源链接为总链接,书中的例子程序都以用景逸SUV语言编写的

该能源的github地址:Qix

【整理】ty4z2008201《Understanding Convolutions》


《Statistical foundations of machine
learning》

【编辑】Major术业

【贡献者】ty4z2008、pkuphy、peimin、jappre、CSerxy

介绍:《机器学习的总括基础》在线版,该手册希望在答辩与执行之间找到平衡点,各重庆大学内容都伴有实在例子及数据,书中的例子程序都以用Murano语言编写的。

作品链接地址:https://github.com/ty4z2008/Qix/blob/master/dl.md

【整理者】ty4z2008

《A Deep Learning Tutorial: From Perceptrons to Deep
Networks》

201《Understanding Convolutions》

【源链接】https://github.com/ty4z2008/Qix/blob/master/dl.md

介绍:IVAN VASILEV写的深浅学习导引:从浅层感知机到深度互联网。高可读

介绍:帮您理解卷积神经网络,讲解很清晰,别的还有两篇Conv Nets: A Modular
Perspective,Groups & Group Convolutions.
笔者的别的的关于神经互联网小说也很棒

【备注】源链接为总链接,共包蕴62陆个子链接

《Research priorities for robust and beneficial artificial
intelligence》

202《Introduction to Deep Learning Algorithms》

【编辑】Major术业,在原作基础上,为每篇标记上序号,方便我们区分和查看

介绍:鲁棒及福利的人工智能优先商量安顿:一封公开信,近来一度有StuartRussell, 汤姆 Dietterich, 埃里克 Horvitz, Yann LeCun, Peter Norvig, 汤姆米切尔, 杰弗里 Hinton, Elon Musk等人签名The Future of Life
Institute
(FLI)
.那封信的背景是新近霍金和Elon
Musk提示人们注意AI的地下勒迫。公开信的剧情是AI化学家们站在方便人民群众社会的角度,展望人工智能的前景发展方向,建议开发AI系统的Verification,Validity,
Security,
Control四点须求,以及需求注意的社会难点。毕竟当前AI在经济领域,法律,以及道德领域有关研讨较少。其实还有一部美国大片《疑犯追踪》,介绍了AI的朝令暮改从一先河的本身学习,过滤,图像识别,语音识别等判定危险,到第④季的时候出现了机械通过学习成才之后想控制世界的意况。说到此地推荐收看。

介绍:Deep Learning算法介绍,里面介绍了06年3篇让deep learning崛起的随想


《metacademy》

203《Learning Deep Architectures for AI》

301《CS231n: Convolutional Neural Networks for Visual Recognition》

介绍:里面依照词条提供了累累财富,还有有关文化结构,路线图,用时间长度短等。号称是”机器学习“搜索引擎

介绍:一本学习人工智能的图书,小编是Yoshua Bengio,相关国内通信

介绍:
“面向视觉识别的CNN”课程设计报告集锦.近百篇,内容提到图像识别应用的各类方面

《FAIR open sources deep-learning modules for
Torch》

204《Geoffrey E. Hinton个人主页》

302《Topic modeling with LDA: MLlib meets GraphX》

介绍:Facebook人工智能钻探院(FAI冠道)开源了一星罗棋布软件库,以助手开发者建立更大、更快的纵深学习模型。开放的软件库在
推特(Twitter) 被称作模块。用它们替代机械学习世界常用的费用条件 Torch
中的私下认可模块,能够在更短的时刻内磨练更大局面包车型客车神经网络模型。

介绍:杰弗里 Hinton是Deep
Learning的大牛,他的主页放了一部分介绍性小说和课件值得学习

介绍:用斯Parker的MLlib+GraphX做科学普及LDA大旨抽取.

《浅析人脸检查和测试之Haar分类器方法》

205《PROBABILITY THEORY: THE LOGIC OF SCIENCE》

303《Deep Learning for Multi-label Classification》

介绍:本文就算是写于二〇一二年,不过那篇文章完全是笔者的经验之作。

介绍:概率论:数理逻辑书籍

介绍: 基于深度学习的多标签分类,用基于RBM的DBN消除多标签分类(特征)难题

《如何成为壹人数据化学家》

206《H2O》

304《Google DeepMind publications》

介绍:本文是对《机器学习实战》笔者Peter哈林顿做的贰个访谈。包罗了书中有的的疑难解答和少数个体学习建议

介绍:一个用来十分的快的总括,机器学习并且对于数据量大的数学库

介绍: DeepMind杂谈集锦

《Deep learning from the bottom
up》

207《ICLMurano 二零一四议会的arXiv稿件合集》

305《kaldi》

介绍:格外好的深度学习概述,对三种流行的深浅学习模型都进展了介绍和座谈

介绍:在那边你能够观望近来深度学习有何样新取向。

介绍: 二个开源语音识别工具包,它近期托管在sourceforge上边

《Hands-On Data Science with R Text
Mining》

208《Introduction to Information Retrieval》

306《Data Journalism Handbook》

介绍:首倘诺讲述了选用CRUISER语言实行多少挖掘

介绍:此书在音信寻找领域显明,
除提供该书的免费电子版外,还提供三个I奥迪Q7能源列表
,收录了消息搜索、互联网新闻寻找、搜索引擎达成等方面有关的书籍、商量中央、相关课程、子领域、会议、期刊等等,堪称全集,值得珍藏

介绍: 免费电子书《数据音讯手册》,
国内有热情的对象翻译了普通话版,大家也足以在线阅读

《Understanding
Convolutions》

209《Information Geometry and its Applications to Machine Learning》

307《Data Mining Problems in Retail》

介绍:帮您明白卷积神经网络,讲解很分明,其余还有两篇Conv Nets: A Modular
Perspective
Groups
& Group
Convolutions
.
笔者的别样的有关神经网络文章也很棒

介绍:音信几何学及其在机械学习中的应用

介绍: 零售领域的多寡挖掘文章.

《Introduction to Deep Learning
Algorithms》

210《Legal Analytics – Introduction to the Course》

308《Understanding Convolution in Deep Learning》

介绍:Deep Learning算法介绍,里面介绍了06年3篇让deep learning崛起的杂谈

介绍:课程《法律分析》介绍幻灯片。用机器学习消除法律相关分析和展望难点,相关的法规采用包涵预测编码、早期案例评估、案件完全情形的前瞻,定价和工作职员预测,司法行为预测等。法律领域大家兴许都相比素不相识,不妨驾驭下。

介绍: 深度学习卷积概念详解,浓厚浅出.

《Learning Deep Architectures for
AI》

211《文本上的算法》

309《pandas: powerful Python data analysis toolkit》

介绍:一本学习人工智能的图书,笔者是Yoshua
Bengio,相关国内通讯

介绍:
文中涉及了最优,模型,最大熵等等理论,其余还有使用篇。推荐系统能够说是一本合情合理的阅读稿,关于模型还援引一篇Generative
Model 与 Discriminative Model

介绍: 万分强大的Python的数据解析工具包.

《杰弗里 E.
Hinton个人主页》

212《NeuralTalk》

310《Text Analytics 2015》

介绍:杰弗里 Hinton是Deep
Learning的大牛,他的主页放了一部分介绍性文章和课件值得学习

介绍: NeuralTalk is a Python+numpy project for learning Multimodal
Recurrent Neural Networks that describe images with
sentences.NeuralTalk是二个Python的从图像生成自然语言描述的工具。它达成了谷歌(Vinyals等,卷积神经互联网CNN + 长短时间回忆LSTM) 和耶鲁 (Karpathy and
Fei-Fei, CNN +
递归神经互联网PRADONN)的算法。NeuralTalk自带了3个磨练好的动物模型,你能够拿狮子大象的肖像来试试看看

介绍: 二零一四文书分析(商业)应用综述.

《PROBABILITY THEORY: THE LOGIC OF
SCIENCE》

213《Deep Learning on Hadoop 2.0》

311《Deep Learning libraries and ?rst experiments with Theano》

介绍:可能率论:数理逻辑书籍

介绍:本文主要介绍了在Hadoop2.0上选取深度学习,小说来源paypal

介绍: 深度学习框架、库调查商量及Theano的始发测试体会报告.

《H2O》

214《Practical recommendations for gradient-based training of deep
architectures》

312《DEEP learning》

介绍:2个用来快速的总计,机器学习并且对于数据量大的数学库

介绍:用基于梯度下跌的措施陶冶深度框架的进行推荐教导,作者是Yoshua Bengio
.感激@xuewei4d 推荐

介绍: MIT的Yoshua Bengio, 伊恩 Goodfellow, 亚伦Courville著等人讲深度学习的新书,还未定稿,线上提供Draft
chapters收集报告,超赞!强烈推荐.

《ICL瑞鹰二〇一六集会的arXiv稿件合集》

215《Machine Learning With Statistical And Causal Methods》

313《simplebayes》

介绍:在此间您能够看到近年来深度学习有如何新取向。

介绍: 用总括和因果方法做机械学习(摄像告诉)

介绍: Python下开源可持久化朴素贝叶斯分类库.

《Introduction to Information
Retrieval》

216《Machine Learning Course 180’》

314《Paracel》

介绍:此书在音信寻找领域明显,
除提供该书的免费电子版外,还提供贰个I安德拉能源列表,收音和录音了新闻寻找、网络信息寻找、搜索引擎完毕等地方有关的书籍、钻探中央、相关学科、子领域、会议、期刊等等,堪称全集,值得珍藏

介绍: 3个讲机器学习的Youtube录像教程。160集。系统程度跟书可比拟。

介绍:Paracel is a distributed computational framework designed for
machine learning problems, graph algorithms and scientific computing in
C++.

《Information Geometry and its Applications to Machine
Learning》

217《回归(regression)、梯度下落(gradient descent)》

315《HanLP:Han Language processing》

介绍:消息几何学及其在机械学习中的应用

介绍:
机器学习中的数学,小编的切磋方向是机械学习,并行总计要是你还想询问一些别的的能够看看他博客的其余小说

介绍: 开源中文言处理包.

《Legal Analytics – Introduction to the
Course》

218《美团推荐算法实践》

316《Simple Neural Network implementation in Ruby》

介绍:课程《法律分析》介绍幻灯片。用机器学习化解法规相关分析和预测难点,相关的王法运用包涵预测编码、早期案例评估、案件完全情形的展望,定价和工作职员预测,司法行为预测等。法律领域大家大概都比较素不相识,不妨精通下。

介绍: 美团推荐算法实践,从框架,应用,策略,查询等分析

介绍: 使用Ruby达成简单的神经网络例子.

