【深度學習Deep Learning】資料大全
介紹:使用卷積神經網路的影象縮放.
介紹:ICML2015 論文集,優化4個+稀疏優化1個；強化學習4個，深度學習3個+深度學習計算1個；貝葉斯非參、高斯過程和學習理論3個；還有計算廣告和社會選擇.ICML2015 Sessions.
介紹:使用卷積神經網路的影象縮放.
介紹:，第28屆IEEE計算機視覺與模式識別(CVPR)大會在美國波士頓舉行。微軟研究員們在大會上展示了比以往更快更準的計算機視覺影象分類新模型，並介紹瞭如何使用Kinect等感測器實現在動態或低光環境的快速大規模3D掃描技術.
介紹:(文字)機器學習視覺化分析工具.
介紹:機器學習工具包/庫的綜述/比較.
介紹:資料視覺化最佳實踐指南.
介紹:Day 1、Day 2、Day 3、Day 4、Day 5.
介紹:深度學習之“深”——DNN的隱喻分析.
介紹:混合密度網路.
介紹:資料科學家職位面試題.
介紹:準確評估模型預測誤差.
介紹:Continually updated Data Science Python Notebooks.
介紹:How to share data with a statistician.
介紹:來自Facebook的影象自動生成.
介紹:How to share data with a statistician.
介紹:(Google)神經(感知)會話模型.
介紹:The 50 Best Masters in Data Science.
介紹:NLP常用資訊資源.
介紹:語義影象分割的實況演示,通過深度學習技術和概率圖模型的語義影象分割.
介紹:Caffe模型/程式碼:面向影象語義分割的全卷積網路,模型程式碼.
介紹:深度學習——成長的煩惱.
介紹:基於三元樹方法的文字流聚類.
介紹:Free Ebook:資料探勘基礎及最新進展.
介紹:深度學習革命.
介紹:資料科學(實踐)權威指南.
介紹:37G的微軟學術圖譜資料集.
介紹:生產環境(產品級)機器學習的機遇與挑戰.
介紹:神經網路入門.
介紹:來自麻省理工的結構化稀疏論文.
介紹:來自雅虎的機器學習小組關於線上Boosting的論文 .
介紹:20個最熱門的開源(Python)機器學習專案.
介紹:C++並行貝葉斯推理統計庫QUESO,github code.
介紹:基於Scikit-Learn的預測分析服務框架Palladium.
介紹:John Langford和Hal Daume III在ICML2015上關於Learning to Search的教學講座幻燈片.
介紹:讀完這100篇論文 就能成大資料高手,國內翻譯.
介紹:NLP課程《社交媒體與文字分析》精選閱讀列表.
介紹:寫給開發者的機器學習指南.
介紹:基於維基百科的熱點新聞發現.
介紹:(Harvard)HIPS將釋出可擴充套件/自動調參貝葉斯推理神經網路.
介紹:面向上下文感知查詢建議的層次遞迴編解碼器.
介紹:GPU上基於Mean-for-Mode估計的高效LDA訓練.
介紹:從實驗室到工廠——構建機器學習生產架構.
介紹:適合做資料探勘的6個經典資料集(及另外100個列表).
介紹:Google面向機器視覺的深度學習.
介紹:構建預測類應用時如何選擇機器學習API.
介紹:Python+情感分析API實現故事情節(曲線)分析.
介紹:(R)基於Twitter/情感分析的口碑電影推薦,此外推薦分類演算法的實證比較分析.
介紹:CMU(ACL 2012)(500+頁)面向NLP基於圖的半監督學習演算法.
介紹:從貝葉斯分析NIPS，看同行評審的意義.
介紹:(RLDM 2015)計算強化學習入門.
介紹:David Silver的深度強化學習教程.
介紹:深度神經網路的可解釋性.
介紹:Spark快速入門.
介紹:TalkingMachines:面向體育/政治和實時預測的機器學習.
介紹:Stanford社交網路與資訊網路分析課程資料+課設+資料.
介紹:David Silver(DeeMind)的強化學習課程,slide.
介紹:基於Theano/GPU的高效深度學習.
介紹:來自微軟的.
