AI在經(jīng)濟領(lǐng)域枢析，法律玉掸，以及道德領(lǐng)域相關(guān)研究較少。其實還有一部美劇《疑犯追蹤》,介紹了AI的演進從一開始的自我學(xué)習(xí)醒叁，過濾司浪，圖像識別泊业，語音識別等判斷危險啊易，到第四季的時候出現(xiàn)了機器通過學(xué)習(xí)成長之后想控制世界的狀態(tài)吁伺。說到這里推薦收看。
介紹:里面根據(jù)詞條提供了許多資源租谈，還有相關(guān)知識結(jié)構(gòu)篮奄，路線圖，用時長短等垦垂。號稱是”機器學(xué)習(xí)“搜索引擎
介紹:Facebook人工智能研究院（FAIR）開源了一系列軟件庫宦搬，以幫助開發(fā)者建立更大牙瓢、更快的深度學(xué)習(xí)模型劫拗。開放的軟件庫在 Facebook 被稱作模塊。用它們替代機器學(xué)習(xí)領(lǐng)域常用的開發(fā)環(huán)境 Torch 中的默認模塊矾克，可以在更短的時間內(nèi)訓(xùn)練更大規(guī)模的神經(jīng)網(wǎng)絡(luò)模型页慷。
介紹:本文雖然是寫于2012年，但是這篇文章完全是作者的經(jīng)驗之作胁附。
介紹:本文是對《機器學(xué)習(xí)實戰(zhàn)》作者Peter Harrington做的一個訪談酒繁。包含了書中部分的疑問解答和一點個人學(xué)習(xí)建議
介紹:非常好的深度學(xué)習(xí)概述，對幾種流行的深度學(xué)習(xí)模型都進行了介紹和討論
介紹:主要是講述了利用R語言進行數(shù)據(jù)挖掘
介紹:幫你理解卷積神經(jīng)網(wǎng)絡(luò)控妻，講解很清晰州袒，此外還有兩篇Conv Nets: A Modular Perspective，Groups & Group Convolutions. 作者的其他的關(guān)于神經(jīng)網(wǎng)絡(luò)文章也很棒
介紹:Deep Learning算法介紹弓候，里面介紹了06年3篇讓deep learning崛起的論文
介紹:一本學(xué)習(xí)人工智能的書籍郎哭，作者是Yoshua Bengio，相關(guān)國內(nèi)報道
介紹:Geoffrey Hinton是Deep Learning的大牛菇存，他的主頁放了一些介紹性文章和課件值得學(xué)習(xí)
介紹:概率論：數(shù)理邏輯書籍
介紹:一個用來快速的統(tǒng)計夸研，機器學(xué)習(xí)并且對于數(shù)據(jù)量大的數(shù)學(xué)庫
介紹:在這里你可以看到最近深度學(xué)習(xí)有什么新動向。
介紹:此書在信息檢索領(lǐng)域家喻戶曉依鸥， 除提供該書的免費電子版外亥至，還提供一個IR資源列表 ，收錄了信息檢索贱迟、網(wǎng)絡(luò)信息檢索姐扮、搜索引擎實現(xiàn)等方面相關(guān)的圖書、研究中心衣吠、相關(guān)課程茶敏、子領(lǐng)域、會議蒸播、期刊等等睡榆，堪稱全集压汪，值得收藏
介紹:信息幾何學(xué)及其在機器學(xué)習(xí)中的應(yīng)用
介紹:課程《法律分析》介紹幻燈片。用機器學(xué)習(xí)解決法律相關(guān)分析和預(yù)測問題瞄勾，相關(guān)的法律應(yīng)用包括預(yù)測編碼僻造、早期案例評估、案件整體情況的預(yù)測宿崭，定價和工作人員預(yù)測亲铡，司法行為預(yù)測等。法律領(lǐng)域大家可能都比較陌生葡兑，不妨了解下奖蔓。
介紹: 文中提到了最優(yōu)，模型讹堤，最大熵等等理論吆鹤，此外還有應(yīng)用篇。推薦系統(tǒng)可以說是一本不錯的閱讀稿洲守，關(guān)于模型還推薦一篇Generative Model 與 Discriminative Model
介紹: NeuralTalk is a Python+numpy project for learning Multimodal Recurrent Neural Networks that describe images with sentences.NeuralTalk是一個Python的從圖像生成自然語言描述的工具疑务。它實現(xiàn)了Google (Vinyals等，卷積神經(jīng)網(wǎng)絡(luò)CNN + 長短期記憶LSTM) 和斯坦福 (Karpathy and Fei-Fei梗醇， CNN + 遞歸神經(jīng)網(wǎng)絡(luò)RNN)的算法知允。NeuralTalk自帶了一個訓(xùn)練好的動物模型，你可以拿獅子大象的照片來試試看
介紹:本文主要介紹了在Hadoop2.0上使用深度學(xué)習(xí),文章來自paypal
介紹:用基于梯度下降的方法訓(xùn)練深度框架的實踐推薦指導(dǎo),作者是Yoshua Bengio .感謝@xuewei4d 推薦
介紹: 用統(tǒng)計和因果方法做機器學(xué)習(xí)（視頻報告）
介紹: 一個講機器學(xué)習(xí)的Youtube視頻教程叙谨。160集温鸽。系統(tǒng)程度跟書可比擬。
介紹: 機器學(xué)習(xí)中的數(shù)學(xué)涤垫，作者的研究方向是機器學(xué)習(xí)，并行計算如果你還想了解一點其他的可以看看他博客的其他文章
介紹: 美團推薦算法實踐虫溜，從框架雹姊，應(yīng)用，策略衡楞，查詢等分析
介紹: 深度學(xué)習(xí)用于問答系統(tǒng)答案句的選取
介紹: CNN用于WEB搜索吱雏，深度學(xué)習(xí)在文本計算中的應(yīng)用
介紹: Awesome系列中的公開數(shù)據(jù)集
介紹: 一個學(xué)術(shù)搜索引擎
介紹: 用Python和Cython寫的工業(yè)級自然語言處理庫，號稱是速度最快的NLP庫瘾境，快的原因一是用Cython寫的歧杏，二是用了個很巧妙的hash技術(shù)，加速系統(tǒng)的瓶頸迷守，NLP中稀松特征的存取
介紹: Fields是個數(shù)學(xué)研究中心,上面的這份ppt是來自Fields舉辦的活動中Russ Salakhutdinov帶來的《大規(guī)模機器學(xué)習(xí)》分享
介紹: Topic modeling 的經(jīng)典論文,標注了關(guān)鍵點
介紹: 多倫多大學(xué)與Google合作的新論文犬绒，深度學(xué)習(xí)也可以用來下圍棋，據(jù)說能達到六段水平
介紹: 新聞兑凿，paper,課程凯力，book茵瘾，system,CES,Roboot雕旨，此外還推薦一個深度學(xué)習(xí)入門與綜述資料