《文本上的算法》

219《Deep Learning for Answer Sentence Selection》

317《Hacker’s guide to Neural Networks》

介绍:
文中提到了最优,模型,最大熵等等理论,其它还有使用篇。推荐系统能够说是一本未可厚非的阅读稿,关于模型还推荐一篇Generative
Model 与 Discriminative
Model

介绍: 深度学习用于问答系统答案句的取舍

介绍:神经网络黑客入门.

《NeuralTalk》

220《Learning Semantic Representations Using Convolutional Neural
Networks for Web Search 》

318《The Open-Source Data Science Masters》

介绍: NeuralTalk is a Python+numpy project for learning Multimodal
Recurrent Neural Networks that describe images with
sentences.NeuralTalk是一个Python的从图像生成自然语言描述的工具。它完结了谷歌(Vinyals等,卷积神经网络CNN + 长短时间纪念LSTM) 和新罕布什尔香槟分校 (Karpathy and
Fei-Fei, CNN +
递归神经网络PRADONN)的算法。NeuralTalk自带了四个陶冶好的动物模型,你能够拿狮子大象的相片来试试看看

介绍: CNN用于WEB搜索,深度学习在文件计算中的应用

介绍:好多数据化学家名家推荐,还有资料.

《Deep Learning on Hadoop
2.0》

221《Awesome Public Datasets》

319《Text Understanding from Scratch》

介绍:本文主要介绍了在Hadoop2.0上运用深度学习,小说来源paypal

介绍: Awesome连串中的公开数据集

介绍:完毕项目现已开源在github上边Crepe

《Practical recommendations for gradient-based training of deep
architectures》

222《Search Engine & Community》

320《 Improving Distributional Similarity with Lessons Learned from
Word Embeddings》

介绍:用基于梯度降低的章程磨炼深度框架的进行推荐指引,小编是Yoshua
Bengio
.感谢@xuewei4d
推荐

介绍: 三个学问搜索引擎

介绍:小编辑发表现,经过调参,守旧的方法也能和word2vec拿走差不离的遵从。其余,无论小编怎么试,GloVe都比不过word2vec.

《Machine Learning With Statistical And Causal
Methods》

223《spaCy》

321《CS224d: Deep Learning for Natural Language Processing》

介绍: 用总括和因果方法做机械学习(录像告诉)

介绍:
用Python和Cython写的工业级自然语言处理库,号称是速度最快的NLP库,快的案由一是用Cython写的,二是用了个很抢眼的hash技术,加快系统的瓶颈,NLP中稀松特征的存取

介绍:Stanford深度学习与自然语言处理课程,Richard Socher主讲.

《Machine Learning Course
180’》

224《Collaborative Filtering with Spark》

322《Math Essentials in Machine Learning》

介绍: 二个讲机器学习的Youtube摄像教程。160集。系统程度跟书可比拟。

介绍: Fields是个数学研商为主,下面的那份ppt是根源Fields实行的位移中RussSalakhutdinov带来的《大规模机器学习》分享

介绍:机器学习中的主要数学概念.

《回归(regression)、梯度下落(gradient
descent)》

225《Topic modeling 的经文故事集》

323《Improved Semantic Representations From Tree-Structured Long
Short-Term Memory Networks》

介绍:
机器学习中的数学,小编的钻研方向是机器学习,并行计算即使您还想领悟一些别样的可以看看她博客的别样小说

介绍: Topic modeling 的经文散文,标注了关键点

介绍:用于改革语义表示的树型LSTM递归神经互联网,句子级相关性判断和激情分类效果很好.完结代码.

《美团推荐算法实践》

226《Move Evaluation in Go Using Deep Convolutional Neural
Networks》

324《Statistical Machine Learning》

介绍: 美团推荐算法实践,从框架,应用,策略,查询等分析

介绍:
洛杉矶高校与谷歌合作的新散文,深度学习也足以用来下围棋,传说能完成六段水平

介绍:卡耐基梅隆Ryan Tibshirani和LarryWasserman开设的机械学习课程,先修课程为机械学习(10-715)和高中级总计学(36-705),聚焦总括理论和办法在机械学习园地应用.

《Deep Learning for Answer Sentence
Selection》

227《机器学习周刊第②期》

325《AM207: Monte Carlo Methods, Stochastic Optimization》

介绍: 深度学习用于问答系统答案句的挑选

介绍:
音讯,paper,课程,book,system,CES,罗布oot,其它还引进1个深度学习入门与综独资料

介绍:《复旦蒙特卡洛方法与人身自由优化学科》是不莱梅希伯来应用数学博士教程,由V
Kaynig-Fittkau、P
Protopapas主讲,Python程序示例,对贝叶斯推理感兴趣的意中人一定要看看,提供授课录制及课上IPN讲义.

《Learning Semantic Representations Using Convolutional Neural Networks
for Web Search

228《Learning more like a human: 18 free eBooks on Machine
Learning》

326《Understanding Convolutions》

介绍: CNN用于WEB搜索,深度学习在文件总结中的应用

介绍: 18 free eBooks on Machine Learning

介绍:帮你理解卷积神经网络,讲解很清晰,别的还有两篇Conv Nets: A Modular
Perspective,Groups & Group Convolutions.
小编的任何的有关神经网络文章也很棒

《Awesome Public
Datasets》

229《Recommend :Hang Li Home》

327《Introduction to Deep Learning Algorithms》

介绍: Awesome连串中的公开数据集

介绍: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

介绍:Deep Learning算法介绍,里面介绍了06年3篇让deep learning崛起的舆论

《Search Engine &
Community》

230《DEEPLEARNING.UNIVERSITY – AN ANNOTATED DEEP LEARNING
BIBLIOGRAPHY》

328《Learning Deep Architectures for AI》

介绍: 2个学问搜索引擎

介绍:
DEEPLEASportageNING.UNIVEEnclaveSITY的杂文库已经选定了963篇经过分类的深浅学习诗歌了,很多种经营文散文都早就选定

介绍:一本学习人工智能的书本,小编是Yoshua Bengio,相关国内通信

《spaCy》

231《MLMU.cz – Radim ?eh??ek – Word2vec & friends (7.1.2015)》

329《杰弗里 E. Hinton个人主页》

介绍:
用Python和Cython写的工业级自然语言处理库,号称是速度最快的NLP库,快的缘由一是用Cython写的,二是用了个很抢眼的hash技术,加速系统的瓶颈,NLP中稀松特征的存取

介绍: Radim
?eh??ek(Gensim开发者)在一次机器学习聚会上的告诉,关于word2vec及其优化、应用和壮大,很实用.国内网盘

介绍:杰弗里 Hinton是Deep
Learning的大牛,他的主页放了部分介绍性小说和课件值得学习

《Collaborative Filtering with
Spark》

232《Introducing streaming k-means in Spark 1.2》

330《PROBABILITY THEORY: THE LOGIC OF SCIENCE》

介绍:Fields是个数学钻探中央,上边包车型大巴那份ppt是缘于Fields实行的运动中RussSalakhutdinov带来的《大规模机器学习》分享

介绍:很多商家都用机器学习来消除难点,提升用户体验。那么怎么可以让机器学习更实时和有效性吗?斯ParkerMLlib 1.第22中学间的Streaming K-means,由斑马鱼脑神经济切磋究的杰里米Freeman脑神经地军事学家编写,最初是为着实时处理他们每半小时1TB的钻研数据,现在公布给我们用了。

介绍:概率论:数理逻辑书籍

《Topic modeling
的经文散文》

233《LDA入门与Java实现》

331《H2O》

介绍: Topic modeling 的经典随想,标注了关键点

介绍:
那是一篇面向工程师的LDA入门笔记,并且提供一份开箱即用Java达成。本文只记录基本概念与原理,并不关乎公式推导。文中的LDA达成核心部分使用了arbylon的Lda吉布斯山姆pler并力所能及地诠释了,在搜狗分类语言材质库上测试出色,开源在GitHub上。

介绍:三个用来非常快的总结,机器学习并且对于数据量大的数学库

《Move Evaluation in Go Using Deep Convolutional Neural
Networks》

234《AMiner – Open Science Platform》

332《ICL奥迪Q3 2015会议的arXiv稿件合集》

介绍:
莫大与谷歌(Google)同盟的新散文,深度学习也足以用来下围棋,据悉能达到六段水平

介绍:
AMiner是2个学问搜索引擎,从学术网络中开掘深度知识、面向科学和技术大数指标开挖。收集近陆仟万小编音讯、玖仟万诗歌新闻、1亿多引用关系、链接近8百万知识点;协助专家搜索、机构排行、科研成果评价、会议排名。

介绍:在此间您能够看来方今深度学习有何样新势头。

《机器学习周刊第三期》

235《What are some interesting Word2Vec results?》

333《Introduction to Information Retrieval》

介绍:
信息,paper,课程,book,system,CES,罗布oot,其余还援引一个纵深学习入门与综合资料

介绍: Quora上的大旨,商讨Word2Vec的有趣应用,OmerLevy提到了他在CoNLL二零一六一级故事集里的解析结果和新章程,丹尼尔勒Hammack给出了找特异词的小应用并提供了(Python)代码

介绍:此书在消息搜索领域鲜明,
除提供该书的免费电子版外,还提供一个I安德拉财富列表
,收音和录音了音信搜索、互联网消息寻找、搜索引擎实现等方面相关的书本、钻探为主、相关课程、子领域、会议、期刊等等,堪称全集,值得珍藏

《Learning more like a human: 18 free eBooks on Machine
Learning》

236《机器学习公开课汇总》

334《Information Geometry and its Applications to Machine Learning》

介绍: 18 free eBooks on Machine Learning

介绍:
机器学习公开课汇总,尽管其间的多少课程已经归档过了,但是还有些的消息并未。感激课程图谱的小编

介绍:新闻几何学及其在机械学习中的应用

《Recommend :Hang Li
Home》

237《A First Course in Linear Algebra》

335《Legal Analytics – Introduction to the Course》

介绍: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

介绍: 【A First Course in Linear Algebra】Robert Beezer 有答案
有移动版、打印版 使用GNU自由文书档案协议 引用了杰斐逊1813年的信

