机器学习&深度学习资料汇总(含文档,数据集,代码等)(四)

代码模型 Admin ⋅ 于 2个月前 ⋅ 793 阅读

机器学习&深度学习资料汇总(含文档,数据集,代码等)(一)

机器学习&深度学习资料汇总(含文档,数据集,代码等)(二)

机器学习&深度学习资料汇总(含文档,数据集,代码等)(三)

《Books to Read if You Might Be Interested in Data Science》
介绍:数据科学大咖荐书(入门).

《Deep Learning for NLP resources》
介绍:NLP 深度学习资源列表.

《GitXiv》
介绍:很多arXiv上面知名论文可以在这个网站找到github的项目链接.

《Learning Multi-Domain Convolutional Neural Networks for Visual Tracking》
介绍:深度学习在视觉跟踪的探索.

《Beginners Guide: Apache Spark Machine Learning Scenario With A Large Input Dataset》
介绍:Spark机器学习入门实例——大数据集(30+g)二分类.

《Semantic Scholar》
介绍:保罗艾伦人工智能实验室表示,Google Scholar是十年前的产物,他们现在想要做进一步的提高。于是推出了全新的,专门针对科学家设计的学术搜索引擎Semantic Scholar.

《Semi-Supervised Learning》
介绍:半监督学习,Chapelle.篇篇都是经典,作者包括Vapnik,Bengio,Lafferty,Jordan.此外推荐Xiaojin (Jerry) Zhu编写的Introduction to Semi-Supervised Learning.

介绍:Spark机器学习入门实例——大数据集(30+g)二分类.

《Free Resources for Beginners on Deep Learning and Neural Network》
介绍:为入门者准备的深度学习与神经网络免费资源.

《TensorFlow is an Open Source Software Library for Machine Intelligence》
介绍:Google 开源最新机器学习系统 TensorFlow,此外提供TensorFlow白皮书white paper of tensorflow 2015.hacker news,Google大牛解读TensorFlow

《Veles:Distributed machine learning platform》
介绍:三星开源的快速深度学习应用程序开发分布式平台.

《DMTK:Microsoft Distributed Machine Learning Tookit 》
介绍:分布式机器学习工具包.

《Semantics Approach to Big Data and Event Processing》
介绍:语义大数据——大数据/事件处理的语义方法.

《LSTM(Long Short Term Memory)和RNN(Recurrent)学习教程》
介绍:LSTM(Long Short Term Memory)和RNN(Recurrent)学习教程.

《Marvin:A minimalist GPU-only N-dimensional ConvNet framework》
介绍:Princeton Vision Group的深度学习库开源.

《Ufora is a compiled, automatically parallel subset of python for data science and numerical computing》
介绍:基于AWS的自动分布式科学计算库Ufora,Why I Open Sourced Five Years of Work.

《Deep Learning and Deep Data Science - PyCon SE 2015》
介绍:(PyCon SE 2015)深度学习与深度数据科学.

《Zhi-Hua Zhou Papers》
介绍:推荐南京大学机器学习与数据挖掘研究所所长——周志华教授的Google学术主页.

《Advanced Linear Models for Data Science》
介绍:免费书:面向数据科学的高级线性模型.

《Net2Net: Accelerating Learning via Knowledge Transfer》
介绍:基于知识迁移的神经网络高效训练Net2Net.

《徐亦达机器学习课程 Variational Inference》
介绍:徐亦达机器学习课程 Variational Inference.

《Learning the Architecture of Deep Neural Networks》
介绍:深度神经网络结构学习.

《Multimodal Deep Learning》
介绍:来自斯坦福大学的Multimodal Deep Learning papers.

《深度学习简析,TensorFlow,Torch,Theano,Mxnet》
介绍:深度学习简析,TensorFlow,Torch,Theano,Mxnet.

《"Notes Essays —CS183C: Technology-enabled Blitzscaling — Stanford University》
介绍:这个专栏是一个stanford学生做的CS183c课程的一个note,该课程是由Reid Hoffman等互联网boss级人物开设的,每节课请一位巨头公司的相关负责人来做访谈,讲述该公司是怎么scale的。最新两期分别请到了雅虎的梅姐和airbnb创始人Brian Chesky。.