介紹: 18 free eBooks on Machine Learning
介紹:Chief scientist of Noah's Ark Lab of Huawei Technologies.He worked at the Research Laboratories of NEC Corporation during 1990 and 2001 and Microsoft Research Asia during 2001 and 2012.Paper
介紹: DEEPLEARNING.UNIVERSITY的論文庫已經(jīng)收錄了963篇經(jīng)過分類的深度學(xué)習(xí)論文了欣范，很多經(jīng)典論文都已經(jīng)收錄
介紹: Radim ?eh??ek(Gensim開發(fā)者)在一次機器學(xué)習(xí)聚會上的報告狠半，關(guān)于word2vec及其優(yōu)化噩死、應(yīng)用和擴展颤难，很實用.國內(nèi)網(wǎng)盤
介紹:很多公司都用機器學(xué)習(xí)來解決問題，提高用戶體驗已维。那么怎么可以讓機器學(xué)習(xí)更實時和有效呢乐严？Spark MLlib 1.2里面的Streaming K-means，由斑馬魚腦神經(jīng)研究的Jeremy Freeman腦神經(jīng)科學(xué)家編寫衣摩，最初是為了實時處理他們每半小時1TB的研究數(shù)據(jù)昂验，現(xiàn)在發(fā)布給大家用了。
介紹: 這是一篇面向工程師的LDA入門筆記艾扮，并且提供一份開箱即用Java實現(xiàn)既琴。本文只記錄基本概念與原理，并不涉及公式推導(dǎo)泡嘴。文中的LDA實現(xiàn)核心部分采用了arbylon的LdaGibbsSampler并力所能及地注解了甫恩，在搜狗分類語料庫上測試良好，開源在GitHub上酌予。
介紹: AMiner是一個學(xué)術(shù)搜索引擎磺箕，從學(xué)術(shù)網(wǎng)絡(luò)中挖掘深度知識、面向科技大數(shù)據(jù)的挖掘抛虫。收集近4000萬作者信息松靡、8000萬論文信息、1億多引用關(guān)系建椰、鏈接近8百萬知識點雕欺；支持專家搜索、機構(gòu)排名棉姐、科研成果評價屠列、會議排名。
介紹: Quora上的主題伞矩，討論Word2Vec的有趣應(yīng)用笛洛，Omer Levy提到了他在CoNLL2014最佳論文里的分析結(jié)果和新方法，Daniel Hammack給出了找特異詞的小應(yīng)用并提供了(Python)代碼
介紹: 機器學(xué)習(xí)公開課匯總,雖然里面的有些課程已經(jīng)歸檔過了乃坤，但是還有個別的信息沒有苛让。感謝課程圖譜的小編
介紹: 【A First Course in Linear Algebra】Robert Beezer 有答案 有移動版、打印版 使用GNU自由文檔協(xié)議 引用了杰弗遜1813年的信
介紹:libfacedetection是深圳大學(xué)開源的一個人臉圖像識別庫侥袜。包含正面和多視角人臉檢測兩個算法.優(yōu)點:速度快(OpenCV haar+adaboost的2-3倍), 準確度高 (FDDB非公開類評測排名第二）蝌诡，能估計人臉角度。
介紹:WSDM2015最佳論文 把馬爾可夫鏈理論用在了圖分析上面枫吧，比一般的propagation model更加深刻一些浦旱。通過全局的平穩(wěn)分布去求解每個節(jié)點影響系數(shù)模型。假設(shè)合理（轉(zhuǎn)移受到相鄰的影響系數(shù)影響）九杂“浜可以用來反求每個節(jié)點的影響系數(shù)
介紹:機器學(xué)習(xí)入門書籍宣蠕，具體介紹
介紹: 非常棒的強調(diào)特征選擇對分類器重要性的文章。情感分類中甥捺，根據(jù)互信息對復(fù)雜高維特征降維再使用樸素貝葉斯分類器抢蚀，取得了比SVM更理想的效果，訓(xùn)練和分類時間也大大降低——更重要的是镰禾，不必花大量時間在學(xué)習(xí)和優(yōu)化SVM上——特征也一樣no free lunch
介紹:CMU的統(tǒng)計系和計算機系知名教授Larry Wasserman 在《機器崛起》,對比了統(tǒng)計和機器學(xué)習(xí)的差異
介紹:隨著大數(shù)據(jù)時代的到來皿曲，機器學(xué)習(xí)成為解決問題的一種重要且關(guān)鍵的工具。不管是工業(yè)界還是學(xué)術(shù)界吴侦，機器學(xué)習(xí)都是一個炙手可熱的方向屋休，但是學(xué)術(shù)界和工業(yè)界對機器學(xué)習(xí)的研究各有側(cè)重，學(xué)術(shù)界側(cè)重于對機器學(xué)習(xí)理論的研究备韧，工業(yè)界側(cè)重于如何用機器學(xué)習(xí)來解決實際問題劫樟。這篇文章是美團的實際環(huán)境中的實戰(zhàn)篇
介紹:面向機器學(xué)習(xí)的高斯過程，章節(jié)概要：回歸织堂、分類叠艳、協(xié)方差函數(shù)、模型選擇與超參優(yōu)化易阳、高斯模型與其他模型關(guān)系附较、大數(shù)據(jù)集的逼近方法等,微盤下載
介紹:Python下的文本模糊匹配庫，老庫新推闽烙，可計算串間ratio(簡單相似系數(shù))翅睛、partial_ratio(局部相似系數(shù))、token_sort_ratio(詞排序相似系數(shù))黑竞、token_set_ratio(詞集合相似系數(shù))等 github
介紹:Blocks是基于Theano的神經(jīng)網(wǎng)絡(luò)搭建框架，集成相關(guān)函數(shù)疏旨、管道和算法很魂，幫你更快地創(chuàng)建和管理NN模塊.
介紹:機器學(xué)習(xí)大神Alex Smola在CMU新一期的機器學(xué)習(xí)入門課程”Introduction to Machine Learning“近期剛剛開課，課程4K高清視頻同步到Y(jié)outube上檐涝，目前剛剛更新到 2.4 Exponential Families,課程視頻playlist, 感興趣的同學(xué)可以關(guān)注遏匆，非常適合入門.
介紹:用社交用戶行為學(xué)習(xí)圖片的協(xié)同特征，可更好地表達圖片內(nèi)容相似性谁榜。由于不依賴于人工標簽(標注)幅聘，可用于大規(guī)模圖片處理，難在用戶行為數(shù)據(jù)的獲取和清洗窃植；利用社會化特征的思路值得借鑒.
