【资源】机器学习资源积累(积累中...)

Andrew Moore,邓侃在CMU的老板,机器学习和数据挖掘专家,写了很多关于数据挖掘和机器学习的PPT和PDF文档,浅显易懂,推荐阅读

http://www.autonlab.org/tutorials/

Good Freely Available Textbooks on Machine

http://metaoptimize.com/qa/questions/186/good-freely-available-textbooks-on-machine-learning


Berkeley CS 281B Statistical Learning Theory Readings

http://www.cs.berkeley.edu/~bartlett/courses/281b-sp08/readings.html

第十届机器学习及其应用研讨会 MLA’2012 Slides

http://www.cnblogs.com/youth0826/archive/2012/11/13/2767800.html

Machine Learning Surveys - 以众包形式搜集整理了约 20 年来机器学习各个领域的综述和教程类文献,目前已经有 100 多篇,均可自由下载

http://www.mlsurveys.com/

北美+德国18名校的数据挖掘、数据分析、人工智能及机器学习课程资源汇总

http://www.datasciencecentral.com/profiles/blogs/berkeley-course-on-data-science

Deep Learning for NLP (without Magic) - ACL 2012 Tutorial - 相关视频及课件

http://52opencourse.com/301/deep-learning-for-nlp-without-magic-acl-2012-tutorial-%E7%9B%B8%E5%85%B3%E8%A7%86%E9%A2%91%E5%8F%8A%E8%AF%BE%E4%BB%B6

Deep Learning 在NLP中的应用,parser、part of speech

http://ml.nec-labs.com/senna/

RLSI(Regularized Latent Semantic Indexing) java code

https://code.google.com/p/rlsi-java-source/


这个赞。Stanford 教授 Andrew Ng 的 Deep Learning 教程,于今日,2013年4月8日,全部翻译成中文
http://deeplearning.stanford.edu/wiki/index.php/UFLDL%E6%95%99%E7%A8%8B

机器学习各个领域的survey

http://www.mlsurveys.com/

余凯和张潼老师的《机器学习Machine Learning》
http://wenku.baidu.com/course/view/49e8b8f67c1cfad6195fa705#39124-tsina-1-59209-7f31e6706fc679e86eccddbc982dcff7


kdd2013 论文下载

http://dl.acm.org/citation.cfm?id=2487575&picked=prox


Unsupervised Feature Learning and Deep Learning_Andrew Ng 视频课程

http://openclassroom.stanford.edu/MainFolder/CoursePage.php?course=ufldl

A Course in Machine Learning by Hal Daumé III 机器学习课程,有讲义,图都是手画的,简单易懂

http://ciml.info/


CMU机器学习系教授Andrew Moore在跳槽去当谷歌匹兹堡主管前,写了一系列统计数据挖掘教程:Statistical Data Mining Tutorials

http://www.autonlab.org/tutorials/



  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值