《Natural Language Understanding with Distributed Representation》
介绍:基于分布式表示的自然语言理解(100+页),论文.

《Recommender Systems Handbook》
介绍:推荐系统手册.

《Understanding LSTM Networks》
介绍:理解LSTM网络翻译.

《Machine Learning at Quora》
介绍:机器学习在quora中的应用.

《On Learning to Think: Algorithmic Information Theory for Novel Combinations of Reinforcement Learning Controllers and Recurrent Neural World Models》
介绍:思维学习——RL+RNN算法信息论.

《The 5 Ways Data Scientists Keep Learning After College》
介绍:数据科学家毕业后继续学习的5种方式.

《Deep Learning in Neural Networks: An Overview》
介绍:深度学习在神经网络的应用.

《Contextual Learning》
介绍:上下文学习,代码.

《Machine Learning For Complete Beginners》
介绍:机器学习零基础入门,代码.

《2015年中国计算机学会(CCF)优秀博士学位论文》
介绍:2015年度CCF优秀博士学位论文奖论文列表.

《Learning to Hash Paper, Code and Dataset》
介绍:Learning to Hash Paper, Code and Dataset.

《Neural networks with Theano and Lasagne》
介绍:(PyData2015)基于Theano/Lasagne的CNN/RNN教程,github.

《神经网络与深度学习讲义》
介绍:复旦大学邱锡鹏老师编写的神经网络与深度学习讲义,ppt.

《Microsoft Open Sources Distributed Machine Learning Toolkit》
介绍:微软亚洲研究院开源分布式机器学习工具包.

《语音识别的技术原理是什么?》
介绍:语音识别的技术原理浅析

《Michael I. Jordan》
介绍:迈克尔I.乔丹的主页.根据主页可以找到很多资源。迈克尔I.乔丹是知名的计算机科学和统计学学者,主要研究机器学习和人工智能。他的重要贡献包括指出了机器学习与统计学之间的联系,并推动机器学习界广泛认识到贝叶斯网络的重要性。

《Geoff Hinton》
介绍:杰弗里埃弗里斯特辛顿 FRS是一位英国出生的计算机学家和心理学家,以其在神经网络方面的贡献闻名。辛顿是反向传播算法和对比散度算法的发明人之一,也是深度学习的积极推动者.通过他的主页可以发掘到很多Paper以及优秀学生的paper,此外推荐他的学生Yann Lecun主页

《Yoshua Bengio》
介绍:Yoshua Bengio是机器学习方向的牛人,如果你不知道可以阅读对话机器学习大神Yoshua Bengio(上),对话机器学习大神Yoshua Bengio(下)

《Large Scale Deep Learning within google》
介绍:google大规模深度学习应用演进

《Deep Learning: An MIT Press Book in Preparation》
介绍:MIT出版的深度学习电子书,公开电子书

《A Mathematical Theory of Deep Convolutional Neural Networks for Feature Extraction》
介绍:深度卷积神经网络(CNN)提取特征的数学理论

《Microsoft Research Asia:Kaiming He》
介绍:推荐微软亚洲研究院何恺明主页

《Speech and Language Processing (3rd ed. draft)》
介绍:《语音与语言处理》第三版(草稿)

《LSA 311: Computational Lexical Semantics - Summer 2015》
介绍:Stanford新课"计算词汇语义学"

《上海交大张志华老师的统计机器学习与机器学习导论视频》
介绍:上海交大张志华老师的统计机器学习与机器学习导论视频链接:密码: r9ak .概率基础

《Computational Linguistics and Deep Learning》
介绍:computational linguistics and deep learning视频,推荐Deep Learning: An Introduction from the NLP Perspective