介紹:Twitter技術(shù)團隊對前段時間開源的時間序列異常檢測算法(S-H-ESD)R包的介紹帝蒿，其中對異常的定義和分析很值得參考，文中也提到——異常是強針對性的巷怜，某個領(lǐng)域開發(fā)的異常檢測在其他領(lǐng)域直接用可不行.
介紹:聚焦數(shù)據(jù)質(zhì)量問題的應(yīng)對葛超，數(shù)據(jù)質(zhì)量對各種規(guī)模企業(yè)的性能和效率都至關(guān)重要暴氏，文中總結(jié)出(不限于)22種典型數(shù)據(jù)質(zhì)量問題顯現(xiàn)的信號，以及典型的數(shù)據(jù)質(zhì)量解決方案(清洗绣张、去重答渔、統(tǒng)一、匹配侥涵、權(quán)限清理等)
介紹:中文分詞入門之資源.
介紹:15年舊金山深度學(xué)習(xí)峰會視頻集萃,國內(nèi)云盤
介紹:很好的條件隨機場(CRF)介紹文章,作者的學(xué)習(xí)筆記
介紹: 來自Stanford沼撕，用神經(jīng)網(wǎng)絡(luò)實現(xiàn)快速準確的依存關(guān)系解析器
介紹:做深度學(xué)習(xí)如何選擇GPU的建議
介紹: Stanford的Trevor Hastie教授在H2O.ai Meet-Up上的報告，講稀疏線性模型——面向“寬數(shù)據(jù)”(特征維數(shù)超過樣本數(shù))的線性模型,13年同主題報告 芜飘、講義.
介紹: 分類整理的機器視覺相關(guān)資源列表端朵，秉承Awesome系列風(fēng)格，有質(zhì)有量!作者的更新頻率也很頻繁
介紹: social networks course
介紹: 大規(guī)模機器學(xué)習(xí)流程的構(gòu)建與部署.
介紹: 人臉識別二次開發(fā)包燃箭，免費冲呢，可商用，有演示招狸、范例敬拓、說明書.
介紹: 采用Torch用深度學(xué)習(xí)網(wǎng)絡(luò)理解NLP，來自Facebook 人工智能的文章.
介紹: 來自CMU的Ed Hovy和Stanford的Jiwei Li一篇有意思的Arxiv文章,作者用Shannon Entropy來刻畫NLP中各項任務(wù)的難度.
介紹: 信息檢索排序模型BM25(Besting Matching)裙戏。1）從經(jīng)典概率模型演變而來 2）捕捉了向量空間模型中三個影響索引項權(quán)重的因子：IDF逆文檔頻率乘凸；TF索引項頻率；文檔長度歸一化累榜。3）并且含有集成學(xué)習(xí)的思想：組合了BM11和BM15兩個模型营勤。4）作者是BM25的提出者和Okapi實現(xiàn)者Robertson.
介紹: 自回歸滑動平均(ARMA)時間序列的簡單介紹，ARMA是研究時間序列的重要方法壹罚，由自回歸模型（AR模型）與滑動平均模型（MA模型）為基礎(chǔ)“混合”構(gòu)成.
介紹: 把來自target的attention signal加入source encoding CNN的輸入葛作，得到了比BBN的模型好的多neural network joint model
介紹: 揭開印度菜的美味秘訣——通過對大量食譜原料關(guān)系的挖掘，發(fā)現(xiàn)印度菜美味的原因之一是其中的味道互相沖突猖凛，很有趣的文本挖掘研究
介紹: HMM相關(guān)文章,此外推薦中文分詞之HMM模型詳解
介紹: 1)詞頻與其降序排序的關(guān)系,最著名的是語言學(xué)家齊夫(Zipf,1902-1950)1949年提出的Zipf‘s law,即二者成反比關(guān)系. 曼德勃羅(Mandelbrot,1924- 2010)引入?yún)?shù)修正了對甚高頻和甚低頻詞的刻畫 2)Heaps' law: 詞匯表與語料規(guī)模的平方根(這是一個參數(shù),英語0.4-0.6)成正比
介紹: Jürgen Schmidhuber在Reddit上的AMA(Ask Me Anything)主題赂蠢，有不少RNN和AI、ML的干貨內(nèi)容辨泳，關(guān)于開源&思想&方法&建議……耐心閱讀虱岂，相信你也會受益匪淺.
介紹: 成G上T的學(xué)術(shù)數(shù)據(jù)，HN近期熱議話題,主題涉及機器學(xué)習(xí)菠红、NLP第岖、SNA等。下載最簡單的方法试溯，通過BT軟件蔑滓，RSS訂閱各集合即可
介紹: Scikit-Learn官網(wǎng)提供，在原有的Cheat Sheet基礎(chǔ)上加上了Scikit-Learn相關(guān)文檔的鏈接，方便瀏覽
介紹: 深度學(xué)習(xí)的全面硬件指南烫饼，從GPU到RAM猎塞、CPU、SSD杠纵、PCIe
介紹:Pedestrian Detection paper & data
介紹: 【神經(jīng)科學(xué)碰撞人工智能】在臉部識別上你我都是專家荠耽，即使細微的差別也能辨認。研究已證明人類和靈長類動物在面部加工上不同于其他物種比藻，人類使用梭狀回面孔區(qū)（FFA）铝量。Khaligh-Razavi等通過計算機模擬出人臉識別的FFA活動，堪稱神經(jīng)科學(xué)與人工智能的完美結(jié)合银亲。
介紹: 神經(jīng)網(wǎng)絡(luò)C++教程,本文介紹了用可調(diào)節(jié)梯度下降和可調(diào)節(jié)動量法設(shè)計和編碼經(jīng)典BP神經(jīng)網(wǎng)絡(luò)慢叨，網(wǎng)絡(luò)經(jīng)過訓(xùn)練可以做出驚人和美妙的東西出來。此外作者博客的其他文章也很不錯务蝠。
介紹:deeplearning4j官網(wǎng)提供的實際應(yīng)用場景NN選擇參考表拍谐，列舉了一些典型問題建議使用的神經(jīng)網(wǎng)絡(luò)
介紹:一個深度學(xué)習(xí)項目,提供了Python, C/C++, Java, Scala, Go多個版本的代碼
介紹:深度學(xué)習(xí)教程,github
介紹:自然語言處理的發(fā)展趨勢——訪卡內(nèi)基梅隆大學(xué)愛德華·霍威教授.
介紹:Google對Facebook DeepFace的有力回擊—— FaceNet，在LFW(Labeled Faces in the Wild)上達到99.63%準確率(新紀錄)馏段，F(xiàn)aceNet embeddings可用于人臉識別谐宙、鑒別和聚類.