介绍:课程《法律分析》介绍幻灯片。用机器学习消除法律相关分析和展望难题,相关的法规接纳包蕴预测编码、早期案例评估、案件完全景况的前瞻,定价和工作职员预测,司法行为预测等。法律领域我们恐怕都相比较面生,不妨精晓下。

《DEEPLEARNING.UNIVERSITY – AN ANNOTATED DEEP LEARNING
BIBLIOGRAPHY》

238《libfacedetection》

336《文本上的算法》

介绍:
DEEPLEATiguanNING.UNIVE汉兰达SITY的杂谈库已经选定了963篇经过分类的深度学习散文了,很多种经营旧事事集都曾经选定

介绍:libfacedetection是卡拉奇学院开源的壹位脸图像识别库。包括正面和多视角人脸检查和测试多少个算法.优点:速度快(OpenCV
haar+adaboost的2-3倍), 准确度高
(FDDB非公开类评测排行第叁),能估摸人脸角度。

介绍:
文中提到了最优,模型,最大熵等等理论,其它还有使用篇。推荐系统能够说是一本科学的阅读稿,关于模型还引进一篇Generative
Model 与 Discriminative Model

《MLMU.cz – Radim Řehůřek – Word2vec & friends
(7.1.2015)》

239《Inverting a Steady-State》

337《NeuralTalk》

介绍: Radim
Řehůřek(Gensim开发者)在1遍机器学习聚会上的报告,关于word2vec及其优化、应用和扩展,很实用.国内网盘

介绍:WSDM二零一六最佳随想把马尔可夫链理论用在了图分析上面,比一般的propagation
model特别深远一些。通过全局的地西泮团结分布去求解每个节点影响周到模型。要是合理(转移受到附近的震慑周全影响)。能够用来反求各类节点的震慑周到

介绍: NeuralTalk is a Python+numpy project for learning Multimodal
Recurrent Neural Networks that describe images with
sentences.NeuralTalk是三个Python的从图像生成自然语言描述的工具。它达成了Google(Vinyals等,卷积神经网络CNN + 长短时间纪念LSTM) 和南洋理工科 (Karpathy and
Fei-Fei, CNN +
递归神经网络奥迪Q3NN)的算法。NeuralTalk自带了多个教练好的动物模型,你能够拿狮子大象的相片来试试看

《Introducing streaming k-means in Spark
1.2》

240《机器学习入门书单》

338《Deep Learning on Hadoop 2.0》

介绍:很多商厦都用机器学习来消除难题,升高用户体验。那么怎么能够让机器学习更实时和卓有效用呢?SparkMLlib 1.2内部的Streaming K-means,由斑马鱼脑神经济钻探究的JeremyFreeman脑神经科学家编写,最初是为了实时处理他们每半钟头1TB的钻探数据,未来公布给大家用了。

介绍:机器学习入门书籍,具体介绍

介绍:本文首要介绍了在Hadoop2.0上利用深度学习,文章来源paypal

《LDA入门与Java实现》

241《The Trouble with SVMs》

339《Practical recommendations for gradient-based training of deep
architectures》

介绍:
那是一篇面向工程师的LDA入门笔记,并且提供一份开箱即用Java完毕。本文只记录基本概念与原理,并不关乎公式推导。文中的LDA达成宗旨部分使用了arbylon的Lda吉布斯Sampler并力所能及地诠释了,在搜狗分类语言材质库上测试优良,开源在GitHub上。

介绍:
非常的屌的强调特征接纳对分类器重要性的篇章。心思分类中,依据互新闻对复杂高维特征降维再选取节约财富贝叶斯分类器,取得了比SVM更美好的机能,磨炼和归类时间也大大降低——更关键的是,不必花大量小时在上学和优化SVM上——特征也同等no
free lunch

介绍:用基于梯度下跌的方法磨练深度框架的执行推荐辅导,作者是Yoshua Bengio
.多谢@xuewei4d 推荐

《AMiner – Open Science
Platform》

242《Rise of the Machines》

340《Machine Learning With Statistical And Causal Methods》

介绍:
AMiner是三个学术搜索引擎,从学术互联网中开掘深度知识、面向科技(science and technology)大数额的开挖。收集近伍仟万作者音讯、九千万舆论音信、1亿多引用关系、链接近8百万知识点;补助专家搜索、机构排行、科研成果评价、会议排行。

介绍:CMU的总括系和总计机系盛名教师Larry Wasserman
在《机器崛起》,比较了总结和机械学习的异样

介绍: 用总结和因果方法做机械学习(摄像告诉)

《What are some interesting Word2Vec
results?》

243《实例详解机器学习怎么着缓解难题》

341《Machine Learning Course 180’》

介绍: Quora上的核心,讨论Word2Vec的幽默应用,OmerLevy提到了她在CoNLL二〇一六最佳诗歌里的解析结果和新情势,DanielHammack给出了找特异词的小应用并提供了(Python)代码

介绍:随着大数据时代的来临,机器学习变成化解难点的一种重大且首要的工具。不管是工业界依然学术界,机器学习都以二个炙手可热的大方向,不过学术界和工产业界对机械学习的钻研各有侧重,学术界侧重于对机器学习理论的商量,工业界侧重于怎样用机器学习来化解实际难点。那篇文章是美团的骨子里条件中的实战篇

介绍: 一个讲机器学习的Youtube录像教程。160集。系统程度跟书可比拟。

《机器学习公开课汇总》

244《Gaussian Processes for Machine Learning》

342《回归(regression)、梯度下降(gradient descent)》

介绍:
机器学习公开课汇总,纵然其间的有个别课程已经归档过了,可是还有些的音讯没有。多谢课程图谱的我

介绍:面向机器学习的高斯进程,章节概要:回归、分类、协方差函数、模型选取与超参优化、高斯模型与其他模型关系、大数据集的逼近方法等,微盘下载

介绍:
机器学习中的数学,笔者的研讨方向是机械学习,并行总计假设你还想询问一些别的的可以看看他博客的任何文章

《A First Course in Linear
Algebra》

245《FuzzyWuzzy: Fuzzy String Matching in Python》

343《美团推荐算法实践》

介绍: 【A First Course in Linear Algebra】罗Bert Beezer 有答案
有移动版、打印版 使用GNU自由文书档案协议 引用了杰弗逊1813年的信

介绍:Python下的文件模糊匹配库,老库新推,可总计串间ratio(简单相似周全)、partial_ratio(局地相似周全)、token_sort_ratio(词排序相似全面)、token_set_ratio(词集合相似全面)等
github

介绍: 美团推荐算法实践,从框架,应用,策略,查询等分析

《libfacedetection》

246《Blocks》

344《Deep Learning for Answer Sentence Selection》

介绍:libfacedetection是卡拉奇大学开源的1位脸图像识别库。包涵正面和多视角人脸检测多个算法.优点:速度快(OpenCV
haar+adaboost的2-3倍), 准确度高
(FDDB非公开类评测排行第2),能估量人脸角度。

介绍:Blocks是依照Theano的神经互联网搭建框架,集成相关函数、管道和算法,帮你更快地开创和管制NN模块.

介绍: 深度学习用于问答系统答案句的选拔

《Inverting a
Steady-State》

247《Introduction to Machine Learning》

345《Learning Semantic Representations Using Convolutional Neural
Networks for Web Search 》

介绍:WSDM二零一四最佳杂文把马尔可夫链理论用在了图分析上边,比相似的propagation
model越发深远一些。通过全局的祥和分布去求解每一种节点影响周密模型。如若合理(转移受到隔壁的震慑周到影响)。能够用来反求每一个节点的影响周详

介绍:机器学习大神亚历克斯 Smola在CMU新一期的机械学习入门课程”Introduction to
Machine
Learning“近日恰恰开始拍片,课程4K高清摄像一起到Youtube上,近年来刚刚更新到 2.4
Exponential Families,课程摄像playlist,
感兴趣的同窗能够关怀,十分适合入门.

介绍: CNN用于WEB搜索,深度学习在文件总计中的应用

《机器学习入门书单》

248《Collaborative Feature Learning from Social Media》

346《Awesome Public Datasets》

介绍:机器学习入门书籍,现实介绍

介绍:用社交用户作为学习图片的联合署名特征,可更好地发挥图片内容相似性。由于不借助于于人工标签(标注),可用于大规模图片处理,难在用户作为数据的获得和漱口;利用社会化特征的思路值得借鉴.

介绍: Awesome种类中的公开数据集

《The Trouble with
SVMs》

249《Introducing practical and robust anomaly detection in a time
series》

347《Search Engine & Community》

介绍:
相当屌的强调特征选用对分类器主要性的篇章。心情分类中,遵照互音讯对复杂高维特征降维再使用节约财富贝叶斯分类器,取得了比SVM更理想的效益,磨练和分类时间也大大降低——更要紧的是,不必花大批量时间在学习和优化SVM上——特征也一样no
free lunch

介绍:Facebook技术团队对前段时间开源的时间系列非凡检查和测试算法(S-H-ESD)凯雷德包的介绍,当中对极度的概念和剖析很值得参考,文中也关乎——分外是强针对性的,有个别世界支出的不得了检查和测试在别的领域直接用可不行.

介绍: 四个学术搜索引擎

《Rise of the
Machines》

250《Empower Your Team to Deal with Data-Quality Issues》

348《spaCy》

介绍:CMU的总结系和处理器系有名教师Larry Wasserman
在《机器崛起》,相比了总计和机械学习的距离

介绍:聚焦数据品质难点的答应,数据品质对种种框框公司的性质和作用都首要,文中总计出(不压制)22种典型数据品质难题表现的信号,以及杰出的数量品质消除方案(清洗、去重、统① 、匹配、权限清理等)

介绍:
用Python和Cython写的工业级自然语言处理库,号称是速度最快的NLP库,快的原委一是用Cython写的,二是用了个很抢眼的hash技术,加快系统的瓶颈,NLP中稀松特征的存取

《实例详解机器学习怎么样解决难题》

251《普通话分词入门之财富》

349《Collaborative Filtering with Spark》

介绍:随着大数量时期的赶来,机器学习变成解决难点的一种重庆大学且主要的工具。不管是工产业界照旧学术界,机器学习都是三个炙手可热的自由化,不过学术界和工产业界对机械学习的琢磨各有尊重,学术界侧重于对机器学习理论的研商,工产业界侧重于怎么着用机器学习来消除实际难题。这篇小说是美团的实在条件中的实战篇

介绍:汉语分词入门之能源.