介紹:(Go)情感分析API服務Sentiment Server.
介紹:受限波爾茲曼機初學者指南.
介紹:Nvidia深度學習課程.
介紹:2015年深度學習暑期課程，推薦講師主頁.
介紹:視訊標註中的機器學習技術.
介紹:博士論文:(Ilya Sutskever)RNN訓練.
介紹:深度神經網路的灰色區域：可解釋性問題，中文版.
介紹:Golang 實現的機器學習庫資源彙總.
介紹:深度學習的統計分析.
介紹:面向NLP的深度學習技術與技巧.
介紹:Kaggle's CrowdFlower競賽NLP程式碼集錦.
介紹:斯坦福的自然語言理解課程.
介紹:Deep Learning與Shallow Learning 介紹
介紹:這是一本機器學習的電子書,作者Max Welling先生在機器學習教學上面有著豐富的經驗,這本書小但精緻.
介紹:由荷蘭阿姆斯特丹大學 & 谷歌瑞士著.
介紹:介紹個樂於總結和翻譯機器學習和計算機視覺類資料的部落格,包含的內容：Hinton的CSC321課程的總結；Deep Learning綜述；Notes on CNN的總結；python的原理總結；Theano基礎知識和練習總結；CUDA原理和程式設計；OpenCV一些總結.
介紹:針對具體問題(應用場景)如何選擇機器學習演算法(系列).
介紹:資料科學免費書分類集合
介紹:深度學習在語音合成最新進展有哪些？推薦MSRA的Frank Soong老師關於語音合成的深度學習方法的錄影和幻燈片與以及谷歌的LSTM-RNN合成介紹,論文
介紹:新書(可免費下載):資料科學的藝術
介紹:模式識別與機器學習書籍推薦,本書是微軟劍橋研究院大神Bishop所寫，算是最為廣為認知的機器學習教材之一，內容覆蓋全面，難度中上，適合研究生中文版 or 備份
介紹:資料視覺化介紹(23頁袖珍小冊子)
介紹:這篇論文榮獲EMNLP2015的最佳資料/資源獎優秀獎,標註的推特資料集
介紹:作者在深度學習的思考.
介紹:資料視覺化常用工具軟體資源彙總
介紹:Buffalo大學教授Sargur Srihari的“機器學習和概率圖模型”的視訊課程
介紹:耶路撒冷希伯來大學教授Shai Shalev-Shwartz和滑鐵盧大學教授Shai Ben-David的新書Understanding Machine Learning: From Theory to Algorithms,此書寫的比較偏理論，適合對機器學習理論有興趣的同學選讀
介紹:機器學習學習清單
介紹:知乎上面的一篇關於NLP界有哪些神級人物？提問。首推Michael Collins
介紹:機器學習與NLP專家、MonkeyLearn聯合創始人&CEO Raúl Garreta面向初學者大體概括使用機器學習過程中的重要概念，應用程式和挑戰，旨在讓讀者能夠繼續探尋機器學習知識。
介紹:(IPN)基於Scikit-Learn的GBRT(Gradient Boost Regression Tree)教程，slide
介紹: 無需做深度學習就能用的分散式深度學習軟體.
介紹: 在亞馬遜資料和眾包Mechanical Turk上，實現了來自彩票和拍賣的機制，以收集使用者對產品的樂意購買價格（WTP，willingness-to-pay）訓練集。 E-commerce Recommendation with Personalized Promotion [Zhao,RecSys15] 迴歸模型預測未知WTP，提升賣家利潤和消費者滿意度
介紹:來自伯克利分校的大規模機器學習.
介紹:來自52ml的機器學習資料大彙總.
介紹:這本書的作者McKeown是2013年世界首個數據科學院（位於哥倫比亞大學）主任，她亦是ACL、AAAI和ACM Fellow .
介紹:EMNLP-15文字摘要若干.
介紹:來自Netflix的Xavier Amatriain在Summer School 2014 @ CMU上長達4小時的報告，共248頁，是對推薦系統發展的一次全面綜述，其中還包括Netflix在個性化推薦方面的一些經驗介紹.