介紹:本文來自Databricks公司網(wǎng)站的一篇博客文章疼电，由Joseph Bradley和Manish Amde撰寫炸卑，文章主要介紹了Random Forests和Gradient-Boosted Trees（GBTs）算法和他們在MLlib中的分布式實現(xiàn)证芭，以及展示一些簡單的例子并建議該從何處上手.中文版.
介紹:華盛頓大學(xué)Pedro Domingos團隊的DNN，提供論文和實現(xiàn)代碼.
介紹:基于神經(jīng)網(wǎng)絡(luò)的自然語言依存關(guān)系解析器(已集成至Stanford CoreNLP)喷舀，特點是超快砍濒、準確，目前可處理中英文語料硫麻，基于《A Fast and Accurate Dependency Parser Using Neural Networks》 思路實現(xiàn).
介紹:本文根據(jù)神經(jīng)網(wǎng)絡(luò)的發(fā)展歷程庶香，詳細講解神經(jīng)網(wǎng)絡(luò)語言模型在各個階段的形式甲棍，其中的模型包含NNLM[Bengio,2003]、Hierarchical NNLM[Bengio, 2005], Log-Bilinear[Hinton, 2007],SENNA等重要變形赶掖，總結(jié)的特別好.
介紹:經(jīng)典問題的新研究：利用文本和可讀性特征分類垃圾郵件。
介紹:Kaggle腦控計算機交互(BCI)競賽優(yōu)勝方案源碼及文檔七扰，包括完整的數(shù)據(jù)處理流程奢赂，是學(xué)習(xí)Python數(shù)據(jù)處理和Kaggle經(jīng)典參賽框架的絕佳實例
介紹:IPOL（在線圖像處理）是圖像處理和圖像分析的研究期刊，每篇文章都包含一個算法及相應(yīng)的代碼颈走、Demo和實驗文檔膳灶。文本和源碼是經(jīng)過了同行評審的。IPOL是開放的科學(xué)和可重復(fù)的研究期刊。我一直想做點類似的工作轧钓，拉近產(chǎn)品和技術(shù)之間的距離.
介紹:出自MIT序厉，研究加密數(shù)據(jù)高效分類問題.
介紹:新加坡LV實驗室的神經(jīng)網(wǎng)絡(luò)并行框架Purine: A bi-graph based deep learning framework,支持構(gòu)建各種并行的架構(gòu)，在多機多卡毕箍，同步更新參數(shù)的情況下基本達到線性加速弛房。12塊Titan 20小時可以完成Googlenet的訓(xùn)練。
介紹:這是一個機器學(xué)習(xí)資源庫,雖然比較少.但蚊子再小也是肉.有突出部分.此外還有一個由zheng Rui整理的機器學(xué)習(xí)資源.
介紹:Chase Davis在NICAR15上的主題報告材料而柑，用Scikit-Learn做監(jiān)督學(xué)習(xí)的入門例子.
介紹:這是一本自然語言處理的詞典,從1998年開始到目前積累了成千上萬的專業(yè)詞語解釋,如果你是一位剛?cè)腴T的朋友.可以借這本詞典讓自己成長更快.
介紹:通過分析1930年至今的比賽數(shù)據(jù)文捶，用PageRank計算世界杯參賽球隊排行榜.
介紹:R語言教程,此外還推薦一個R語言教程An Introduction to R.
介紹:經(jīng)典老文，復(fù)雜網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)的高效算法媒咳，Gephi中的[Community detection](The Louvain method for community detection in large networks)即基于此.
介紹: 一個面向 .net 的開源機器學(xué)習(xí)庫,github地址
介紹: 支持node.js的JS神經(jīng)網(wǎng)絡(luò)庫粹排，可在客戶端瀏覽器中運行，支持LSTM等 github地址
介紹: 決策樹
介紹: 討論深度學(xué)習(xí)自動編碼器如何有效應(yīng)對維數(shù)災(zāi)難,國內(nèi)翻譯
介紹: CMU的優(yōu)化與隨機方法課程涩澡，由A. Smola和S. Sra主講顽耳，優(yōu)化理論是機器學(xué)習(xí)的基石，值得深入學(xué)習(xí) 國內(nèi)云(視頻)
介紹: "面向視覺識別的CNN"課程設(shè)計報告集錦.近百篇妙同，內(nèi)容涉及圖像識別應(yīng)用的各個方面
介紹:用Spark的MLlib+GraphX做大規(guī)模LDA主題抽取.
介紹: 基于深度學(xué)習(xí)的多標簽分類,用基于RBM的DBN解決多標簽分類(特征)問題
介紹: DeepMind論文集錦
介紹: 一個開源語音識別工具包,它目前托管在sourceforge上面
介紹: 免費電子書《數(shù)據(jù)新聞手冊》, 國內(nèi)有熱心的朋友翻譯了中文版,大家也可以在線閱讀
介紹: 零售領(lǐng)域的數(shù)據(jù)挖掘文章.
介紹: 深度學(xué)習(xí)卷積概念詳解,深入淺出.
介紹: 非常強大的Python的數(shù)據(jù)分析工具包.
介紹: 2015文本分析(商業(yè))應(yīng)用綜述.
介紹: 深度學(xué)習(xí)框架射富、庫調(diào)研及Theano的初步測試體會報告.
介紹: MIT的Yoshua Bengio, Ian Goodfellow, Aaron Courville著等人講深度學(xué)習(xí)的新書，還未定稿渐溶，線上提供Draft chapters收集反饋辉浦，超贊！強烈推薦.
介紹: Python下開源可持久化樸素貝葉斯分類庫.
介紹:Paracel is a distributed computational framework designed for machine learning problems, graph algorithms and scientific computing in C++.
介紹: 開源漢語言處理包.
介紹: 使用Ruby實現(xiàn)簡單的神經(jīng)網(wǎng)絡(luò)例子.
介紹:神經(jīng)網(wǎng)絡(luò)黑客入門.
介紹:好多數(shù)據(jù)科學(xué)家名人推薦,還有資料.
介紹:實現(xiàn)項目已經(jīng)開源在github上面Crepe
介紹:作者發(fā)現(xiàn)茎辐，經(jīng)過調(diào)參宪郊，傳統(tǒng)的方法也能和word2vec取得差不多的效果。另外拖陆，無論作者怎么試弛槐，GloVe都比不過word2vec.
介紹:Stanford深度學(xué)習(xí)與自然語言處理課程,Richard Socher主講.
介紹:機器學(xué)習(xí)中的重要數(shù)學(xué)概念.