介绍: Fields是个数学研商为主,上边包车型大巴那份ppt是出自Fields进行的位移中RussSalakhutdinov带来的《大规模机器学习》分享

《Gaussian Processes for Machine
Learning》

252《Deep Learning Summit, San Francisco, 2015》

350《Topic modeling 的经文随想》

介绍:面向机器学习的高斯进程,章节概要:回归、分类、协方差函数、模型选拔与超参优化、高斯模型与其它模型关系、大数据集的临界方法等,微盘下载

介绍:15年苏黎世纵深学习高峰会议录像采访,国内云盘

介绍: Topic modeling 的经文散文,标注了关键点

《FuzzyWuzzy: Fuzzy String Matching in
Python》

253《Introduction to Conditional Random Fields》

351《Move Evaluation in Go Using Deep Convolutional Neural
Networks》

介绍:Python下的文书模糊匹配库,老库新推,可总括串间ratio(不难相似周全)、partial_ratio(局地相似周到)、token_sort_ratio(词排序相似周密)、token_set_ratio(词集合相似周全)等github

介绍:很好的原则随飞机场(C中华VF)介绍文章,小编的读书笔记

介绍:
孟买高校与谷歌合营的新故事集,深度学习也足以用来下围棋,故事能达标六段水平

《Blocks》

254《A Fast and Accurate Dependency Parser using Neural Networks》

352《机器学习周刊第③期》

介绍:Blocks是依照Theano的神经网络搭建框架,集成相关函数、管道和算法,帮您更快地开创和保管NN模块.

介绍: 来自Stanford,用神经网络达成急忙准确的依存关系解析器

介绍:
音讯,paper,课程,book,system,CES,罗布oot,其它还推荐贰个纵深学习入门与综独资料

《Introduction to Machine
Learning》

255《Which GPU(s) to Get for Deep Learning: My Experience and Advice
for Using GPUs in Deep Learning》

353《Learning more like a human: 18 free eBooks on Machine
Learning》

介绍:机器学习大神亚历克斯 Smola在CMU新一期的机器学习入门课程”Introduction to
Machine
Learning“近年来刚刚开始拍片,课程4K高清录像一起到Youtube上,近日恰巧更新到 2.4
Exponential
Families,课程摄像playlist,
感兴趣的同校能够关切,卓殊适合入门.

介绍:做深度学习如何挑选GPU的提议

介绍: 18 free eBooks on Machine Learning

《Collaborative Feature Learning from Social
Media》

256《Sparse Linear Models》

354《Recommend :Hang Li Home》

介绍:用社交用户作为学习图片的联合署名特征,可更好地发挥图片内容相似性。由于不借助于于人工标签(标注),可用以大规模图片处理,难在用户作为数据的获取和漱口;利用社会化特征的思绪值得借鉴.

介绍: Stanford的特雷沃 Hastie助教在H2O.ai
Meet-Up上的告诉,讲稀疏线性模型——面向“宽数据”(特征维数抢先样本数)的线性模型,13年同大旨报告
、讲义.

介绍: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

《Introducing practical and robust anomaly detection in a time
series》

257《Awesome Computer Vision》

355《DEEPLEARNING.UNIVERSITY – AN ANNOTATED DEEP LEARNING
BIBLIOGRAPHY》

介绍:Instagram技术团队对前段时间开源的年华连串万分检查和测试算法(S-H-ESD)翼虎包的牵线,个中对特别的定义和分析很值得参考,文中也波及——十分是强针对性的,有个别世界支出的老大检查和测试在其他领域直接用可不行.

介绍:
分类整理的机械视觉相关能源列表,秉承Awesome种类风格,有质有量!小编的创新频率也很频仍

介绍:
DEEPLEA路虎极光NING.UNIVEMuranoSITY的诗歌库已经选定了963篇经过分类的深浅学习故事集了,很多种经营故事事集都早就选定

《Empower Your Team to Deal with Data-Quality
Issues》

258《Adam Szeidl》

356《MLMU.cz – Radim ?eh??ek – Word2vec & friends (7.1.2015)》

介绍:聚焦数据品质难点的答应,数据品质对各个框框公司的性质和效用都主要,文中总计出(不压制)22种典型数据品质问题表现的信号,以及优秀的数据品质化解方案(清洗、去重、统一 、匹配、权限清理等)

介绍: social networks course

介绍: Radim
?eh??ek(Gensim开发者)在一遍机器学习聚会上的报告,关于word2vec会同优化、应用和扩大,很实用.国内网盘

《中文分词入门之能源》

259《Building and deploying large-scale machine learning pipelines》

357《Introducing streaming k-means in Spark 1.2》

介绍:中文分词入门之财富.

介绍: 大规模机器学习流程的创设与陈设.

介绍:很多供销合作社都用机器学习来化解难点,提升用户体验。那么怎么可以让机器学习更实时和立竿见影吗?斯ParkerMLlib 1.2里边的Streaming K-means,由斑马鱼脑神经济研讨究的JeremyFreeman脑神经地农学家编写,最初是为着实时处理他们每半时辰1TB的钻研数据,以往颁发给大家用了。

《Deep Learning Summit, San Francisco,
2015》

260《人脸识别开签发承包合约》

358《LDA入门与Java实现》

介绍:15年卢森堡市纵深学习峰会摄像采访,境内云盘

介绍: 人脸识别3次开签发承包合约,免费,可商用,有示范、范例、表明书.

介绍:
那是一篇面向工程师的LDA入门笔记,并且提供一份开箱即用Java完成。本文只记录基本概念与原理,并不涉及公式推导。文中的LDA完毕宗旨部分应用了arbylon的Lda吉布斯萨姆pler并力所能及地诠释了,在搜狗分类语言材料库上测试卓越,开源在GitHub上。

《Introduction to Conditional Random
Fields》

261《Understanding Natural Language with Deep Neural Networks Using
Torch》

359《AMiner – Open Science Platform》

介绍:很好的尺度随飞机场(C奥德赛F)介绍文章,作者的就学笔记

介绍: 选用Torch用深度学习网络领悟NLP,来自推特(TWTR.US)(Instagram) 人工智能的作品.

介绍:
AMiner是1个学术搜索引擎,从学术互连网中发掘深度知识、面向科学和技术大数据的打通。收集近5000万小编新闻、7000万诗歌新闻、1亿多引用关系、链接近8百万知识点;协理专家搜索、机构排行、科学钻探成果评价、会议排行。

《A Fast and Accurate Dependency Parser using Neural
Networks》

262《The NLP Engine: A Universal Turing Machine for NLP》

360《What are some interesting Word2Vec results?》

介绍: 来自Stanford,用神经网络完结急迅准确的依存关系解析器

介绍: 来自CMU的Ed Hovy和Stanford的Jiwei
Li一篇有意思的Arxiv作品,笔者用Shannon Entropy来描写NLP中各项任务的难度.

介绍: Quora上的核心,商量Word2Vec的幽默应用,OmerLevy提到了他在CoNLL2016一级级杂文里的解析结果和新方式,DanielHammack给出了找特异词的小应用并提供了(Python)代码

《Which GPU(s) to Get for Deep Learning: My Experience and Advice for
Using GPUs in Deep
Learning》

263《TThe Probabilistic Relevance Framework: BM25 and Beyond》

361《机器学习公开课汇总》

介绍:做深度学习怎样抉择GPU的提议

介绍: 消息寻找排序模型BM25(Besting Matching)。1)从经典可能率模型演化而来
2)捕捉了向量空间模型中多少个影响索引项权重的因数:IDF逆文书档案频率;TF索引项频率;文档长度归一化。3)并且带有集成学习的思辨:组合了BM11和BM15多少个模型。4)笔者是BM25的发起人和Okapi达成者Robertson.

介绍:
机器学习公开课汇总,即使其间的多少课程已经归档过了,不过还有些的音讯并未。多谢课程图谱的作者

《Sparse Linear
Models》

264《Introduction to ARMA Time Series Models – simplified》

362《A First Course in Linear Algebra》

介绍: Stanford的特雷沃 Hastie教师在H2O.ai
Meet-Up上的告知,讲稀疏线性模型——面向“宽数据”(特征维数超越样本数)的线性模型,13年同核心报告讲义.

介绍:
自回归滑动平均(AXC60MA)时间种类的粗略介绍,ARAV4MA是切磋时间系列的最首要艺术,由自回归模型(APRADO模型)与滑动平均模型(MA模型)为底蕴“混合”构成.

介绍: 【A First Course in Linear Algebra】Robert Beezer 有答案
有移动版、打印版 使用GNU自由文书档案协议 引用了杰斐逊1813年的信

《Awesome Computer
Vision》

265《Encoding Source Language with Convolutional Neural Network for
Machine Translation》

363《libfacedetection》

介绍:
分类整理的机器视觉相关财富列表,秉承Awesome连串风格,有质有量!我的换代频率也很频仍

介绍: 把来自target的attention signal参预source encoding
CNN的输入,得到了比BBN的模子好的多neural network joint model

介绍:libfacedetection是德国首都大学开源的一人脸图像识别库。包蕴正面和多视角人脸检查和测试两个算法.优点:速度快(OpenCV
haar+adaboost的2-3倍), 准确度高
(FDDB非公开类评测排行第叁),能推断人脸角度。

《Adam
Szeidl》

266《Spices form the basis of food pairing in Indian cuisine》

364《Inverting a Steady-State》

介绍: social networks course

介绍:
报料印度菜的可口秘诀——通过对多量食谱原料关系的开掘,发现印度菜美味的案由之一是里面包车型大巴味道相互冲突,很有趣的文本挖掘研商

介绍:WSDM2014最佳杂谈把马尔可夫链理论用在了图分析上边,比一般的propagation
model特别深远一些。通过全局的稳定分布去求解每种节点影响周到模型。假如合理(转移受到隔壁的震慑周详影响)。能够用来反求每一种节点的影响全面

《Building and deploying large-scale machine learning
pipelines》

267《HMM相关文章索引》

365《机器学习入门书单》

介绍: 大规模机器学习流程的创设与布署.

