本專題招募管理員饭冬，有意向請簡信私聊，謝謝揪阶！ 用來分享機器學習昌抠，深度學習，神經網絡遣钳，計算機視覺等領域的一些技術扰魂。 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，相互學習蕴茴！

機器學習(Machine Learning倦淀，ML)是研究計算機怎樣模擬或實現(xiàn)人類的學習行為蒋畜，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撞叽。數(shù)據挖掘是從海量數(shù)據中獲取有效的姻成、新穎的、潛在有用的愿棋、最終可理解的模式的非平凡過程科展。數(shù)據挖掘中用到了大量的機器學習界提供的數(shù)據分析技術和數(shù)據庫界提供的數(shù)據管理技術，機器學習是數(shù)據挖掘的一個重要的工具糠雨。機器學習交流群：613944735

可能以后去做大數(shù)據了甘邀，抓緊時間學學C++以及機器視覺吧琅攘，搞不好以后就沒得學了，入了行我就得好好做呀松邪！不然到時候交不了差坞琴，那可不行！逗抑！另外剧辐，給自己定點小目標：出國去參加會議或者交流一陣子。然后畢業(yè)了希望可以去五大互聯(lián)網巨頭工作锋八！Facebook或者Google浙于，嗯，我果然更喜歡Google

計算機輔助藥物涉及腐宋、測序分析紊服、Python檀轨、R、機器學習欺嗤、論文寫作参萄、網站制作、LOL煎饼、dota2讹挎。熱愛生信，熱愛生活吆玖。

我們已經進入一個嶄新的智能機器時代沾乘，在未來幾年內怜奖，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(lián)網在過去的30年間已經對世界造成的改變。是謙遜地生存翅阵，還是傲慢地死去歪玲？智能機器將成為我們的奴隸，伙伴還是主人掷匠？

為機器學習愛好提供從入門到初級讹语，中級钙皮，高級，進階版機器學習算法的基于Sklearn募强、TensorFlow的Python3源代碼株灸。微信公眾號：pythonfan https://github.com/Anfany/Machine-Learning-for-Beginner-by-Python3。

機器學習 回歸分析 lasso elestinet random forest svm 等 feature selection with R Boruta and caret package 使用機器學習算法，針對每個單獨的特征和響應變量之間建立預測模型

計算生物學，計算化學进每，計算機輔助藥物設計

RDKit化學信息學與機器學習