介紹:用于改進語義表示的樹型LSTM遞歸神經(jīng)網(wǎng)絡(luò),句子級相關(guān)性判斷和情感分類效果很好.實現(xiàn)代碼.
介紹:卡耐基梅隆Ryan Tibshirani和Larry Wasserman開設(shè)的機器學(xué)習(xí)課程，先修課程為機器學(xué)習(xí)(10-715)和中級統(tǒng)計學(xué)(36-705)依啰，聚焦統(tǒng)計理論和方法在機器學(xué)習(xí)領(lǐng)域應(yīng)用.
介紹:《哈佛大學(xué)蒙特卡洛方法與隨機優(yōu)化課程》是哈佛應(yīng)用數(shù)學(xué)研究生課程乎串，由V Kaynig-Fittkau、P Protopapas主講速警，Python程序示例叹誉，對貝葉斯推理感興趣的朋友一定要看看，提供授課視頻及課上IPN講義.
介紹:生物醫(yī)學(xué)的SPARK大數(shù)據(jù)應(yīng)用.并且伯克利開源了他們的big data genomics系統(tǒng)ADAM闷旧，其他的內(nèi)容可以關(guān)注一下官方主頁.
介紹:對自然語言處理技術(shù)或者機器翻譯技術(shù)感興趣的親們长豁，請在提出自己牛逼到無以倫比的idea（自動歸納翻譯規(guī)律、自動理解語境忙灼、自動識別語義等等）之前匠襟，請通過谷歌學(xué)術(shù)簡單搜一下钝侠，如果谷歌不可用，這個網(wǎng)址有這個領(lǐng)域幾大頂會的論文列表,切不可斷章取義,胡亂假設(shè).
介紹:論文+代碼:基于集成方法的Twitter情感分類,實現(xiàn)代碼.
介紹:NIPS CiML 2014的PPT,NIPS是神經(jīng)信息處理系統(tǒng)進展大會的英文簡稱.
介紹:斯坦福的深度學(xué)習(xí)課程的Projects 每個人都要寫一個論文級別的報告 里面有一些很有意思的應(yīng)用 大家可以看看 .
介紹:R語言線性回歸多方案速度比較具體方案包括lm()酸舍、nls()帅韧、glm()、bayesglm()啃勉、nls()忽舟、mle2()、optim()和Stan’s optimizing()等.
介紹:文中提到的三篇論文（機器學(xué)習(xí)那些事璧亮、無監(jiān)督聚類綜述萧诫、監(jiān)督分類綜述）都很經(jīng)典，Domnigos的機器學(xué)習(xí)課也很精彩
介紹:萊斯大學(xué)（Rice University）的深度學(xué)習(xí)的概率理論.
介紹:基于馬爾可夫鏈自動生成啤酒評論的開源Twitter機器人,github地址.
介紹:視頻+講義:深度學(xué)習(xí)用于自然語言處理教程(NAACL13).
介紹:用機器學(xué)習(xí)做數(shù)據(jù)分析,David Taylor最近在McGill University研討會上的報告枝嘶，還提供了一系列講機器學(xué)習(xí)方法的ipn帘饶，很有價值 GitHub.國內(nèi)
介紹:基于CNN+LSTM的視頻分類,google演示.
介紹:Quora怎么用機器學(xué)習(xí).
介紹:亞馬遜在機器學(xué)習(xí)上面的一些應(yīng)用,代碼示例.
介紹:并行機器學(xué)習(xí)指南(基于scikit-learn和IPython).notebook
介紹:DataSchool的機器學(xué)習(xí)基本概念教學(xué).
介紹:一個基于OpenGL實現(xiàn)的卷積神經(jīng)網(wǎng)絡(luò)，支持Linux及Windows系.
介紹:基于Mahout和Elasticsearch的推薦系統(tǒng).
介紹:Francis X. Diebold的《(經(jīng)濟|商業(yè)|金融等領(lǐng)域)預(yù)測方法.
介紹:Francis X. Diebold的《時序計量經(jīng)濟學(xué)》.
介紹:基于Yelp數(shù)據(jù)集的開源情感分析工具比較,評測覆蓋Naive Bayes群扶、SentiWordNet及刻、CoreNLP等 .
介紹:國內(nèi)Pattern Recognition And Machine Learning讀書會資源匯總,各章pdf講稿,博客.
介紹:用于Web分析和數(shù)據(jù)挖掘的概率數(shù)據(jù)結(jié)構(gòu).
介紹:機器學(xué)習(xí)在導(dǎo)航上面的應(yīng)用.
介紹:Neural Networks Demystified系列視頻，Stephen Welch制作竞阐，純手繪風(fēng)格缴饭，淺顯易懂,國內(nèi)云.
介紹:{swirl}數(shù)據(jù)訓(xùn)練營:R&數(shù)據(jù)科學(xué)在線交互教程.
介紹:關(guān)于深度學(xué)習(xí)和RNN的討論 Sequence to Sequence Learning with Neural Networks.
介紹:Deep Reinforcement Learning.
介紹:(PyCon2015)Scikit-Learn機器學(xué)習(xí)教程,Parallel Machine Learning with scikit-learn and IPython.
介紹:PDNN: A Python Toolkit for Deep Learning.
介紹:15年春季學(xué)期CMU的機器學(xué)習(xí)課程，由Alex Smola主講骆莹，提供講義及授課視頻颗搂，很不錯.國內(nèi)鏡像.
介紹:大數(shù)據(jù)處理課.內(nèi)容覆蓋流處理、MapReduce幕垦、圖算法等.
介紹:用Spark MLlib實現(xiàn)易用可擴展的機器學(xué)習(xí),國內(nèi)鏡像.
介紹:以往上千行代碼概率編程(語言)實現(xiàn)只需50行.
介紹:ggplot2速查小冊子,另外一個,此外還推薦《A new data processing workflow for R: dplyr, magrittr, tidyr, ggplot2》.
介紹:用結(jié)構(gòu)化模型來預(yù)測實時股票行情.
介紹:國際人工智能聯(lián)合會議錄取論文列表,大部分論文可使用Google找到.
介紹:一般矩陣乘法(GEMM)對深度學(xué)習(xí)的重要性.
介紹:A Community of awesome Distributed Machine Learning C++ projects.
介紹:免費電子書<強化學(xué)習(xí)介紹>,第一版(1998),第二版(2015草稿),相關(guān)課程資料,Reinforcement Learning.
介紹:免費書:Azure ML使用精要.
介紹:A Deep Learning Tutorial: From Perceptrons to Deep Networks.
介紹:有趣的機器學(xué)習(xí)：最簡明入門指南,中文版.
介紹:深度學(xué)習(xí)簡明介紹,中文版.
介紹:Portable, scalable and reliable distributed machine learning.