介绍: HMM相关小说,其它推荐汉语分词之HMM模型详解

介绍:机器学习入门书籍,具体介绍

《人脸识别开发包》

268《Zipf’s and Heap’s law》

366《The Trouble with SVMs》

介绍: 人脸识别二遍开发包,免费,可商用,有示范、范例、表明书.

介绍:
1)词频与其降序排序的关联,最有名的是语言学家齐夫(Zipf,一九零三-1948)一九四八年提出的Zipf‘s
law,即两边成反比关系. 曼德勃罗(Mandelbrot,1923-
贰零零捌)引入参数改良了对甚高频和什么低频词的形容 2)Heaps’ law:
词汇表与语料规模的平方根(那是3个参数,英语0.4-0.6)成正比

介绍:
极屌的强调特征选拔对分类器重要性的稿子。心情分类中,依据互新闻对复杂高维特征降维再使用节约财富贝叶斯分类器,取得了比SVM更不错的坚守,磨炼和分类时间也大大下落——更珍视的是,不必花多量时间在攻读和优化SVM上——特征也同样no
free lunch

《Understanding Natural Language with Deep Neural Networks Using
Torch》

269《I am Jürgen Schmidhuber, AMA》

367《Rise of the Machines》

介绍: 采纳Torch用深度学习互联网通晓NLP,来自Facebook 人工智能的文章.

介绍: Jürgen Schmidhuber在Reddit上的AMA(Ask Me
Anything)主旨,有好多景逸SUVNN和AI、ML的干货内容,关于开源&思想&方法&提议……耐心阅读,相信你也会收益匪浅.

介绍:CMU的总计系和处理器系盛名教授Larry Wasserman
在《机器崛起》,相比较了总结和机器学习的差异

《The NLP Engine: A Universal Turing Machine for
NLP》

270《学术种子网站:Academic托雷nts》

368《实例详解机器学习怎么着消除难点》

介绍: 来自CMU的艾德 Hovy和Stanford的Jiwei
Li一篇有意思的Arxiv小说,我用Shannon Entropy来描写NLP中各项职责的难度.

介绍:
成G上T的学术数据,HN近年来热议话题,核心涉及机械学习、NLP、SNA等。下载最简易的法子,通过BT软件,卡宴SS订阅各集合即可

介绍:随着大数据时期的来到,机器学习变成消除难点的一种重点且主要的工具。不管是工产业界依旧学术界,机器学习都以贰个敬而远之的趋势,可是学术界和工产业界对机械学习的切磋各有珍爱,学术界侧重于对机器学习理论的商讨,工产业界侧重于怎么样用机器学习来化解实际难题。那篇小说是美团的实在条件中的实战篇

《TThe Probabilistic Relevance Framework: BM25 and
Beyond》

271《机器学习互相速查表》

369《Gaussian Processes for Machine Learning》

介绍: 消息寻找排序模型BM25(Besting Matching)。1)从经典可能率模型演变而来
2)捕捉了向量空间模型中多个影响索引项权重的因数:IDF逆文书档案频率;TF索引项频率;文书档案长度归一化。3)并且带有集成学习的思考:组合了BM11和BM15四个模型。4)小编是BM25的倡导者和Okapi达成者罗伯森.

介绍: Scikit-Learn官网提供,在原始的Cheat
Sheet基础上丰盛了Scikit-Learn相关文书档案的链接,方便浏览

介绍:面向机器学习的高斯进程,章节概要:回归、分类、协方差函数、模型采用与超参优化、高斯模型与任何模型关系、大数据集的临界方法等,微盘下载

《Introduction to ARMA Time Series Models –
simplified》

272《A Full Hardware Guide to Deep Learning》

370《FuzzyWuzzy: Fuzzy String Matching in Python》

介绍:
自回归滑动平均(AEscortMA)时间类别的粗略介绍,AKugaMA是钻探时间类别的要害方法,由自回归模型(ALacrosse模型)与滑动平均模型(MA模型)为根基“混合”构成.

介绍: 深度学习的应有尽有硬件指南,从GPU到RAM、CPU、SSD、PCIe

介绍:Python下的文本模糊匹配库,老库新推,可总结串间ratio(不难相似周详)、partial_ratio(局部相似全面)、token_sort_ratio(词排序相似周密)、token_set_ratio(词集合相似周到)等
github

《Encoding Source Language with Convolutional Neural Network for
Machine
Translation》

273《行人检查和测试(Pedestrian Detection)能源》

371《Blocks》

介绍: 把来自target的attention signal参预source encoding
CNN的输入,得到了比BBN的模子好的多neural network joint model

介绍:Pedestrian Detection paper & data

介绍:Blocks是遵照Theano的神经网络搭建框架,集成相关函数、管道和算法,帮你更快地开创和管理NN模块.

《Spices form the basis of food pairing in Indian
cuisine》

274《A specialized face-processing network consistent with the
representational geometry of monkey face patches》

372《Introduction to Machine Learning》

介绍:
爆料印度菜的水灵秘诀——通过对大气菜单原料关系的开挖,发现印度菜美味的缘故之一是内部的含意互相抵触,很风趣的文件挖掘切磋

介绍:
【神经科学碰推人工智能】在面部识别上你自个儿都以我们,固然细微的反差也能辨识。钻探已评释人类和灵长类动物在面部加工上区别于别的物种,人类采取梭状回面孔区(FFA)。Khaligh-Razavi等通过总计机模拟出人脸识别的FFA活动,堪称神经科学与人工智能的应有尽有组合。

介绍:机器学习大神亚历克斯 Smola在CMU新一期的机械学习入门课程”Introduction to
Machine
Learning“近来恰恰开始拍戏,课程4K高清录像一起到Youtube上,方今刚刚更新到 2.4
Exponential Families,课程摄像playlist,
感兴趣的同学能够关怀,卓殊适合入门.

《HMM相关小说索引》

275《Neural Net in C++ Tutorial》

373《Collaborative Feature Learning from Social Media》

介绍: HMM相关小说

介绍:
神经网络C++教程,本文介绍了用可调剂梯度下落和可调节动量法设计和编码经典BP神经互联网,互连网经过训练能够做出惊人和雅观的事物出来。别的笔者博客的别样小说也很不利。

介绍:用社交用户作为学习图片的同台湾特务征,可更好地发挥图片内容相似性。由于不借助于人工标签(标注),可用以大规模图片处理,难在用户作为数据的取得和洗涤;利用社会化特征的思绪值得借鉴.

《Zipf’s and Heap’s
law》

276《How to Choose a Neural Network》

374《Introducing practical and robust anomaly detection in a time
series》

介绍:
1)词频与其降序排序的关联,最盛名的是语言学家齐夫(Zipf,一九零零-1947)一九四九年提议的Zipf‘s
law,即两边成反比关系. 曼德勃罗(Mandelbrot,一九二四-
二零一零)引入参数改良了对甚高频和什么低频词的描摹 2)Heaps’ law:
词汇表与语言材质规模的平方根(那是2个参数,菲律宾语0.4-0.6)成正比

介绍:deeplearning4j官网提供的实际上采取场景NN选用参考表,列举了一部分出一头地难点提议选用的神经互联网

介绍:照片墙技术团队对前段时间开源的小运种类格外检查和测试算法(S-H-ESD)Odyssey包的介绍,在那之中对尤其的概念和剖析很值得参考,文中也关乎——分外是强针对性的,某个圈子支出的不得了检测在其他世界直接用可不行.

《I am Jürgen Schmidhuber,
AMA》

277《Deep Learning (Python, C/C++, Java, Scala, Go)》

375《Empower Your Team to Deal with Data-Quality Issues》

介绍: Jürgen Schmidhuber在Reddit上的AMA(Ask Me
Anything)核心,有许多CR-VNN和AI、ML的干货内容,关于开源&思想&方法&提议……耐心阅读,相信您也会收益匪浅.

介绍:一个纵深学习项目,提供了Python, C/C++, Java, Scala, Go八个版本的代码

介绍:聚焦数据质量难点的应对,数据品质对各类框框公司的习性和频率都首要,文中总括出(不防止)22种典型数据品质难点显现的信号,以及优秀的数量品质消除方案(清洗、去重、统① 、匹配、权限清理等)

《学术种子网站:Academic托雷nts》

278《Deep Learning Tutorials》

376《汉语分词入门之能源》

介绍:
成G上T的学命理术数据,HN近期热议话题,主题涉及机械学习、NLP、SNA等。下载最简便的法子,通过BT软件,昂CoraSS订阅各集合即可

介绍:深度学习课程,github

介绍:汉语分词入门之能源.

《机器学习相互速查表》

279《自然语言处理的发展趋势——访Carnegie梅隆高校爱德华·霍威教师》

377《Deep Learning Summit, San Francisco, 2015》

介绍: Scikit-Learn官网提供,在原有的Cheat
Sheet基础上丰盛了Scikit-Learn相关文书档案的链接,方便浏览

介绍:自然语言处理的发展趋势——访Carnegie梅隆高校爱德华·霍威教师.

介绍:15年斯德哥尔摩纵深学习高峰会议摄像采访,国内云盘

《A Full Hardware Guide to Deep
Learning》

280《FaceNet: A Unified Embedding for Face Recognition and
Clustering》

378《Introduction to Conditional Random Fields》

介绍: 深度学习的宏观硬件指南,从GPU到RAM、CPU、SSD、PCIe

介绍:谷歌(Google)对Facebook DeepFace的强大回手—— FaceNet,在LFW(Labeled Faces
in the 魏尔德)上达到规定的标准99.63%准确率(新记录),FaceNet
embeddings可用以人脸识别、鉴定分别和聚类.

介绍:很好的规范随飞机场(C哈弗F)介绍小说,小编的就学笔记

《行人检查和测试(Pedestrian
Detection)能源》

281《MLlib中的Random Forests和Boosting》

379《A Fast and Accurate Dependency Parser using Neural Networks》

介绍:Pedestrian Detection paper & data

介绍:本文来源Databricks集团网站的一篇博客小说,由Joseph Bradley和Manish
Amde撰写,作品重要介绍了Random Forests和Gradient-Boosted
Trees(GBTs)算法和她俩在MLlib中的分布式实现,以及体现一些简单易行的事例并建议该从哪儿上手.中文版.