《Black Hat USA 2015 - Deep Learning On Disassembly》
介绍:(BlackHat2015)深度学习应用之流量鉴别(协议鉴别/异常检测),[slide])(https://www.blackhat.com/docs/us-15/materials/us-15-Wang-The-Applications-Of-Deep-Learning-On-Traffic-Identification.pdf),[material](https://www.blackhat.com/docs/us-15/materials/us-15-Wang-The-Applications-Of-Deep-Learning-On-Traffic-Identification-wp.pdf)

《LibRec:A Java Library for Recommender Systems》
介绍:一个推荐系统的Java库

《Multi-centrality Graph Spectral Decompositions and their Application to Cyber Intrusion Detection》
介绍:多中心图的谱分解及其在网络入侵检测中的应用(MC-GPCA&MC-GDL)

《Computational Statistics in Python》
介绍:用Python学计算统计学

《New open-source Machine Learning Framework written in Java》
介绍:datumbox-framework——Java的开源机器学习框架,该框架重点是提供大量的机器学习算法和统计检验,并能够处理中小规模的数据集

《Awesome Recurrent Neural Networks》
介绍:递归神经网络awesome系列,涵盖了书籍,项目,paper等

《Pedro Domingos》
介绍:Pedro Domingos是华盛顿大学的教授,主要研究方向是机器学习与数据挖掘.在2015年的ACM webinar会议,曾发表了关于盘点机器学习领域的五大流派主题演讲.他的个人主页拥有很多相关研究的paper以及他的教授课程.

《Video resources for machine learning》
介绍:机器学习视频集锦

《Deep Machine Learning libraries and frameworks》
介绍:深度机器学习库与框架

《大数据/数据挖掘/推荐系统/机器学习相关资源》
介绍:这篇文章内的推荐系统资源很丰富,作者很有心,摘录了《推荐系统实战》内引用的论文.

《Bayesian Methods in Astronomy: Hands-on Statistics》
介绍:(天文学)贝叶斯方法/MCMC教程——统计实战

《Statistical Learning with Sparsity: The Lasso and Generalizations》
介绍:免费书:统计稀疏学习,作者Trevor Hastie与Rob Tibshirani都是斯坦福大学的教授,Trevor Hastie更是在统计学学习上建树很多

《The Evolution of Distributed Programming in R》
介绍:R分布式计算的进化,此外推荐(R)气候变化可视化,(R)马尔可夫链入门

《neon workshop at Startup.ML: Sentiment Analysis and Deep Reinforcement Learning》
介绍:Nervana Systems在Startup.ML的主题研讨会——情感分析与深度强化学习

《Understanding Convolution in Deep Learning》
介绍:深度学习卷积概念详解.

《Python libraries for building recommender systems》
介绍:Python推荐系统开发库汇总.

《Neural networks class - Université de Sherbrooke》
介绍:超棒的神经网络课程,深入浅出介绍深度学习,由Hugo Larochelle(Yoshua Bengio的博士生,Geoffrey Hinton之前的博士后)主讲,强烈推荐.

《CS231n: Convolutional Neural Networks for Visual Recognition》
介绍:斯坦福新课程,面向视觉识别的卷积神经网络(Fei-Fei Li & Andrej Karpathy),slides+video,homework.

《NIPS 2015 Deep Learning Symposium Part I》
介绍:NIPS 2015会议总结第一部分,第二部分.

《python机器学习入门资料梳理》
介绍:python机器学习入门资料梳理.

《Reading Text in the Wild with Convolutional Neural Networks》
介绍:牛津大学著名视觉几何组VGG在IJCV16年首卷首期: Reading Text in the Wild with Convolutional Neural Networks,Jaderberg。这篇期刊文章融合了之前两篇会议(ECCV14,NIPS14ws),定位和识别图片中的文本(叫text spotting)。 端到端系统: 检测Region + 识别CNN。论文、数据和代码.

《Yet Another Computer Vision Index To Datasets (YACVID)》
介绍:计算机视觉的一个较大的数据集索引, 包含387个标签,共收录了314个数据集合,点击标签云就可以找到自己需要的库了.