介紹:CNN開源實現(xiàn)橫向評測,參評框架包括Caffe 丢氢、Torch-7、CuDNN 先改、cudaconvnet2 疚察、fbfft、Nervana Systems等仇奶，NervanaSys表現(xiàn)突出.
介紹:卡耐基梅隆大學(xué)計算機學(xué)院語言技術(shù)系的資源大全,包括大量的NLP開源軟件工具包貌嫡，基礎(chǔ)數(shù)據(jù)集，論文集该溯，數(shù)據(jù)挖掘教程岛抄，機器學(xué)習(xí)資源.
介紹:Twitter情感分析工具SentiTweet,視頻+講義.
介紹:華盛頓大學(xué)的Machine Learning Paper Repository.
介紹:機器學(xué)習(xí)速查表.
介紹:最新的Spark summit會議資料.
介紹:最新的Spark summit會議資料.
介紹:Ebook Learning Spark.
介紹:Ebook Advanced Analytics with Spark, Early Release Edition.
介紹:清華大學(xué)副教授，是圖挖掘方面的專家狈茉。他主持設(shè)計和實現(xiàn)的Arnetminer是國內(nèi)領(lǐng)先的圖挖掘系統(tǒng)弦撩，該系統(tǒng)也是多個會議的支持商.
介紹:遷移學(xué)習(xí)的國際領(lǐng)軍人物.
介紹:在半監(jiān)督學(xué)習(xí)，multi-label學(xué)習(xí)和集成學(xué)習(xí)方面在國際上有一定的影響力.
介紹:信息檢索论皆，自然語言處理，機器翻譯方面的專家.
介紹:吳軍博士是當(dāng)前Google中日韓文搜索算法的主要設(shè)計者。在Google其間点晴，他領(lǐng)導(dǎo)了許多研發(fā)項目感凤，包括許多與中文相關(guān)的產(chǎn)品和自然語言處理的項目,他的新個人主頁.
介紹:喵星人相關(guān)論文集.
介紹:如何評價機器學(xué)習(xí)模型系列文章,How to Evaluate Machine Learning Models, Part 2a: Classification Metrics,How to Evaluate Machine Learning Models, Part 2b: Ranking and Regression Metrics.
介紹:Twitter新trends的基本實現(xiàn)框架.
介紹:Storm手冊，國內(nèi)有中文翻譯版本,謝謝作者.
介紹:Java機器學(xué)習(xí)算法庫SmileMiner.
介紹:機器翻譯學(xué)術(shù)論文寫作方法和技巧粒督，Simon Peyton Jones的How to write a good research paper同類視頻How to Write a Great Research Paper,how to paper talk.
介紹:神經(jīng)網(wǎng)絡(luò)訓(xùn)練中的Tricks之高效BP,博主的其他博客也挺精彩的.
介紹:作者是NLP方向的碩士陪竿，短短幾年內(nèi)研究成果頗豐,推薦新入門的朋友閱讀.
介紹:UCLA的Jens Palsberg根據(jù)Google Scholar建立了一個計算機領(lǐng)域的H-index牛人列表,我們熟悉的各個領(lǐng)域的大牛絕大多數(shù)都在榜上，包括1位諾貝爾獎得主屠橄，35位圖靈獎得主族跛，近百位美國工程院/科學(xué)院院士，300多位ACM Fellow,在這里推薦的原因是大家可以在google通過搜索牛人的名字來獲取更多的資源,這份資料很寶貴.
介紹:用大型語料庫學(xué)習(xí)概念的層次關(guān)系锐墙，如鳥是鸚鵡的上級礁哄，鸚鵡是虎皮鸚鵡的上級。創(chuàng)新性在于模型構(gòu)造溪北，用因子圖刻畫概念之間依存關(guān)系桐绒，因引入兄弟關(guān)系，圖有環(huán)之拨，所以用有環(huán)擴散（loopy propagation）迭代計算邊際概率（marginal probability）.
介紹: 這是一款貝葉斯分析的商業(yè)軟件,官方寫的貝葉斯分析的手冊有250多頁,雖然R語言 已經(jīng)有類似的項目,但畢竟可以增加一個可選項.
介紹:deep net highlights from 2014.
介紹:This paper proposes Fast R-CNN, a clean and fast framework for object detection.
介紹:圖像指紋的重復(fù)識別,作者源碼,國內(nèi)翻譯版本.
介紹:提供計算機視覺茉继、機器視覺應(yīng)用的公司信息匯總.應(yīng)用領(lǐng)域包括：自動輔助駕駛和交通管理、眼球和頭部跟蹤蚀乔、影視運動分析烁竭、影視業(yè)、手勢識別吉挣、通用視覺系統(tǒng)派撕、各種工業(yè)自動化和檢驗、醫(yī)藥和生物听想、移動設(shè)備目標識別和AR腥刹、人群跟蹤、攝像汉买、安全監(jiān)控衔峰、生物監(jiān)控、三維建模蛙粘、web和云應(yīng)用.
介紹:Python版可視化數(shù)據(jù)統(tǒng)計開源庫.
介紹:麻省理工Gilbert Strang線性代數(shù)課程筆記,Gilbert Strang《Linear Algebra》課程主頁視頻+講義.
介紹:面向機器學(xué)習(xí)/深度學(xué)習(xí)的數(shù)據(jù)向量化工具Canova,github, 支持CSV文件垫卤、MNIST數(shù)據(jù)、TF-IDF/Bag of Words/word2vec文本向量化.
介紹:快速入門：基于Apache Mahout的分布式機器學(xué)習(xí).
介紹:基于scikit-learn講解了一些機器學(xué)習(xí)技術(shù)出牧，如SVM穴肘，NB，PCA舔痕，DT评抚，以及特征工程豹缀、特征選擇和模型選擇問題.
介紹:基于Spark的高效機器學(xué)習(xí),視頻地址.
介紹:WePay用機器學(xué)習(xí)對抗信用卡"shell selling"詐騙.
介紹:16位數(shù)據(jù)科學(xué)家語錄精選.
介紹:深度學(xué)習(xí)在大數(shù)據(jù)分析領(lǐng)域的應(yīng)用和挑戰(zhàn).
介紹:免費的機器學(xué)習(xí)與數(shù)學(xué)書籍,除此之外還有其他的免費編程書籍,編程語言,設(shè)計,操作系統(tǒng)等.
介紹:一篇關(guān)于CNN模型對象識別Paper.
介紹:深度學(xué)習(xí)的統(tǒng)計分析V:泛化和正則化.
介紹:用SGD能高效完成訓(xùn)練的大規(guī)模(多層)深度網(wǎng)絡(luò)HN.