介绍: 来自斯坦ford,用神经网络落成飞速准确的依存关系解析器

《A specialized face-processing network consistent with the
representational geometry of monkey face
patches》

282《Sum-Product Networks(SPN) 》

380《Which GPU(s) to Get for Deep Learning: My Experience and Advice
for Using GPUs in Deep Learning》

介绍:
【神经科学碰拉人工智能】在脸部识别上您本身都以我们,即使细微的差别也能辨识。切磋已证实人类和灵长类动物在脸部加工上区别于其余物种,人类利用梭状回面孔区(FFA)。Khaligh-Razavi等经过电脑模拟出人脸识其他FFA活动,堪称神经科学与人工智能的完美组合。

介绍:Washington大学Pedro 多明戈斯团队的DNN,提供诗歌和促成代码.

介绍:做深度学习怎么样选拔GPU的建议

《Neural Net in C++
Tutorial》

283《Neural Network Dependency Parser》

381《Sparse Linear Models》

介绍:
神经网络C++教程,本文介绍了用可调剂梯度降低和可调节动量法设计和编码经典BP神经网络,互联网经过陶冶能够做出惊人和理想的事物出来。其余小编博客的别样小说也很不利。

介绍:基于神经互联网的自然语言依存关系解析器(已集成至Stanford
CoreNLP),特点是超快、准确,近年来可处理中国和英国文语言材质,基于《A 法斯特 and
Accurate Dependency Parser Using Neural Networks》 思路达成.

介绍: Stanford的Trevor Hastie助教在H2O.ai
Meet-Up上的告知,讲稀疏线性模型——面向“宽数据”(特征维数抢先样本数)的线性模型,13年同核心报告
、讲义.

《How to Choose a Neural
Network》

284《神经网络语言模型》

382《Awesome Computer Vision》

介绍:deeplearning4j官网提供的其实使用场景NN选取参考表,列举了有的一级难题建议选用的神经互连网

介绍:本文遵照神经互连网的上进进度,详细讲解神经网络语言模型在相继阶段的款式,个中的模型包括NNLM[Bengio,2003]、Hierarchical
NNLM[Bengio, 2005], Log-Bilinear[Hinton,
2007],SENNA等根本变形,总结的专门好.

介绍:
分类整理的机器视觉相关能源列表,秉承Awesome体系风格,有质有量!我的翻新频率也很频仍

《Deep Learning (Python, C/C++, Java, Scala,
Go)》

285《Classifying Spam Emails using Text and Readability Features》

383《Adam Szeidl》

介绍:三个纵深学习项目,提供了Python, C/C++, Java, Scala, Go多少个本子的代码

介绍:经典难题的新商讨:利用文本和可读性特征分类垃圾邮件。

介绍: social networks course

《Deep Learning
Tutorials》

286《BCI Challenge @ NER 2015》

384《Building and deploying large-scale machine learning pipelines》

介绍:深度学习课程

介绍:Kaggle脑控总计机交互(BCI)竞技优胜方案源码及文书档案,包蕴完整的数额处理流程,是读书Python数据处理和Kaggle经典参加比赛框架的绝佳实例

介绍: 大规模机器学习流程的营造与安插.

《自然语言处理的发展趋势——访Carnegie梅隆大学爱德华·霍威教师》

287《IPOL Journal · Image Processing On Line》

385《人脸识别开发包》

介绍:自然语言处理的发展趋势——访卡内基梅隆大学爱德华·霍威助教.

介绍:IPOL(在线图像处理)是图像处理和图像分析的商量期刊,每篇小说都蕴涵三个算法及相应的代码、德姆o和尝试文书档案。文本和源码是因此了同行评定审查的。IPOL是开放的科学和可重复的钻研期刊。笔者向来想做点类似的行事,拉近产品和技术之间的距离.

介绍: 人脸识别一次开发包,免费,可商用,有示范、范例、表明书.

《FaceNet: A Unified Embedding for Face Recognition and
Clustering》

288《Machine learning classification over encrypted data》

386《Understanding Natural Language with Deep Neural Networks Using
Torch》

介绍:谷歌对推文(Tweet) DeepFace的兵不血刃反击—— FaceNet,在LFW(Labeled Faces
in the Wild)上高达99.63%准确率(新记录),FaceNet
embeddings可用于人脸识别、鉴定区别和聚类.

介绍:出自MIT,商量加密数码火速分类难题.

介绍: 采取Torch用深度学习网络精晓NLP,来自脸谱 人工智能的小说.

《MLlib中的Random
Forests和Boosting》

289《purine2》

387《The NLP Engine: A Universal Turing Machine for NLP》

介绍:本文来源Databricks集团网站的一篇博客小说,由Joseph Bradley和Manish
Amde撰写,文章主要介绍了Random Forests和Gradient-Boosted
Trees(GBTs)算法和她们在MLlib中的分布式达成,以及展现一些总结的例证并建议该从何方上手.中文版.

介绍:新加坡共和国LV实验室的神经网络并行框架Purine: A bi-graph based deep
learning
framework,帮衬创设种种互动的架构,在多机多卡,同步革新参数的情状下主题达到规定的标准线性加快。12块Titan
20小时能够成功谷歌net的教练。

介绍: 来自CMU的艾德 Hovy和Stanford的Jiwei
Li一篇有意思的Arxiv文章,小编用Shannon Entropy来描写NLP中各项任务的难度.

《Sum-Product Networks(SPN)

290《Machine Learning Resources》

388《TThe Probabilistic Relevance Framework: BM25 and Beyond》

介绍:华盛顿大学Pedro Domingos团队的DNN,提供杂谈和落到实处代码.

介绍:那是1个机器学习能源库,即便相比较少.但蚊子再小也是肉.有凸起部分.此外还有三个由zheng
Rui整理的机械学习能源.

介绍: 消息搜索排序模型BM25(Besting Matching)。1)从经典可能率模型演化而来
2)捕捉了向量空间模型中四个影响索引项权重的因子:IDF逆文书档案频率;TF索引项频率;文书档案长度归一化。3)并且带有集成学习的思考:组合了BM11和BM15五个模型。4)作者是BM25的建议者和Okapi完结者Robertson.

《Neural Network Dependency
Parser》

291《Hands-on with machine learning》

389《Introduction to ARMA Time Series Models – simplified》

介绍:基于神经网络的自然语言依存关系解析器(已集成至Stanford
CoreNLP),特点是超快、准确,近来可处理中国和英国文语料,基于《A Fast and
Accurate Dependency Parser Using Neural
Networks》
思路达成.

介绍:Chase
戴维斯在NICAXC9015上的核心报告材料,用Scikit-Learn做监督学习的入门例子.

介绍:
自回归滑动平均(AENVISIONMA)时间体系的简约介绍,A奇骏MA是钻探时间连串的机要方法,由自回归模型(A揽胜极光模型)与滑动平均模型(MA模型)为根基“混合”构成.

292《The Natural Language Processing Dictionary》

390《Encoding Source Language with Convolutional Neural Network for
Machine Translation》

介绍:那是一本自然语言处理的词典,从一九九九年开始到日前累积了重重的正式词语解释,即使你是一人刚入门的朋友.能够借那本词典让自身成长更快.

介绍: 把来自target的attention signal参加source encoding
CNN的输入,得到了比BBN的模子好的多neural network joint model

293《PageRank Approach to Ranking National Football Teams》

391《Spices form the basis of food pairing in Indian cuisine》

介绍:通过分析1927年至今的交锋数据,用PageRank计算FIFA World Cup参加比赛球队排行榜.

介绍:
爆料印度菜的水灵秘诀——通过对大气食谱原料关系的打桩,发现印度菜美味的案由之一是中间的寓意相互争辩,很有意思的文本挖掘钻探

294《R Tutorial》

392《HMM相关小说索引》

介绍:R语言教程,其它还援引叁个凯雷德语言教程An Introduction to Wrangler.

介绍: HMM相关小说,其它推荐中文分词之HMM模型详解

295《Fast unfolding of communities in large networks》

393《Zipf’s and Heap’s law》

介绍:经典老文,复杂网络社区发现的高效算法,Gephi中的[Community
detection](The Louvain method for community detection in large
networks)即依照此.

介绍:
1)词频与其降序排序的关系,最盛名的是语言学家齐夫(Zipf,一九〇二-一九四七)1946年建议的Zipf‘s
law,即双方成反比关系. 曼德勃罗(Mandelbrot,1921-
二零一零)引入参数考订了对甚高频和什么低频词的描摹 2)Heaps’ law:
词汇表与语言材质规模的平方根(那是一个参数,克罗地亚语0.4-0.6)成正比

296《NUML》

394《I am Jürgen Schmidhuber, AMA》

介绍: 3个面向 .net 的开源机器学习库,github地址

介绍: Jürgen Schmidhuber在Reddit上的AMA(Ask Me
Anything)大旨,有诸多奥迪Q5NN和AI、ML的干货内容,关于开源&思想&方法&提出……耐心阅读,相信你也会收益匪浅.

297《synaptic.Js》

395《学术种子网站:Academic托雷nts》

介绍: 辅助node.js的JS神经互连网库,可在客户端浏览器中运作,帮忙LSTM等
github地址

介绍:
成G上T的学问数据,HN近年来热议话题,宗旨涉及机械学习、NLP、SNA等。下载最简易的方法,通过BT软件,福睿斯SS订阅各集合即可

298《Machine learning for package users with R (1): Decision Tree》

396《机器学习相互速查表》

介绍: 决策树

介绍: Scikit-Learn官网提供,在原来的Cheat
Sheet基础上丰硕了Scikit-Learn相关文书档案的链接,方便浏览

299《Deep Learning, The Curse of Dimensionality, and Autoencoders》

397《A Full Hardware Guide to Deep Learning》

介绍: 研究深度学习机关编码器怎么样有效应对维数魔难,国内翻译

介绍: 深度学习的无所不包硬件指南,从GPU到RAM、CPU、SSD、PCIe

300《Advanced Optimization and Randomized Methods》

398《行人检查和测试(Pedestrian Detection)能源》

介绍: CMU的优化与人身自由格局课程,由A. Smola和S.
Sra主讲,优化理论是机械学习的基本,值得深远学习 国内云(摄像)

介绍:Pedestrian Detection paper & data

301《CS231n: Convolutional Neural Networks for Visual
Recognition》

399《A specialized face-processing network consistent with the
representational geometry of monkey face patches》

介绍:
“面向视觉识其余CNN”课程设计报告集锦.近百篇,内容提到图像识别应用的种种方面

介绍:
【神经科学碰推人工智能】在脸部识别上您自个儿都以专家,就算细微的差别也能分辨。研商已证实人类和灵长类动物在面部加工上不一样于别的物种,人类利用梭状回面孔区(FFA)。Khaligh-Razavi等经过电脑模拟出人脸识别的FFA活动,堪称神经科学与人工智能的八面后珑组合。

302《Topic modeling with LDA: MLlib meets GraphX》

400《Neural Net in C++ Tutorial》

介绍:用斯Parker的MLlib+GraphX做大规模LDA核心抽取.