《Why SLAM Matters, The Future of Real-Time SLAM, and Deep Learning vs SLAM》
介绍:Tombone 对 ICCV SLAM workshop 的总结: the future of SLAM, SLAM vs deep learning 重点介绍了 monoSLAM 和 LSD-SLAM,而且讨论了 feature-based 和 feature-free method 的长短。在全民deep learning做visual perception的时候,再来读读CV中的 geometry.

《Python based Deep Learning Framework by Nervana™》
介绍:Nervana Systems的开源深度学习框架neon发布.

《mageNet and MS COCO Visual Recognition Challenges video and slider》
介绍:ICCV 2015的ImageNet比赛以及MS COCO竞赛联合研讨会的幻灯片和视频.

《An Introduction to Machine Learning with Python》
介绍:Python机器学习入门.

《Neural Enquirer: Learning to Query Tables with Natural Language》
介绍:Neural Enquirer 第二版.

《Deep Learning - Taking machine learning to the next level》
介绍:[Google]基于TensorFlow的深度学习/机器学习课程.

《100 “must read” R-bloggers’ posts for 2015》
介绍:R-bloggers网站2015"必读"的100篇文章,R语言学习的福音.

《Machine Learning: a Probabilistic Perspective》
介绍:推荐书籍:<机器学习:概率视角>,样章Undirected graphical models Markov random fields.

《Deep learning Book》
介绍:这是一本在线的深度学习书籍,合著者有Ian Goodfellow, Yoshua Bengio 和 Aaron Courville.如果你是一位新入门的学员可以先看这本书籍Yoshua Bengio: How can one get started with machine learning?.中文译本

《UFLDL Recommended Readings》
介绍:UFLDL推荐的深度学习阅读列表.

《CSE 705: Deep Learning (Spring 2015)》
介绍:纽约州立大学布法罗分校2015年春季机器学习课程主页.

《Theano is a Deep learning Python library 》
介绍: Theano是主流的深度学习Python库之一,亦支持GPU,入门比较难.推荐Theano tutorial,Document

《Statistical Language Models Based On Neural Networks》
介绍:博士论文:神经网络统计语言模型.

《文本数据的机器学习自动分类方法(上)》
介绍:文本数据的机器学习自动分类方法(下).

《Pixel Recurrent Neural Networks》
介绍:用RNN预测像素,可以把被遮挡的图片补充完整.

《Computational Network Toolkit (CNTK)》
介绍:微软研究院把其深度学习工具包CNTK,想进一步了解和学习CNTK的同学可以看前几天公布的《CNTK白皮书》An Introduction to Computational Networks and the Computational Network Toolkit.

《Kalman and Bayesian Filters in Python》
介绍: 卡尔曼滤波器教材,用尽量少的数学和推导,传授直觉和经验,全部Python示例,内容覆盖卡尔曼滤波器、扩展卡尔曼滤波,无迹卡尔曼滤波等,包括练习和参考答案

《Statistical inference for data science》
介绍:在线免费书:面向数据科学的统计推断,R示例代码,很不错GitHub.

《Learning Deep Architectures for AI》
介绍:这本书是由Yoshua Bengio撰写的教程,其内容包含了学习人工智能所使用的深度学习架构的学习资源,书中的项目已停止更新DeepLearnToolbox.

《Machine Learning Tutorials》
介绍:这是一份机器学习和深度学习教程,文章和资源的清单。这张清单根据各个主题进行撰写,包括了许多与深度学习有关的类别、计算机视觉、加强学习以及各种架构.

《Data science ipython notebooks》
介绍:这是由Donne Martin策划收集的IPython笔记本。话题涵盖大数据、Hadoop、scikit-learn和科学Python堆栈以及很多其他方面的内容。至于深度学习,像是TensorFlow、Theano和Caffe之类的框架也均被涵盖其中,当然还有相关的特定构架和概念等.

《Open Source Deep Learning Server》
介绍:开源的深度学习服务,DeepDetect是C++实现的基于外部机器学习/深度学习库(目前是Caffe)的API。给出了图片训练(ILSVRC)和文本训练(基于字的情感分析,NIPS15)的样例,以及根据图片标签索引到ElasticSearch中github.