介紹:深度學(xué)習(xí)解讀文章.
介紹:Coursera上的推薦系統(tǒng)導(dǎo)論（Introduction to Recommender Systems）公開課.
介紹:Andrew Ng經(jīng)典機器學(xué)習(xí)課程筆記.
介紹:ICLR 2015見聞錄,博客的其他機器學(xué)習(xí)文章也不錯.
介紹:推薦系統(tǒng)"個性化語義排序"模型.
介紹:激情時分更惜字——MIT的最新Twitter研究結(jié)果.
介紹:蘇州大學(xué)人類語言技術(shù)研究相關(guān)論文.
介紹:實現(xiàn)神經(jīng)圖靈機(NTM),項目地址,此外推薦相關(guān)神經(jīng)圖靈機算法.
介紹:華盛頓大學(xué)的機器視覺(2015),參考資料Computer Vision: Algorithms and Applications.
介紹:"Mining of Massive Datasets"發(fā)布第二版,Jure Leskovec, Anand Rajaraman, Jeff Ullman 新版增加Jure Leskovec作為合作作者，新增社交網(wǎng)絡(luò)圖數(shù)據(jù)挖掘慨代、降維和大規(guī)模機器學(xué)習(xí)三章,電子版依舊免費.
介紹:一個深度學(xué)習(xí)資源頁,資料很豐富.
介紹:免費電子書"Learning Deep Learning".
介紹:Machine Learning for Astronomy with scikit-learn.
介紹:免費電子書"隨機森林入門指南".
介紹:白話數(shù)據(jù)挖掘十大算法.
介紹:基于Mahout和Elasticsearch的推薦系統(tǒng),國內(nèi)譯版.
介紹:博士學(xué)位論文:ELM研究進展.
介紹:Pandas十分鐘速覽,ipn.
介紹:面向數(shù)據(jù)新聞的文本挖掘.
介紹:用網(wǎng)絡(luò)圖片合成延時視頻(SIGGRAPH 2015).
介紹:分類系統(tǒng)的維數(shù)災(zāi)難.
介紹:深度學(xué)習(xí)vs.大數(shù)據(jù)——從數(shù)據(jù)到知識：版權(quán)的思考,[翻譯版](http://www.csdn.net/article/2015-05-19/2824707
介紹:預(yù)測模型入門.
介紹:深入淺出LSTM.
介紹:Ben Jones的數(shù)據(jù)可視化建議.
介紹:解讀數(shù)據(jù)降維/PCA/SVD.
介紹:IPN:監(jiān)督學(xué)習(xí)方法示例/對比參考表,覆蓋logistic回歸, 決策樹, SVM, KNN, Naive Bayes等方法.
介紹:基于RankSVM和DNN自動(重組)生成Rap歌詞.
介紹:隨機索引RI詞空間模型專題.
介紹:基于機器學(xué)習(xí)的漏洞檢測工具VDiscover.
介紹:深度學(xué)習(xí)系統(tǒng)minerva邢笙。擁有python編程接口。多GPU幾乎達到線性加速侍匙。在4塊GPU上能在4天內(nèi)將GoogLeNet訓(xùn)練到68.7%的top-1以及89.0%的top-5準確率氮惯。和同為dmlc項目的cxxnet相比，采用動態(tài)數(shù)據(jù)流引擎想暗，提供更多靈活性妇汗。未來將和cxxnet一起整合為mxnet項目，互取優(yōu)勢.
介紹:2015年國際計算機視覺與模式識別會議paper.
介紹:Netflix工程總監(jiān)眼中的分類算法：深度學(xué)習(xí)優(yōu)先級最低,中文版.
介紹:Codalab圖像標注競賽排行+各家論文,Reddit上flukeskywalker整理了各家技術(shù)相關(guān)論文.
介紹:基于Caffe的加速深度學(xué)習(xí)系統(tǒng)CcT.
介紹:深度學(xué)習(xí)(模型)低精度(訓(xùn)練與)存儲.
介紹:新書預(yù)覽:模型機器學(xué)習(xí).
介紹:免費電子書多臂老虎機,此外推薦Introduction to Bandits: Algorithms and Theory.
介紹:基于Kaggle's Titanic Competition的交互式R機器學(xué)習(xí)教程,介紹《Interactive R Tutorial: Machine Learning for the Titanic Competition》.
介紹:Deep Learning（深度學(xué)習(xí)）學(xué)習(xí)筆記整理系列.
介紹:神經(jīng)(感知)機器翻譯介紹.
介紹:Andrew Ng關(guān)于深度學(xué)習(xí)/自學(xué)習(xí)/無監(jiān)督特征學(xué)習(xí)的報告,國內(nèi)云.
介紹:論文:通過潛在知識遷移訓(xùn)練RNN.
介紹:面向金融數(shù)據(jù)的情感分析工具.
介紹:(Python)主題模型交互可視化庫pyLDAvis.
介紹:Logistic回歸與優(yōu)化實例教程.
介紹:賈揚清（谷歌大腦科學(xué)家说莫、caffe締造者）微信講座記錄.
介紹:Theano/Blocks實現(xiàn)RNN手寫字符串生成sketch.
介紹:基于TopSig的海量(7億+)網(wǎng)頁聚類.
介紹:NAACL 2015 論文papers.
介紹:機器學(xué)習(xí)預(yù)測股市的七個問題.
介紹:神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)資料推薦.
介紹:面向序列學(xué)習(xí)的RNN綜述.
介紹:R文本處理手冊.
介紹:“必看”的Python視頻集錦.
介紹:Google(基礎(chǔ)結(jié)構(gòu))棧.
介紹:矩陣和數(shù)據(jù)的隨機算法(UC Berkeley 2013).
介紹:DataCamp中級R語言教程.
介紹:免費電子書:輕松掌握拓撲學(xué),中文版.