介紹:Spark上的Keras深度學習框架Elephas.
介紹:Surya Ganguli深度學習統計物理學.
介紹:(系統/演算法/機器學習/深度學習/圖模型/優化/...)線上視訊課程列表.
介紹:(PyTexas 2015)Python主題建模.
介紹:Hadoop叢集上的大規模分散式機器學習.
介紹:基於LinkedIn資料得出的深度學習熱門"東家"排行.
介紹:(c++)神經網路手把手實現教程.
介紹:香港中文大學湯曉鷗教授實驗室公佈的大型人臉識別資料集： Large-scale CelebFaces Attributes (CelebA) Dataset 10K 名人，202K 臉部影象，每個影象40餘標註屬性.
介紹:谷歌研究院Samy Bengio等人最近寫的RNN的Scheduled Sampling訓練方法論文.
介紹:機器學習基本演算法簡要入門.
介紹:Github機器學習/數學/統計/視覺化/深度學習相關專案大列表.
介紹:CMU的資訊理論課程.
介紹:谷歌研究院Samy Bengio等人最近寫的RNN的Scheduled Sampling訓練方法論文.
介紹:基於Hadoop叢集的大規模分散式深度學習.
介紹:來自斯坦福大學及NVIDIA的工作，很實在很實用。採用裁剪網路連線及重訓練方法，可大幅度減少CNN模型引數。針對AlexNet、VGG等模型及ImageNet資料，不損失識別精度情況下，模型引數可大幅度減少9-13倍.
介紹:無需做深度學習就能用的分散式深度學習軟體,github.
介紹:當今世界最NB的25位大資料科學家,通過他們的名字然後放在google中搜索肯定能找到很多很棒的資源譯文.
介紹:Nils Reimers面向NLP的深度學習(Theano/Lasagne)系列教程.
介紹:資料科學(學習)資源列表.
介紹:應對非均衡資料集分類問題的八大策略.
介紹:重點推薦的20個數據科學相關課程.
介紹:遞迴神經網路.
介紹:(HOG)學習筆記.
介紹:計算建模/計算神經學課程彙總.
介紹:(Yelp)基於深度學習的商業圖片分類.
介紹:免費線上書《Neural Networks and Deep Learning》神經網路與深度學習。目前提供了前四章的草稿，第一章通過手寫數字識別的例子介紹NN，第二章講反向傳播演算法，第三章講反向傳播演算法的優化，第四章講NN為什麼能擬合任意函式。大量python程式碼例子和互動動畫，生動有趣.中文版
介紹:資料科學大咖薦書(入門).
介紹:NLP 深度學習資源列表.
介紹:很多arXiv上面知名論文可以在這個網站找到github的專案連結.
介紹:深度學習在視覺跟蹤的探索.
介紹:Spark機器學習入門例項——大資料集(30+g)二分類.
介紹:保羅艾倫人工智慧實驗室表示，Google Scholar是十年前的產物，他們現在想要做進一步的提高。於是推出了全新的，專門針對科學家設計的學術搜尋引擎Semantic Scholar.
介紹:Spark機器學習入門例項——大資料集(30+g)二分類.
介紹:為入門者準備的深度學習與神經網路免費資源.
介紹:三星開源的快速深度學習應用程式開發分散式平臺.
介紹:分散式機器學習工具包.
介紹:語義大資料——大資料/事件處理的語義方法.
介紹:LSTM(Long Short Term Memory)和RNN(Recurrent)學習教程.
介紹:Princeton Vision Group的深度學習庫開源.
介紹:(PyCon SE 2015)深度學習與深度資料科學.
介紹:推薦南京大學機器學習與資料探勘研究所所長——周志華教授的Google學術主頁.
介紹:免費書:面向資料科學的高階線性模型.
介紹:基於知識遷移的神經網路高效訓練Net2Net.
介紹:徐亦達機器學習課程 Variational Inference.
介紹:深度神經網路結構學習.
介紹:來自斯坦福大學的Multimodal Deep Learning papers.
介紹:深度學習簡析,TensorFlow,Torch,Theano,Mxnet.