《Data Mining, Analytics, Big Data, and Data Science》
介绍:这是国外的一个科技频道,涵盖了数据挖掘,分析以及数据科学类的文章.偶尔还有机器学习精选.

《Data Mining And Statistics: What's The Connection?》
介绍:经典论文:数据挖掘与统计学.

《(NIPS’2015 Tutorial)Yoshua Bengio深度学习》
介绍:NIPS’2015 Tutorial by Yoshua Bengio.

《(NENO:Python based Deep Learning Framework》
介绍:Nervana Systems的开源深度学习框架neon发布.

《(Matt Might:Reading for graduate students》
介绍:犹他州大学Matt Might教授推荐的研究生阅读清单.

《Awesome Public Datasets》
介绍:开放数据集.

《Introduction to Probability - The Science of Uncertainty》
介绍:(edX)不确定性的科学——概率论导论(MITx).

《R software and tools for everyday use》
介绍:R语言开发常用软件/工具推荐.

《Implementing Dynamic memory networks》
介绍:动态记忆网络实现.

《Deeplearning4j 中文主页》
介绍:英文主页

《Big Data Analysis Learning Resources: 50 Courses, Blogs, Tutorials, And More For Mastering Big Data Analytics》
介绍:50个大数据分析最佳学习资源(课程、博客、教程等)

《A Full Hardware Guide to Deep Learning》
介绍:深度学习的全面硬件指南,从GPU到RAM、CPU、SSD、PCIe,译文

《Deep Residual Networks》
介绍:kaiming开源作品

《The Definitive Guide to Natural Language Processing》
介绍:自然语言处理(NLP)权威指南

《Evaluating language identification performance》
介绍:如何在社会媒体上做语言检测?没有数据怎么办?推特官方公布了一个十分难得的数据集:12万标注过的Tweets,有70种语言

《ICLR 2016 Accepted Papers》
介绍:深度学习和机器学习重要会议ICLR 2016录取文章

《Machine Learning: An In-Depth, Non-Technical Guide - Part 1》
介绍:机器学习——深度非技术指南

《Data Storytelling 101: Helpful Tools for Gathering Ideas, Designing Content & More》
介绍:数据叙事入门指南——创意生成/数据采集/内容设计相关资源推荐

《WikiTableQuestions: a Complex Real-World Question Understanding Dataset》
介绍:WikiTableQuestions——复杂真实问答数据集

《Big Data: 35 Brilliant And Free Data Sources For 2016》
介绍:(2016版)35个超棒的免费大数据源

《SPARKNET: training deep networks in spark》
介绍:Ion Stoica和 Michael I. Jordan两位大家首次联手发文,CAFFE和SPARK完美结合,分布式深度学习混搭模式!github

《DeepLearning.University – An Annotated Deep Learning Bibliography | Memkite》
介绍:深度学习(分类)文献集

《Learning Deep Learning》
介绍:深度学习阅读列表

《Awesome42 The easiest way to find R packages》
介绍:探索R包的好网站Awesome 42

《MLbase:Distributed Machine Learning Made Easy》
介绍:MLbase是Prof. Dr. Tim Kraska的一个研究项目,MLbase是一个分布式机器学习管理系统

《Deep Learning At Scale and At Ease》
介绍:分布式深度学习平台SINGA介绍

《Learn All About Apache Spark (100x Faster than Hadoop MapReduce)》
介绍:Spark视频集锦

《R For Deep Learning (I): Build Fully Connected Neural Network From Scratch》
介绍:R语言深度学习第一节:从零开始

《A Visual Introduction to Machine Learning》
介绍:图解机器学习

《Citation Network Dataset》
介绍:AMiner论文引用数据集(v7:2,244,021 papers and 4,354,534 citation relationships)

《Best Free Machine Learning Ebooks》
介绍:10本最佳机器学习免费书

《International Conference on Computer Vision (ICCV) 2015, Santiago》
介绍:ICCV15视频集

《CaffeOnSpark Open Sourced for Distributed Deep Learning on Big Data Clusters》
介绍::(Yahoo)基于Hadoop/Spark的分布式Caffe实现CaffeOnSpark