介紹:Scikit-learn 是基于Scipy為機器學(xué)習(xí)建造的的一個Python模塊杨箭，他的特色就是多樣化的分類，回歸和聚類的算法包括支持向量機唬滑，邏輯回歸告唆，樸素貝葉斯分類器，隨機森林晶密，Gradient Boosting擒悬，聚類算法和DBSCAN。而且也設(shè)計出了Python numerical和scientific libraries Numpy and Scipy
介紹:Pylearn是一個讓機器學(xué)習(xí)研究簡單化的基于Theano的庫程序稻艰。
介紹:NuPIC是一個以HTM學(xué)習(xí)算法為工具的機器智能平臺懂牧。HTM是皮層的精確計算方法。HTM的核心是基于時間的持續(xù)學(xué)習(xí)算法和儲存和撤銷的時空模式尊勿。NuPIC適合于各種各樣的問題,尤其是檢測異常和預(yù)測的流數(shù)據(jù)來源僧凤。
介紹:Nilearn 是一個能夠快速統(tǒng)計學(xué)習(xí)神經(jīng)影像數(shù)據(jù)的Python模塊。它利用Python語言中的scikit-learn 工具箱和一些進行預(yù)測建模元扔，分類躯保，解碼，連通性分析的應(yīng)用程序來進行多元的統(tǒng)計澎语。
介紹:Pybrain是基于Python語言強化學(xué)習(xí)途事，人工智能，神經(jīng)網(wǎng)絡(luò)庫的簡稱擅羞。 它的目標是提供靈活尸变、容易使用并且強大的機器學(xué)習(xí)算法和進行各種各樣的預(yù)定義的環(huán)境中測試來比較你的算法。
介紹:Pattern 是Python語言下的一個網(wǎng)絡(luò)挖掘模塊减俏。它為數(shù)據(jù)挖掘召烂，自然語言處理，網(wǎng)絡(luò)分析和機器學(xué)習(xí)提供工具娃承。它支持向量空間模型奏夫、聚類怕篷、支持向量機和感知機并且用KNN分類法進行分類。
介紹:Fuel為你的機器學(xué)習(xí)模型提供數(shù)據(jù)桶蛔。他有一個共享如MNIST, CIFAR-10 (圖片數(shù)據(jù)集), Google’s One Billion Words (文字)這類數(shù)據(jù)集的接口匙头。你使用他來通過很多種的方式來替代自己的數(shù)據(jù)。
介紹:Bob是一個免費的信號處理和機器學(xué)習(xí)的工具仔雷。它的工具箱是用Python和C++語言共同編寫的，它的設(shè)計目的是變得更加高效并且減少開發(fā)時間舔示，它是由處理圖像工具,音頻和視頻處理碟婆、機器學(xué)習(xí)和模式識別的大量軟件包構(gòu)成的。
介紹:Skdata是機器學(xué)習(xí)和統(tǒng)計的數(shù)據(jù)集的庫程序惕稻。這個模塊對于玩具問題竖共，流行的計算機視覺和自然語言的數(shù)據(jù)集提供標準的Python語言的使用。
介紹:MILK是Python語言下的機器學(xué)習(xí)工具包俺祠。它主要是在很多可得到的分類比如SVMS,K-NN,隨機森林公给，決策樹中使用監(jiān)督分類法。 它還執(zhí)行特征選擇蜘渣。 這些分類器在許多方面相結(jié)合,可以形成不同的例如無監(jiān)督學(xué)習(xí)淌铐、密切關(guān)系金傳播和由MILK支持的K-means聚類等分類系統(tǒng)。
介紹:IEPY是一個專注于關(guān)系抽取的開源性信息抽取工具。它主要針對的是需要對大型數(shù)據(jù)集進行信息提取的用戶和想要嘗試新的算法的科學(xué)家。
介紹:Quepy是通過改變自然語言問題從而在數(shù)據(jù)庫查詢語言中進行查詢的一個Python框架壮虫。他可以簡單的被定義為在自然語言和數(shù)據(jù)庫查詢中不同類型的問題缔逛。所以，你不用編碼就可以建立你自己的一個用自然語言進入你的數(shù)據(jù)庫的系統(tǒng)〗障桑現(xiàn)在Quepy提供對于Sparql和MQL查詢語言的支持。并且計劃將它延伸到其他的數(shù)據(jù)庫查詢語言。
介紹:Hebel是在Python語言中對于神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)的一個庫程序弟跑，它使用的是通過PyCUDA來進行GPU和CUDA的加速。它是最重要的神經(jīng)網(wǎng)絡(luò)模型的類型的工具而且能提供一些不同的活動函數(shù)的激活功能防症，例如動力孟辑，涅斯捷羅夫動力，信號丟失和停止法告希。
介紹:它是一個由有用的工具和日常數(shù)據(jù)科學(xué)任務(wù)的擴展組成的一個庫程序扑浸。
介紹:這個程序包容納了大量能對你完成機器學(xué)習(xí)任務(wù)有幫助的實用程序模塊。其中大量的模塊和scikit-learn一起工作燕偶，其它的通常更有用喝噪。
介紹:Ramp是一個在Python語言下制定機器學(xué)習(xí)中加快原型設(shè)計的解決方案的庫程序。他是一個輕型的pandas-based機器學(xué)習(xí)中可插入的框架指么，它現(xiàn)存的Python語言下的機器學(xué)習(xí)和統(tǒng)計工具（比如scikit-learn,rpy2等）Ramp提供了一個簡單的聲明性語法探索功能從而能夠快速有效地實施算法和轉(zhuǎn)換酝惧。
介紹:這一系列工具通過與scikit-learn兼容的API榴鼎，來創(chuàng)建和測試機器學(xué)習(xí)功能。這個庫程序提供了一組工具晚唇，它會讓你在許多機器學(xué)習(xí)程序使用中很受用巫财。當(dāng)你使用scikit-learn這個工具時，你會感覺到受到了很大的幫助哩陕。（雖然這只能在你有不同的算法時起作用平项。）
介紹:REP是以一種和諧、可再生的方式為指揮數(shù)據(jù)移動驅(qū)動所提供的一種環(huán)境悍及。它有一個統(tǒng)一的分類器包裝來提供各種各樣的操作闽瓢，例如TMVA, Sklearn, XGBoost, uBoost等等。并且它可以在一個群體以平行的方式訓(xùn)練分類器心赶。同時它也提供了一個交互式的情節(jié)扣讼。
介紹:用亞馬遜的機器學(xué)習(xí)建造的簡單軟件收集。
介紹:這是一個在Python語言下基于scikit-learn的極端學(xué)習(xí)機器的實現(xiàn)缨叫。
介紹:電子書降維方法,此外還推薦Dimensionality Reduction A Short Tutorial椭符、Matlab Toolbox for Dimensionality Reduction、Unsupervised Kernel Dimension Reduction
介紹:deeplearning.net整理的深度學(xué)習(xí)數(shù)據(jù)集列表.
介紹:Go語言編寫的自然語言處理工具.
介紹:詞頻模型對詞向量的反擊,參考Improving Distributional Similarity with Lessons Learned from Word Embeddings 耻姥。
介紹:預(yù)測模型的三個方面.
介紹:斯坦福大學(xué)深度學(xué)習(xí)與自然語言處理課程,部分課程筆記詞向量销钝、引言
介紹:CVPR2015上Google的CV研究列表.
介紹:利用(Metamind)深度學(xué)習(xí)自動發(fā)現(xiàn)籃球賽精彩片段.
介紹:對本土化特征學(xué)習(xí)的分析