介绍:
神经网络C++教程,本文介绍了用可调剂梯度下落和可调节动量法设计和编码经典BP神经网络,网络经过演习能够做出惊人和特出的事物出来。其余作者博客的别样文章也很正确。

303《Deep Learning for Multi-label Classification》

(未完待续……)

介绍: 基于深度学习的多标签分类,用基于RBM的DBN化解多标签分类(特征)难点

304《Google DeepMind publications》

介绍: DeepMind随想集锦

305《kaldi》

介绍: 三个开源语音识别工具包,它近来托管在sourceforge下面

306《Data Journalism Handbook》

介绍: 免费电子书《数据新闻手册》,
国内有热情的意中人翻译了普通话版,我们也能够在线阅读

307《Data Mining Problems in Retail》

介绍: 零售领域的数额挖掘文章.

308《Understanding Convolution in Deep Learning》

介绍: 深度学习卷积概念详解,深入浅出.

309《pandas: powerful Python data analysis toolkit》

介绍: 分外强大的Python的数码解析工具包.

310《Text Analytics 2015》

介绍: 二零一四文书分析(商业)应用综述.

311《Deep Learning libraries and ?rst experiments with Theano》

介绍: 深度学习框架、库调查商量及Theano的起来测试体会报告.

312《DEEP learning》

介绍: MIT的Yoshua Bengio, Ian Goodfellow, 亚伦Courville著等人讲深度学习的新书,还未定稿,线上提供Draft
chapters收集报告,超赞!强烈推荐.

313《simplebayes》

介绍: Python下开源可持久化朴素贝叶斯分类库.

314《Paracel》

介绍:Paracel is a distributed computational framework designed for
machine learning problems, graph algorithms and scientific computing in
C++.

315《HanLP:Han Language processing》

介绍: 开源中文言处理包.

316《Simple Neural Network implementation in Ruby》

介绍: 使用Ruby完结简单的神经网络例子.

317《Hacker’s guide to Neural Networks》

介绍:神经网络黑客入门.

318《The Open-Source Data Science Masters》

介绍:好多多少物经济学家有名气的人推荐,还有资料.

319《Text Understanding from Scratch》

介绍:完毕项目现已开源在github下面Crepe

320《 Improving Distributional Similarity with Lessons Learned from
Word Embeddings》

介绍:笔者发现,经过调参,古板的法门也能和word2vec获得差不离的效果。此外,无论作者怎么试,GloVe都比但是word2vec.

321《CS224d: Deep Learning for Natural Language Processing》

介绍:Stanford深度学习与自然语言处理课程,Richard Socher主讲.

322《Math Essentials in Machine Learning》

介绍:机器学习中的首要数学概念.

323《Improved Semantic Representations From Tree-Structured Long
Short-Term Memory Networks》

介绍:用于改良语义表示的树型LSTM递归神经互联网,句子级相关性判断和心思分类功效很好.达成代码.

324《Statistical Machine Learning》

介绍:卡耐基梅隆Ryan Tibshirani和LarryWasserman开设的机器学习课程,先修课程为机械学习(10-715)和中等计算学(36-705),聚焦总括理论和方法在机械学习世界应用.

325《AM207: Monte Carlo Methods, Stochastic Optimization》

介绍:《哈佛大学蒙特卡洛方法与人身自由优化学科》是亚拉巴马Madison分校应用数学学士课程,由V
Kaynig-Fittkau、P
Protopapas主讲,Python程序示例,对贝叶斯推理感兴趣的爱人一定要探望,提供授课录像及课上IPN讲义.

326《Understanding Convolutions》

介绍:帮您知道卷积神经互连网,讲解很清楚,别的还有两篇Conv Nets: A Modular
Perspective,Groups & Group Convolutions.
小编的别的的关于神经互连网小说也很棒

327《Introduction to Deep Learning Algorithms》

介绍:Deep Learning算法介绍,里面介绍了06年3篇让deep learning崛起的舆论

328《Learning Deep Architectures for AI》

介绍:一本学习人工智能的书籍,笔者是Yoshua Bengio,相关国内通信

329《杰弗里 E. Hinton个人主页》

介绍:Geoffrey Hinton是Deep
Learning的大牛,他的主页放了部分介绍性小说和课件值得学习

330《PROBABILITY THEORY: THE LOGIC OF SCIENCE》

介绍:概率论:数理逻辑书籍

331《H2O》

介绍:八个用来快捷的总括,机器学习并且对于数据量大的数学库

332《ICLENVISION 2014议会的arXiv稿件合集》

介绍:在此间您能够看来近年来深度学习有何样新取向。

333《Introduction to Information Retrieval》

介绍:此书在音讯寻找领域鲜明,
除提供该书的免费电子版外,还提供一个IENVISION财富列表
,收音和录音了音信搜索、互连网新闻搜索、搜索引擎实现等方面相关的书籍、研讨宗旨、相关学科、子领域、会议、期刊等等,堪称全集,值得珍藏

334《Information Geometry and its Applications to Machine Learning》

介绍:音讯几何学及其在机器学习中的应用

335《Legal Analytics – Introduction to the Course》

介绍:课程《法律分析》介绍幻灯片。用机器学习解决法规相关分析和预测难题,相关的王法运用包括预测编码、早期案例评估、案件完全情形的预测,定价和工作人士预测,司法行为预测等。法律领域我们也许都相比目生,不妨了然下。

336《文本上的算法》

介绍:
文中关系了最优,模型,最大熵等等理论,其余还有使用篇。推荐系统能够说是一本合情合理的阅读稿,关于模型还援引一篇Generative
Model 与 Discriminative Model

337《NeuralTalk》

介绍: NeuralTalk is a Python+numpy project for learning Multimodal
Recurrent Neural Networks that describe images with
sentences.NeuralTalk是1个Python的从图像生成自然语言描述的工具。它达成了谷歌(Google)(Vinyals等,卷积神经网络CNN + 长长期纪念LSTM) 和华盛顿圣路易斯分校 (Karpathy and
Fei-Fei, CNN +
递归神经互连网卡宴NN)的算法。NeuralTalk自带了三个磨练好的动物模型,你能够拿狮子大象的肖像来尝试看

338《Deep Learning on Hadoop 2.0》

介绍:本文主要介绍了在Hadoop2.0上应用深度学习,文章来源paypal

339《Practical recommendations for gradient-based training of deep
architectures》

介绍:用基于梯度下落的主意磨炼深度框架的推行推荐指引,小编是Yoshua Bengio
.谢谢@xuewei4d 推荐

340《Machine Learning With Statistical And Causal Methods》

介绍: 用总括和因果方法做机械学习(录像告诉)

341《Machine Learning Course 180’》

介绍: 二个讲机器学习的Youtube录像教程。160集。系统程度跟书可比拟。

342《回归(regression)、梯度降低(gradient descent)》

介绍:
机器学习中的数学,笔者的切磋方向是机械学习,并行总括借使您还想精通一些任何的能够看看她博客的其余小说

343《美团推荐算法实践》

介绍: 美团推荐算法实践,从框架,应用,策略,查询等分析

344《Deep Learning for Answer Sentence Selection》

介绍: 深度学习用于问答系统答案句的挑选

345《Learning Semantic Representations Using Convolutional Neural
Networks for Web Search 》

介绍: CNN用于WEB搜索,深度学习在文件总结中的应用

346《Awesome Public Datasets》

介绍: Awesome种类中的公开数据集

347《Search Engine & Community》

介绍: 八个学问搜索引擎

348《spaCy》

介绍:
用Python和Cython写的工业级自然语言处理库,号称是速度最快的NLP库,快的原因一是用Cython写的,二是用了个很抢眼的hash技术,加快系统的瓶颈,NLP中稀松特征的存取

349《Collaborative Filtering with Spark》

介绍: 菲尔德s是个数学斟酌为主,下面的那份ppt是来自Fields实行的位移中RussSalakhutdinov带来的《大规模机器学习》分享

350《Topic modeling 的经文随想》

介绍: Topic modeling 的经文杂谈,标注了关键点

351《Move Evaluation in Go Using Deep Convolutional Neural
Networks》

介绍:
法兰克福大学与谷歌(Google)合作的新随想,深度学习也得以用来下围棋,听说能达到规定的标准六段水平

352《机器学习周刊第三期》

介绍:
消息,paper,课程,book,system,CES,罗布oot,别的还引进多少个深度学习入门与综独资料

353《Learning more like a human: 18 free eBooks on Machine
Learning》

介绍: 18 free eBooks on Machine Learning

354《Recommend :Hang Li Home》

介绍: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

355《DEEPLEARNING.UNIVERSITY – AN ANNOTATED DEEP LEARNING
BIBLIOGRAPHY》

介绍:
DEEPLEA讴歌ZDXNING.UNIVEHavalSITY的杂文库已经选定了963篇经过分类的深度学习杂谈了,很多种经营文散文都曾经选定

356《MLMU.cz – Radim ?eh??ek – Word2vec & friends (7.1.2015)》

介绍: Radim
?eh??ek(Gensim开发者)在2次机器学习聚会上的报告,关于word2vec会同优化、应用和扩展,很实用.国内网盘

357《Introducing streaming k-means in Spark 1.2》

介绍:很多合营社都用机器学习来消除难点,提升用户体验。那么怎么能够让机器学习更实时和行之有效呢?SparkMLlib 1.第22中学间的Streaming K-means,由斑马鱼脑神经研究的杰里米Freeman脑神经化学家编写,最初是为了实时处理他们每半钟头1TB的研商数据,以往公布给我们用了。