《A Short Introduction to Learning to Rank》
介绍:Learning to Rank简介

《Global Deep learning researcher》
介绍:全球深度学习专家列表,涵盖研究者主页

《Top Spark Ecosystem Projects》
介绍:Spark生态顶级项目汇总

《Proceedings of the 21st International Conference on Intelligent User Interfaces》
介绍:ACM IUI'16论文集Conference Navigator - Proceedings

《Machine Learning: An In-Depth, Non-Technical Guide - Part 1》
介绍:深入机器学习,2,3,4

《Oxford Deep Learning》
介绍:Nando de Freitas在 Oxford 开设的深度学习课程,课程youtube地址,Google DeepMind的研究科学家,此外首页:computervisiontalks的内容也很丰富,如果你是做机器视觉方面的研究,推荐也看看其他内容.肯定收获也不小.还有,这位youtube主页顶过的视频也很有份量

《Neural Networks for Machine Learning》
介绍:Geoffrey Hinton在Coursera开设的MOOC

《Deep Learning News》
介绍:深度学习领域的Hacker news.紧跟深度学习的新闻、研究进展和相关的创业项目。从事机器学习,深度学习领域的朋友建议每天看一看

《Maxout Networks》
介绍:Maxout网络剖析

《Advances in Neural Information Processing Systems》
介绍:NIPS领域的会议paper集锦

《Machine learning applications in genetics and genomics》
介绍:机器学习在生物工程领域的应用,如果你从事生物工程领域,可以先阅读一篇文章详细介绍

《Deep Learning in Bioinformatics》
介绍:深度学习在生物信息学领域的应用

《A Few Useful Things to Know about Machine Learning》
介绍:一些关于机器学习需要知道知识,对于刚刚入门机器学习的同学应该读一读

《Cambridge Machine Learning Group》
介绍:剑桥大学机器学习用户组主页,网罗了剑桥大学一些机器学习领域专家与新闻

《Randy Olson's data analysis and machine learning projects》
介绍:Randy Olson's的一些数据分析与机器学习项目库,是学习实践的好材料

《GoLearn:Golang machine learning library》
介绍:Golang机器学习库,简单,易扩展

《Swift Ai》
介绍:用Swift开发苹果应用的倒是很多,而用来做机器学习的就比较少了.Swift Ai在这方面做了很多聚集.可以看看

《Please explain Support Vector Machines (SVM) like I am a 5 year old》
介绍:如何向一位5岁的小朋友解释支持向量机(SVM)

《reddit Machine learning》
介绍: reddit的机器学习栏目

《ComputerVision resource》
介绍: 计算机视觉领域的一些牛人博客,超有实力的研究机构等的网站链接.做计算机视觉方向的朋友建议多关注里面的资源

《Multimedia Laboratory Homepage》
介绍:香港中文大学深度学习研究主页,此外研究小组对2013年deep learning 的最新进展和相关论文做了整理,其中useful links的内容很受益

《Search Engines that Learn from Their Users》
介绍: 这是一篇关于搜索引擎的博士论文,对现在普遍使用的搜索引擎google,bing等做了分析.对于做搜索类产品的很有技术参考价值

《Deep Learning Books》
介绍: 深度学习书籍推荐(毕竟这类书比较少).

《Towards Bayesian Deep Learning: A Survey》
介绍: 贝叶斯定理在深度学习方面的研究论文.

《Revisiting Distributed Synchronous SGD》
介绍: 来自谷歌大脑的重温分布式梯度下降.同时推荐大规模分布式深度网络

《Research Issues in Social Computing》
介绍: 社交计算研究相关问题综述.

《What are some important areas of research in social computing right now?》
介绍: 社交计算应用领域概览,里面有些经典论文推荐

《Collaborative Filtering Recommender Systems》
介绍: 协同过滤在推荐系统应用.

《Content-Boosted Collaborative Filtering for Improved Recommendations》
介绍: 协同过滤在内容推荐的研究.