介紹:這個專欄是一個stanford學生做的CS183c課程的一個note，該課程是由Reid Hoffman等網際網路boss級人物開設的，每節課請一位巨頭公司的相關負責人來做訪談，講述該公司是怎麼scale的。最新兩期分別請到了雅虎的梅姐和airbnb創始人Brian Chesky。.
介紹:基於分散式表示的自然語言理解(100+頁),論文.
介紹:推薦系統手冊.
介紹:理解LSTM網路翻譯.
介紹:機器學習在quora中的應用.
介紹:思維學習——RL+RNN演算法資訊理論.
介紹:資料科學家畢業後繼續學習的5種方式.
介紹:深度學習在神經網路的應用.
介紹:上下文學習,程式碼.
介紹:機器學習零基礎入門,程式碼.
介紹:2015年度CCF優秀博士學位論文獎論文列表.
介紹:Learning to Hash Paper, Code and Dataset.
介紹:(PyData2015)基於Theano/Lasagne的CNN/RNN教程,github.
介紹:復旦大學邱錫鵬老師編寫的神經網路與深度學習講義,ppt.
介紹:微軟亞洲研究院開源分散式機器學習工具包.
介紹:語音識別的技術原理淺析
介紹:邁克爾·I.喬丹的主頁.根據主頁可以找到很多資源。邁克爾·I.喬丹是知名的電腦科學和統計學學者，主要研究機器學習和人工智慧。他的重要貢獻包括指出了機器學習與統計學之間的聯絡，並推動機器學習界廣泛認識到貝葉斯網路的重要性。
介紹:傑弗裡·埃弗里斯特·辛頓 FRS是一位英國出生的計算機學家和心理學家，以其在神經網路方面的貢獻聞名。辛頓是反向傳播演算法和對比散度演算法的發明人之一，也是深度學習的積極推動者.通過他的主頁可以發掘到很多Paper以及優秀學生的paper,此外推薦他的學生Yann Lecun主頁
介紹:google大規模深度學習應用演進
介紹:MIT出版的深度學習電子書,公開電子書
介紹:深度卷積神經網路(CNN)提取特徵的數學理論
介紹:推薦微軟亞洲研究院何愷明主頁
介紹:《語音與語言處理》第三版(草稿)
介紹:Stanford新課"計算詞彙語義學"
介紹:上海交大張志華老師的統計機器學習與機器學習導論視訊連結:密碼: r9ak .概率基礎
介紹:一個推薦系統的Java庫
介紹:多中心圖的譜分解及其在網路入侵檢測中的應用(MC-GPCA&MC-GDL)
介紹:用Python學計算統計學
介紹:datumbox-framework——Java的開源機器學習框架，該框架重點是提供大量的機器學習演算法和統計檢驗，並能夠處理中小規模的資料集
介紹:遞迴神經網路awesome系列,涵蓋了書籍,專案,paper等
介紹:Pedro Domingos是華盛頓大學的教授,主要研究方向是機器學習與資料探勘.在2015年的ACM webinar會議,曾發表了關於盤點機器學習領域的五大流派主題演講.他的個人主頁擁有很多相關研究的paper以及他的教授課程.
介紹:機器學習視訊集錦
介紹:深度機器學習庫與框架
介紹:這篇文章內的推薦系統資源很豐富,作者很有心,摘錄了《推薦系統實戰》內引用的論文.
介紹:(天文學)貝葉斯方法/MCMC教程——統計實戰
介紹:免費書:統計稀疏學習,作者Trevor Hastie與Rob Tibshirani都是斯坦福大學的教授,Trevor Hastie更是在統計學學習上建樹很多
介紹:Nervana Systems在Startup.ML的主題研討會——情感分析與深度強化學習
介紹:深度學習卷積概念詳解.
介紹:Python推薦系統開發庫彙總.
介紹:超棒的神經網路課程，深入淺出介紹深度學習，由Hugo Larochelle（Yoshua Bengio的博士生，Geoffrey Hinton之前的博士後）主講，強烈推薦.
介紹:斯坦福新課程,面向視覺識別的卷積神經網路(Fei-Fei Li & Andrej Karpathy),slides+video,homework.
