機器學習雅潭、深度學習資料整理揭厚，實戰(zhàn)經驗總結：https://github.com/jacksu/machine-learning

本專題招募管理員筛圆，有意向請簡信私聊，謝謝椿浓！ 用來分享機器學習太援，深度學習，神經網絡扳碍，計算機視覺等領域的一些技術提岔。 Machine Learning 學習資料：http://www.reibang.com/p/e0238db24973 相關參考： 1. [Coursera - Machine Learning by Andrew Ng]：https://www.coursera.org/learn/machine-learning 2. [ Stanford CS231n Course]：http://cs231n.github.io/ 課程整理：http://www.reibang.com/p/182baeb82c71 3. [深度學習與神經網絡(英文原版)]：http://neuralnetworksanddeeplearning.com/ [GitBook同步鏈接]：https://www.gitbook.com/book/tigerneil/neural-networks-and-deep-learning-zh/details 4. [UFLDL教程]：http://deeplearning.stanford.edu/wiki/index.php/UFLDL%E6%95%99%E7%A8%8B （中文） http://ufldl.stanford.edu/wiki/index.php/UFLDL_Tutorial （英文） 5. [Deep Learning - An MIT Press book]：http://www.deeplearningbook.org/ 6. [Neural Network Playground]： http://playground.tensorflow.org/ 7. [A Guide to Deep Learning]： http://www.reibang.com/p/6752a8845d01 8. [知乎“機器學習”專欄]： https://www.zhihu.com/collection/108812637 9. [How do Convolutional Neural Networks work?] http://www.reibang.com/p/fe428f0b32c1 …… 希望大家可以相互交流，相互學習笋敞！

至少做一個有態(tài)度的程序員

歡迎大家咨詢畢業(yè)設計相關事宜

我們已經進入一個嶄新的智能機器時代澎怒，在未來幾年內褒搔，人工智能和機器人給世界帶來的影響將遠遠超過個人計算機和互聯網在過去的30年間已經對世界造成的改變。是謙遜地生存喷面，還是傲慢地死去星瘾？智能機器將成為我們的奴隸，伙伴還是主人惧辈？

機器學習(Machine Learning盒齿，ML)是研究計算機怎樣模擬或實現人類的學習行為念逞，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的性能边翁。數據挖掘是從海量數據中獲取有效的翎承、新穎的、潛在有用的符匾、最終可理解的模式的非平凡過程叨咖。數據挖掘中用到了大量的機器學習界提供的數據分析技術和數據庫界提供的數據管理技術，機器學習是數據挖掘的一個重要的工具啊胶。機器學習交流群：613944735

機器學習算法關注機器學習焰坪，人工智能趣倾，數據挖掘，計算機視覺等相關領域的文章

區(qū)塊鏈研習社專欄，專門探討區(qū)塊鏈技術與應用露乏，相互協作碧浊，創(chuàng)造價值。 關注官網學習更多區(qū)塊鏈知識：www.chainclub.cn

關注微信公眾號：Java技術棧（id: javastack），每日一篇Java技術干貨劳较。

磨碎的納豆。

阿里云官網內容平臺！匯聚阿里云優(yōu)質內容（入門抖仅、文檔坊夫、案例、最佳實踐撤卢、直播等）环凿！如需轉載或內容類合作，郵件yqgroup@service.aliyun.com 秒級回復放吩！<br>

java后臺學習中渡紫，應該掌握的技術

QT優(yōu)秀的GUI框架腻惠，使用c++語言編寫环肘，PyQt是QT的Python版

gamer<br>locker<br>programmer<br>

目標是用一年時間把Leetcode上的題目全部做完