《Unifying User-based and Item-based Collaborative Filtering Approaches by Similarity Fusion》
介绍: 协同过滤经典论文.

《Item-based Collaborative Filtering Recommendation Algorithms》
介绍: 协同过滤算法.

《Amazon.com Recommendations Item-to-Item Collaborative Filtering》
介绍: 亚马逊对于协同过滤算法应用.

《Collaborative Filtering for Implicit Feedback Datasets》
介绍: 协同过滤的隐式反馈数据集处理.

《Tutorials, papers and code for computer graphics, fractals and demoscene》
介绍: 计算机图形,几何等论文,教程,代码.做计算机图形的推荐收藏.

《ELEN 6886 Sparse Representation and High-Dimensional Geometry》
介绍: 推荐哥伦比亚大学课程,稀疏表示和高维几何.12年由Elsevier、13年至今由PAMI(仍由Elsevier赞助)设立的青年研究者奖(Young Researcher Award)授予完成博士学位后七年内取得杰出贡献的;由CV社区提名,在CVPR会议上宣布。2015年得主是哥大助理教授John Wright,09年《健壮人脸识别的稀疏表示法》引用已超5K.

《Software engineer how to learning Machine learning》
介绍: CMU机器学习系著名教授Alex Smola在Quora对于《程序员如何学习Machine Learning》的建议:Alex推荐了不少关于线性代数、优化、系统、和统计领域的经典教材和资料.

《Book review: Fundamentals of Deep Learning》
介绍: 书籍推荐,深度学习基础.源码

《Learning from Big Code》
介绍: 软件工程领域现在也对机器学习和自然语言处理很感兴趣,有人推出了“大代码”的概念,分享了不少代码集合,并且觉得ML可以用在预测代码Bug,预测软件行为,自动写新代码等任务上。大代码数据集下载

《Object Detection》
介绍: 深度学习进行目标识别的资源列表:包括RNN、MultiBox、SPP-Net、DeepID-Net、Fast R-CNN、DeepBox、MR-CNN、Faster R-CNN、YOLO、DenseBox、SSD、Inside-Outside Net、G-CNN

《Deep Learning: Course by Yann LeCun at Collège de France 2016(Slides in English)》
介绍: Yann LeCun 2016深度学习课程的幻灯片(Deep Learning Course by Yann LeCun at Collège de France 2016)百度云密码: cwsm 原地址

《Stanford HCI Group》
介绍: 斯坦福人机交互组五篇CHI16文章。1.众包激励机制的行为经济学研究:批量结算比单任务的完成率高。2.在众包专家和新手间建立联系:微实习。3.词嵌入结合众包验证的词汇主题分类(如猫、狗属于宠物)。4.词嵌入结合目标识别的活动预测。5.鼓励出错以加快众包速度。

《Learn Data Science》
介绍: 自学数据科学

《CS224D Lecture 7 - Introduction to TensorFlow》
介绍: 本课是CS224D一节介绍TensorFlow课程,ppt,DeepDreaming with TensorFlow

《Leaf - Machine Learning for Hackers》
介绍: Leaf是一款机器学习的开源框架,专为黑客打造,而非为科学家而作。它用Rust开发,传统的机器学习,现今的深度学习通吃。Leaf

《MXnet:Flexible and Efficient library for deep learning》
介绍: GTC 2016视频,MXnet的手把手深度学习tutorial,相关参考资料MXNet Tutorial for NVidia GTC 2016.

《OpenAI Gym: Toolkit for developing, comparing reinforcement learning algorithms》
介绍: OpenAI Gym:开发、比较强化学习算法工具箱

《conference-iclr-2016 Papers and Code》
介绍: 机器学习会议ICLR 2016 论文的代码集合

《probabilistic graphical models principles and techniques》
介绍: 此书是斯坦福大学概率图模型大牛Daphne Koller所写,主要涉及的是贝叶斯网络和马尔科夫逻辑网络的learning和inference问题,同时又对PGM有深刻的理论解释,是学习概率图模型必看的书籍。难度中上,适合有一些ML基础的研究生.[备份地址](https://vk.com/doc168073_304660839?hash=39a33dd8aa6b141d8a&dl=b6674

《BigDL: Distributed Deep learning on Apache Spark》
介绍: Spark分布式深度学习库BigDL

《Machine Learning and Cyber Security Resources》
介绍: 这是一份关于机器学习和数据挖掘在网络安全方面应用的资源帖,包含了一些重要的站点,论文,书籍,斯坦福课程以及一些有用的教程.