介紹:NIPS 2015會議總結第一部分,第二部分.
介紹:python機器學習入門資料梳理.
介紹:牛津大學著名視覺幾何組VGG在IJCV16年首卷首期: Reading Text in the Wild with Convolutional Neural Networks,Jaderberg。這篇期刊文章融合了之前兩篇會議(ECCV14,NIPS14ws)，定位和識別圖片中的文字(叫text spotting)。 端到端系統: 檢測Region + 識別CNN。論文、資料和程式碼.
介紹:計算機視覺的一個較大的資料集索引, 包含387個標籤，共收錄了314個數據集合，點選標籤雲就可以找到自己需要的庫了.
介紹:Tombone 對 ICCV SLAM workshop 的總結： the future of SLAM, SLAM vs deep learning 重點介紹了 monoSLAM 和 LSD-SLAM，而且討論了 feature-based 和 feature-free method 的長短。在全民deep learning做visual perception的時候，再來讀讀CV中的 geometry.
介紹:Nervana Systems的開源深度學習框架neon釋出.
介紹:ICCV 2015的ImageNet比賽以及MS COCO競賽聯合研討會的幻燈片和視訊.
介紹:Python機器學習入門.
介紹:Neural Enquirer 第二版.
介紹:[Google]基於TensorFlow的深度學習/機器學習課程.
介紹:R-bloggers網站2015"必讀"的100篇文章,R語言學習的福音.
介紹:這是一本線上的深度學習書籍,合著者有Ian Goodfellow, Yoshua Bengio 和 Aaron Courville.如果你是一位新入門的學員可以先看這本書籍Yoshua Bengio: How can one get started with machine learning?
介紹:UFLDL推薦的深度學習閱讀列表.
介紹:紐約州立大學布法羅分校2015年春季機器學習課程主頁.
介紹: Theano是主流的深度學習Python庫之一，亦支援GPU,入門比較難.推薦Theano tutorial,Document
介紹:博士論文:神經網路統計語言模型.
介紹:用RNN預測畫素，可以把被遮擋的圖片補充完整.
介紹: 卡爾曼濾波器教材，用盡量少的數學和推導，傳授直覺和經驗，全部Python示例，內容覆蓋卡爾曼濾波器、擴充套件卡爾曼濾波，無跡卡爾曼濾波等，包括練習和參考答案
介紹:線上免費書:面向資料科學的統計推斷，R示例程式碼，很不錯GitHub.
介紹:這本書是由Yoshua Bengio撰寫的教程,其內容包含了學習人工智慧所使用的深度學習架構的學習資源,書中的專案已停止更新DeepLearnToolbox.
介紹:這是一份機器學習和深度學習教程，文章和資源的清單。這張清單根據各個主題進行撰寫，包括了許多與深度學習有關的類別、計算機視覺、加強學習以及各種架構.
介紹:這是由Donne Martin策劃收集的IPython筆記本。話題涵蓋大資料、Hadoop、scikit-learn和科學Python堆疊以及很多其他方面的內容。至於深度學習，像是TensorFlow、Theano和Caffe之類的框架也均被涵蓋其中，當然還有相關的特定構架和概念等.
介紹:開源的深度學習服務,DeepDetect是C++實現的基於外部機器學習/深度學習庫（目前是Caffe）的API。給出了圖片訓練（ILSVRC）和文字訓練（基於字的情感分析，NIPS15）的樣例，以及根據圖片標籤索引到ElasticSearch中github.
介紹:這是國外的一個科技頻道,涵蓋了資料探勘,分析以及資料科學類的文章.偶爾還有機器學習精選.
介紹:經典論文:資料探勘與統計學.
介紹:NIPS’2015 Tutorial by Yoshua Bengio.
介紹:Nervana Systems的開源深度學習框架neon釋出.
介紹:猶他州大學Matt Might教授推薦的研究生閱讀清單.
介紹:開放資料集.
介紹:(edX)不確定性的科學——概率論導論(MITx).
介紹:R語言開發常用軟體/工具推薦.
介紹:動態記憶網路實現.