358《LDA入门与Java实现》

介绍:
那是一篇面向工程师的LDA入门笔记,并且提供一份开箱即用Java完结。本文只记录基本概念与原理,并不关乎公式推导。文中的LDA落成宗旨部分使用了arbylon的Lda吉布斯萨姆pler并力所能及地诠释了,在搜狗分类语言材质库上测试杰出,开源在GitHub上。

359《AMiner – Open Science Platform》

介绍:
AMiner是二个学术搜索引擎,从学术互连网中发掘深度知识、面向科技(science and technology)大数据的挖掘。收集近5000万俺新闻、捌仟万舆论新闻、1亿多引用关系、链接近8百万知识点;扶助专家搜索、机构排名、科研成果评价、会议排行。

360《What are some interesting Word2Vec results?》

介绍: Quora上的大旨,探讨Word2Vec的有趣应用,OmerLevy提到了她在CoNLL二零一六至上故事集里的剖析结果和新章程,丹尼尔勒Hammack给出了找特异词的小应用并提供了(Python)代码

361《机器学习公开课汇总》

介绍:
机器学习公开课汇总,尽管在那之中的有个别课程已经归档过了,可是还有些的音讯并未。感激课程图谱的作者

362《A First Course in Linear Algebra》

介绍: 【A First Course in Linear Algebra】罗伯特 Beezer 有答案
有移动版、打字与印刷版 使用GNU自由文书档案协议 引用了杰弗逊1813年的信

363《libfacedetection》

介绍:libfacedetection是费城高校开源的一个人脸图像识别库。包含正面和多视角人脸检查和测试八个算法.优点:速度快(OpenCV
haar+adaboost的2-3倍), 准确度高
(FDDB非公开类评测排行第①),能估计人脸角度。

364《Inverting a Steady-State》

介绍:WSDM2016最佳论文把马尔可夫链理论用在了图分析上边,比相似的propagation
model越发深切一些。通过全局的乌海久安分布去求解每种节点影响周全模型。假若合理(转移受到附近的熏陶全面影响)。能够用来反求每一个节点的震慑周详

365《机器学习入门书单》

介绍:机器学习入门书籍,具体介绍

366《The Trouble with SVMs》

介绍:
相当屌的强调特征选用对分类器主要性的文章。激情分类中,依照互新闻对复杂高维特征降维再利用节约财富贝叶斯分类器,取得了比SVM更赏心悦目的效果,磨炼和归类时间也大大降低——更主要的是,不必花大量岁月在上学和优化SVM上——特征也同等no
free lunch

367《Rise of the Machines》

介绍:CMU的总括系和电脑系盛名教师拉里 Wasserman
在《机器崛起》,比较了总计和机械和工具学习的差异

368《实例详解机器学习怎么着消除难点》

介绍:随着大数量时代的过来,机器学习变成化解难点的一种紧要且首要的工具。不管是工产业界照旧学术界,机器学习都以1个敬而远之的倾向,可是学术界和工产业界对机器学习的商量各有尊重,学术界侧重于对机械学习理论的研商,工产业界侧重于如何用机器学习来化解实际难题。那篇文章是美团的骨子里条件中的实战篇

369《Gaussian Processes for Machine Learning》

介绍:面向机器学习的高斯进程,章节概要:回归、分类、协方差函数、模型采纳与超参优化、高斯模型与任何模型关系、大数据集的逼近方法等,微盘下载

370《FuzzyWuzzy: Fuzzy String Matching in Python》

介绍:Python下的文件模糊匹配库,老库新推,可总结串间ratio(简单相似周全)、partial_ratio(局地相似周到)、token_sort_ratio(词排序相似周到)、token_set_ratio(词集合相似周密)等
github

371《Blocks》

介绍:Blocks是基于Theano的神经互联网搭建框架,集成相关函数、管道和算法,帮您更快地成立和保管NN模块.

372《Introduction to Machine Learning》

介绍:机器学习大神亚历克斯 Smola在CMU新一期的机械学习入门课程”Introduction to
Machine
Learning“近来刚刚开始拍片,课程4K高清录制一起到Youtube上,近日恰巧更新到 2.4
Exponential Families,课程录像playlist,
感兴趣的同窗可以关怀,卓殊适合入门.

373《Collaborative Feature Learning from Social Media》

介绍:用社交用户作为学习图片的同台湾特务征,可更好地球表面述图片内容相似性。由于不依靠于人工标签(标注),可用来大规模图片处理,难在用户作为数据的收获和漱口;利用社会化特征的笔触值得借鉴.

374《Introducing practical and robust anomaly detection in a time
series》

介绍:推特(Twitter)技术团队对前段时间开源的岁月连串至极检查和测试算法(S-H-ESD)Wrangler包的牵线,当中对丰盛的定义和分析很值得参考,文中也论及——十分是强针对性的,有些世界支出的万分检查和测试在任何领域直接用可不行.

375《Empower Your Team to Deal with Data-Quality Issues》

介绍:聚焦数据品质难题的答问,数据品质对种种框框集团的个性和作用都重点,文中总计出(不压制)22种典型数据品质难点表现的信号,以及特出的多少质量消除方案(清洗、去重、统① 、匹配、权限清理等)

376《粤语分词入门之财富》

介绍:中文分词入门之财富.

377《Deep Learning Summit, San Francisco, 2015》

介绍:15年维也纳纵深学习高峰会议摄像采访,国内云盘

378《Introduction to Conditional Random Fields》

介绍:很好的标准化随飞机场(C酷威F)介绍文章,小编的读书笔记

379《A Fast and Accurate Dependency Parser using Neural Networks》

介绍: 来自Stanford,用神经网络达成火速准确的依存关系解析器

380《Which GPU(s) to Get for Deep Learning: My Experience and Advice
for Using GPUs in Deep Learning》

介绍:做深度学习怎么着挑选GPU的提议

381《Sparse Linear Models》

介绍: Stanford的特雷沃 Hastie教师在H2O.ai
Meet-Up上的告诉,讲稀疏线性模型——面向“宽数据”(特征维数超越样本数)的线性模型,13年同大旨报告
、讲义.

382《Awesome Computer Vision》

介绍:
分类整理的机器视觉相关能源列表,秉承Awesome连串风格,有质有量!作者的更新频率也很频仍

383《Adam Szeidl》

介绍: social networks course

384《Building and deploying large-scale machine learning pipelines》

介绍: 大规模机器学习流程的塑造与计划.

385《人脸识别开发包》

介绍: 人脸识别一回开发包,免费,可商用,有示范、范例、表明书.

386《Understanding Natural Language with Deep Neural Networks Using
Torch》

介绍: 选拔Torch用深度学习互联网精通NLP,来自Instagram 人工智能的作品.

387《The NLP Engine: A Universal Turing Machine for NLP》

介绍: 来自CMU的艾德 Hovy和Stanford的Jiwei
Li一篇有意思的Arxiv作品,小编用Shannon Entropy来形容NLP中各项任务的难度.

388《TThe Probabilistic Relevance Framework: BM25 and Beyond》

介绍: 音信寻找排序模型BM25(Besting Matching)。1)从经典概率模型衍生和变化而来
2)捕捉了向量空间模型中多少个影响索引项权重的因数:IDF逆文书档案频率;TF索引项频率;文书档案长度归一化。3)并且带有集成学习的考虑:组合了BM11和BM15四个模型。4)小编是BM25的建议者和Okapi落成者罗伯森.

389《Introduction to ARMA Time Series Models – simplified》

介绍:
自回归滑动平均(A凯雷德MA)时间系列的粗略介绍,ATiguanMA是探究时间体系的最主要方法,由自回归模型(A汉兰达模型)与滑动平均模型(MA模型)为底蕴“混合”构成.

390《Encoding Source Language with Convolutional Neural Network for
Machine Translation》

介绍: 把来自target的attention signal参与source encoding
CNN的输入,获得了比BBN的模子好的多neural network joint model

391《Spices form the basis of food pairing in Indian cuisine》

介绍:
爆料印度菜的爽口秘诀——通过对大气菜谱原料关系的打通,发现印度菜美味的缘由之一是个中的意味相互冲突,很有意思的文书挖掘研商

392《HMM相关小说索引》

介绍: HMM相关作品,其它推荐粤语分词之HMM模型详解

393《Zipf’s and Heap’s law》

介绍:
1)词频与其降序排序的关系,最闻明的是语言学家齐夫(Zipf,1904-一九四八)1950年建议的Zipf‘s
law,即双方成反比关系. 曼德勃罗(Mandelbrot,一九二四-
二〇〇九)引入参数核对了对甚高频和什么低频词的写照 2)Heaps’ law:
词汇表与语言质地规模的平方根(那是1个参数,罗马尼亚语0.4-0.6)成正比

394《I am Jürgen Schmidhuber, AMA》

介绍: Jürgen Schmidhuber在Reddit上的AMA(Ask Me
Anything)核心,有很多索罗德NN和AI、ML的干货内容,关于开源&思想&方法&建议……耐心阅读,相信你也会受益匪浅.

395《学术种子网站:Academic托雷nts》

介绍:
成G上T的学问数据,HN最近热议话题,核心涉及机械学习、NLP、SNA等。下载最简便易行的方法,通过BT软件,TiggoSS订阅各集合即可

396《机器学习互相速查表》

介绍: Scikit-Learn官网提供,在原本的Cheat
Sheet基础上助长了Scikit-Learn相关文书档案的链接,方便浏览

397《A Full Hardware Guide to Deep Learning》

介绍: 深度学习的完美硬件指南,从GPU到RAM、CPU、SSD、PCIe

398《行人检查和测试(Pedestrian Detection)能源》

介绍:Pedestrian Detection paper & data

399《A specialized face-processing network consistent with the
representational geometry of monkey face patches》

介绍:
【神经科学碰推人工智能】在面部识别上你本人皆以专家,就算细微的差异也能识别。钻探已表明人类和灵长类动物在面部加工上分歧于其余物种,人类采纳梭状回面孔区(FFA)。Khaligh-Razavi等通过计算机模拟出人脸识别的FFA活动,堪称神经科学与人工智能的完善结合。

400《Neural Net in C++ Tutorial》

介绍:
神经互连网C++教程,本文介绍了用可调节梯度降低和可调节动量法设计和编码经典BP神经网络,互连网经过练习能够做出惊人和理想的事物出来。其余笔者博客的此外文章也很正确。

相关文章