《6.S094: Deep Learning for Self-Driving Cars》
介绍: 麻省理工学院(MIT)开设课程.S094:自主驾驶汽车的深度学习

《ICML 2016 Conference and Workshops Video》
介绍: ICML 2016视频集锦

《机器学习Machine-Learning》
介绍: 机器学习推荐学习路线及参考资料

《TensorFlow and deep learning, without a PhD》
介绍:新手入门,通过TensorFlow入门深度学习

《How To Get Into Natural Language Processing》
介绍: 自然语言处理(NLP)入门指南

《Deep learning and the Schrödinger equation》
介绍:通过神经网络跳过数值方法求解薛定谔方程。

《Recent Advances in Distributed Machine Learning》
介绍:微软亚洲研究院的刘铁岩等人近日在AAAI 2017上做的有关优化以及大规模机器学习的Tutorial。很值得一看。里面对传统的优化算法,特别是一些理论特性以及分布式算法的相应理论特性都有一个比较详尽的总结。非常适合想快速了解这些领域的学者和工程师。另外,这个Tutorial还介绍了DMTK的一些情况,作为一个分布式计算平台的优缺点,还顺带比较了Spark和TensorFlow等流行框架。

《Deep Learning Implementations and Frameworks (DLIF)》
介绍:AAAI 2017的Tutorial,专门讲述了深度学习框架的设计思想和实现,比较若干种流行框架(Caffe、MXNet、TensorFlow、Chainer等)的性能和异同。

《Open Sourcing TensorFlowOnSpark: Distributed Deep Learning on Big-Data Clusters》
介绍:雅虎开源基于spark与TensorFlow的分布式数据深度学习框架,博文介绍

《Deconstruction with Discrete Embeddings》
介绍:用离散嵌入解构模糊数据

《Reliable Machine Learning in the Wild - NIPS 2016 Workshop》
介绍:视频发布:自然场景可靠机器学习(NIPS 2016 Workshop)

《A large-scale dataset of manually annotated audio events》
介绍:Google发布大规模音频数据集

《5 algorithms to train a neural network》
介绍:训练神经网络的5种算法

《Course notes for CS224N Winter17》
介绍:笔记:斯坦福CS224n深度学习NLP课程(2017)

《Persontyle Workshop for Applied Deep Learning》
介绍:伦敦深度学习研讨会资料

《Understanding, generalisation, and transfer learning in deep neural networks》
介绍:论文导读:深度神经网络理解、泛化与迁移学习,acolyer blog上还有很多经典推荐可以阅读

《An Introduction to MCMC for Machine Learning》
介绍:面向机器学习的马尔科夫链蒙特卡洛(MCMC)

《Awesome Deep learning papers and other resources》
介绍:深度学习论文与资源大列表(论文、预训练模型、课程、图书、软件、应用、相关列表等)

《Datasets for Natural Language Processing》
介绍:自然语言处理NLP数据集列表

《Machine Learning for Software Engineers》
介绍:软件工程师的机器学习

《Quantitative Finance resources》
介绍:量化金融(Quants)资源列表

《What Computers Still Can't Do.》
介绍:《计算机仍然不能做什么——人工理性批判》MIT版导言

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

介绍:谷歌发论文详解TPU

转自 https://github.com/ty4z2008/Qix/blob/master/dl2.md

微信公众号: 极市平台(ID: extrememart )
每天推送最新CV干货

成为第一个点赞的人吧 :bowtie:
回复数量: 0
暂无回复~
您需要登陆以后才能留下评论!