介紹:英文主頁
介紹:50個大資料分析最佳學習資源(課程、部落格、教程等)
介紹:深度學習的全面硬體指南，從GPU到RAM、CPU、SSD、PCIe,譯文
介紹:kaiming開源作品
介紹:自然語言處理(NLP)權威指南
介紹:如何在社會媒體上做語言檢測？沒有資料怎麼辦？推特官方公佈了一個十分難得的資料集：12萬標註過的Tweets，有70種語言
介紹:深度學習和機器學習重要會議ICLR 2016錄取文章
介紹:機器學習——深度非技術指南
介紹:資料敘事入門指南——創意生成/資料採集/內容設計相關資源推薦
介紹:WikiTableQuestions——複雜真實問答資料集
介紹:(2016版)35個超棒的免費大資料來源
介紹:Ion Stoica和 Michael I. Jordan兩位大家首次聯手發文，CAFFE和SPARK完美結合，分散式深度學習混搭模式！github
介紹:深度學習(分類)文獻集
介紹:深度學習閱讀列表
介紹:探索R包的好網站Awesome 42
介紹:MLbase是Prof. Dr. Tim Kraska的一個研究專案，MLbase是一個分散式機器學習管理系統
介紹:分散式深度學習平臺SINGA介紹
介紹:Spark視訊集錦
介紹:R語言深度學習第一節:從零開始
介紹:圖解機器學習
介紹:AMiner論文引用資料集(v7:2,244,021 papers and 4,354,534 citation relationships)
介紹:10本最佳機器學習免費書
介紹:ICCV15視訊集
介紹::(Yahoo)基於Hadoop/Spark的分散式Caffe實現CaffeOnSpark
介紹:Learning to Rank簡介
介紹:全球深度學習專家列表,涵蓋研究者主頁
介紹:Nando de Freitas在 Oxford 開設的深度學習課程,課程youtube地址,Google DeepMind的研究科學家,此外首頁:computervisiontalks的內容也很豐富,如果你是做機器視覺方面的研究,推薦也看看其他內容.肯定收穫也不小.還有,這位youtube主頁頂過的視訊也很有份量
介紹:Geoffrey Hinton在Coursera開設的MOOC
介紹:深度學習領域的Hacker news.緊跟深度學習的新聞、研究進展和相關的創業專案。從事機器學習,深度學習領域的朋友建議每天看一看
介紹:Maxout網路剖析
介紹:NIPS領域的會議paper集錦
介紹:機器學習在生物工程領域的應用,如果你從事生物工程領域,可以先閱讀一篇文章詳細介紹
介紹:深度學習在生物資訊學領域的應用
介紹:一些關於機器學習需要知道知識,對於剛剛入門機器學習的同學應該讀一讀
介紹:劍橋大學機器學習使用者組主頁,網羅了劍橋大學一些機器學習領域專家與新聞
介紹:Randy Olson's的一些資料分析與機器學習專案庫,是學習實踐的好材料
介紹:Golang機器學習庫,簡單,易擴充套件
介紹:用Swift開發蘋果應用的倒是很多，而用來做機器學習的就比較少了.Swift Ai在這方面做了很多聚集.可以看看
介紹:如何向一位5歲的小朋友解釋支援向量機(SVM)
介紹: reddit的機器學習欄目
介紹: 計算機視覺領域的一些牛人部落格，超有實力的研究機構等的網站連結.做計算機視覺方向的朋友建議多關注裡面的資源
介紹:香港中文大學深度學習研究主頁,此外研究小組對2013年deep learning 的最新進展和相關論文做了整理,其中useful links的內容很受益
介紹: 這是一篇關於搜尋引擎的博士論文,對現在普遍使用的搜尋引擎google，bing等做了分析.對於做搜尋類產品的很有技術參考價值
介紹: 深度學習書籍推薦(畢竟這類書比較少).
介紹: 深度學習書籍推薦(畢竟這類書比較少).
介紹: 貝葉斯定理在深度學習方面的研究論文.
介紹: 來自谷歌大腦的重溫分散式梯度下降.同時推薦大規模分散式深度網路
介紹: 社交計算研究相關問題綜述.
介紹: 社交計算應用領域概覽,裡面有些經典論文推薦
介紹: 協同過濾在推薦系統應用.
介紹: 協同過濾在內容推薦的研究.
介紹: 協同過濾經典論文.
介紹: 協同過濾演算法.
介紹: 亞馬遜對於協同過濾演算法應用.
介紹: 協同過濾的隱式反饋資料集處理.
介紹: 計算機圖形，幾何等論文，教程，程式碼.做計算機圖形的推薦收藏.
介紹: 推薦哥倫比亞大學課程，稀疏表示和高維幾何.12年由Elsevier、13年至今由PAMI(仍由Elsevier贊助)設立的青年研究者獎(Young Researcher Award)授予完成博士學位後七年內取得傑出貢獻的；由CV社群提名，在CVPR會議上宣佈。2015年得主是哥大助理教授John Wright，09年《健壯人臉識別的稀疏表示法》引用已超5K.
介紹: CMU機器學習系著名教授Alex Smola在Quora對於《程式設計師如何學習Machine Learning》的建議：Alex推薦了不少關於線性代數、優化、系統、和統計領域的經典教材和資料.
介紹: 書籍推薦,深度學習基礎.原始碼
介紹: 軟體工程領域現在也對機器學習和自然語言處理很感興趣，有人推出了“大程式碼”的概念，分享了不少程式碼集合，並且覺得ML可以用在預測程式碼Bug，預測軟體行為，自動寫新程式碼等任務上。大程式碼資料集下載
介紹: 深度學習進行目標識別的資源列表：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
介紹: Yann LeCun 2016深度學習課程的幻燈片（Deep Learning Course by Yann LeCun at Collège de France 2016）百度雲密碼: cwsm 原地址
介紹: 斯坦福人機互動組五篇CHI16文章。1.眾包激勵機制的行為經濟學研究：批量結算比單任務的完成率高。2.在眾包專家和新手間建立聯絡：微實習。3.詞嵌入結合眾包驗證的詞彙主題分類（如貓、狗屬於寵物）。4.詞嵌入結合目標識別的活動預測。5.鼓勵出錯以加快眾包速度。
介紹: 自學資料科學
介紹: Leaf是一款機器學習的開源框架，專為黑客打造，而非為科學家而作。它用Rust開發，傳統的機器學習，現今的深度學習通吃。Leaf
介紹: OpenAI Gym：開發、比較強化學習演算法工具箱
介紹: 機器學習會議ICLR 2016 論文的程式碼集合
介紹: 此書是斯坦福大學概率圖模型大牛Daphne Koller所寫，主要涉及的是貝葉斯網路和馬爾科夫邏輯網路的learning和inference問題，同時又對PGM有深刻的理論解釋，是學習概率圖模型必看的書籍。難度中上，適合有一些ML基礎的研究生.備份地址
介紹: 此書是劍橋大學著名資訊理論專家David MacKay所寫，出發角度與很多機器學習的書籍都不一樣，inference和MCMC那章寫的最好，難度中。適合研究生和本科生。
介紹: 非常好的Convex Optimization教材，覆蓋了各種constrained和unconstrained optimization方法，介紹了convex優化的基本概念和理論。難度中，適合對優化和機器學習有一定基礎的人群
介紹: 本書是CMU機器學習系主任Mitchell早年寫的機器學習教科書，年代有點久遠.難度不高。適合初學者，本科生，研究生
介紹: 斯坦福統計系三位大神的統計學習教科書，偏統計和學習理論，需要對線性代數、統計和概率論有一定基礎、難度高、適合研究生
介紹: 本書是著名機器學習工具Weka作者撰寫的應用機器學習指導書、非常實用、難度低、適合文科和各種應用科學做參考
介紹: 本書也是一本比較受歡迎的NLP教科書，難度一般，主要覆蓋統計NLP方法，是斯坦福的另一位大牛Chirs manning所寫
介紹: 在北美NLP最常用的教材，斯坦福Jurafsky所寫的自然語言處理入門教程，覆蓋面較為全面，難度中低。適合本科生和研究生
介紹: 實戰型教程，著名工具NLTK作者的著作，適合本科生和入門者邊動手邊學