介绍:2014 ImageNet 冠军 GoogLeNet 深度学习模型的 Caffe 复现模型,GoogleNet 论文.
《LambdaNet，Haskell 实现的开源人工神经网络库 》
介绍:LambdaNetLambdaNet 是由 Haskell 实现的一个开源的人工神经网络库，它抽象了网络创建、训练并使用了高阶函数。该库还提供了一组预定义函数，用户可以采取多种方式组合这些函数来操作现实世界数据。
介绍:如果你从事互联网搜索，在线广告，用户行为分析，图像识别，自然语言理解，或者生物信息学，智能机器人，金融预测，那么这门核心课程你必须深入了解。
介绍:"人工智能研究分许多流派。其中之一以 IBM 为代表，认为只要有高性能计算就可得到智能，他们的‘深蓝’击败了世界象棋冠军；另一流派认为智能来自动物本能；还有个很强的流派认为只要找来专家，把他们的思维用逻辑一条条写下，放到计算机里就行……" 杨强在 TEDxNanjing 谈智能的起源
《深度 RNN/LSTM 用于结构化学习 0) 序列标注 Connectionist Temporal ClassificationICML06》
介绍:1) 机器翻译 Sequence to Sequence NIPS14 2) 成分句法 GRAMMAR AS FOREIGN LANGUAGE
介绍:网易有道的三位工程师写的 word2vec 的解析文档，从基本的词向量/统计语言模型->NNLM->Log-Linear/Log-Bilinear->层次化 Log-Bilinear，到 CBOW 和 Skip-gram 模型，再到 word2vec 的各种 tricks，公式推导与代码，基本上是网上关于 word2vec 资料的大合集，对 word2vec 感兴趣的朋友可以看看
《Machine learning open source software》
介绍:机器学习开源软件，收录了各种机器学习的各种编程语言学术与商业的开源软件．与此类似的还有很多例如:DMOZ - Computers: Artificial Intelligence: Machine Learning: Software, LIBSVM -- A Library for Support Vector Machines, Weka 3: Data Mining Software in Java, scikit-learn:Machine Learning in Python, Natural Language Toolkit:NLTK, MAchine Learning for LanguagE Toolkit, Data Mining - Fruitful and Fun, Open Source Computer Vision Library
介绍:作者是计算机研二(写文章的时候，现在是 2015 年了应该快要毕业了)，专业方向自然语言处理．这是一点他的经验之谈．对于入门的朋友或许会有帮助
《A Tour of Machine Learning Algorithms》
介绍:这是一篇关于机器学习算法分类的文章，非常好
介绍:机器学习日报里面推荐很多内容，在这里有一部分的优秀内容就是来自机器学习日报．
《 Image classification with deep learning 常用模型》
介绍:这是一篇关于图像分类在深度学习中的文章
介绍:作者与 Bengio 的兄弟 Samy 09 年合编《自动语音识别：核方法》 3）李开复 1989 年《自动语音识别》专著，其博导、94 年图灵奖得主 Raj Reddy 作序
介绍: 作者是 360 电商技术组成员，这是一篇 NLP 在中文分词中的应用
《Using convolutional neural nets to detect facial keypoints tutorial》
介绍: 使用 deep learning 的人脸关键点检测，此外还有一篇 AWS 部署教程
《书籍推荐:Advanced Structured Prediction》
介绍: 由 Sebastian Nowozin 等人编纂 MIT 出版的新书《Advanced Structured Prediction》http://t.cn/RZxipKG ，汇集了结构化预测领域诸多牛文，涉及 CV、NLP 等领域，值得一读。网上公开的几章草稿:一,二,三,四,五
《An Introduction to Matrix Concentration Inequalities》
介绍: Tropp 把数学家用高深装逼的数学语言写的矩阵概率不等式用初等的方法写出来，是非常好的手册，领域内的 paper 各种证明都在用里面的结果。虽说是初等的，但还是非常的难
《The free big data sources you should know》
介绍: 不容错过的免费大数据集，有些已经是耳熟能详，有些可能还是第一次听说，内容跨越文本、数据、多媒体等，让他们伴你开始数据科学之旅吧，具体包括：Data.gov、US Census Bureau、European Union Open Data Portal、Data.gov.uk 等
《A Brief Overview of Deep Learning》
介绍: 谷歌科学家、Hinton 亲传弟子 Ilya Sutskever 的深度学习综述及实际建议
《A Deep Dive into Recurrent Neural Nets》
介绍: 非常好的讨论递归神经网络的文章，覆盖了 RNN 的概念、原理、训练及优化等各个方面内容，强烈推荐！本文作者 Nikhil Buduma 还有一篇 Deep Learning in a Nutshell 值得推荐
介绍:里面融合了很多的资源，例如竞赛，在线课程，demo，数据整合等。有分类
《Statistical foundations of machine learning》
介绍:《机器学习的统计基础》在线版，该手册希望在理论与实践之间找到平衡点，各主要内容都伴有实际例子及数据，书中的例子程序都是用R语言编写的。
《A Deep Learning Tutorial: From Perceptrons to Deep Networks》
介绍:IVAN VASILEV 写的深度学习导引：从浅层感知机到深度网络。高可读
《Research priorities for robust and beneficial artificial intelligence》
介绍:鲁棒及有益的人工智能优先研究计划：一封公开信，目前已经有 Stuart Russell, Tom Dietterich, Eric Horvitz， Yann LeCun, Peter Norvig, Tom Mitchell, Geoffrey Hinton, Elon Musk 等人签署 The Future of Life Institute (FLI).这封信的背景是最近霍金和 Elon Musk 提醒人们注意 AI 的潜在威胁。公开信的内容是 AI 科学家们站在造福社会的角度，展望人工智能的未来发展方向，提出开发 AI 系统的 Verification，Validity， Security， Control 四点要求，以及需要注意的社会问题。毕竟当前 AI 在经济领域，法律，以及道德领域相关研究较少。其实还有一部美剧《疑犯追踪》,介绍了 AI 的演进从一开始的自我学习，过滤，图像识别，语音识别等判断危险，到第四季的时候出现了机器通过学习成长之后想控制世界的状态。说到这里推荐收看。
介绍:里面根据词条提供了许多资源，还有相关知识结构，路线图，用时长短等。号称是”机器学习“搜索引擎
《FAIR open sources deep-learning modules for Torch》
介绍:Facebook 人工智能研究院（FAIR）开源了一系列软件库，以帮助开发者建立更大、更快的深度学习模型。开放的软件库在 Facebook 被称作模块。用它们替代机器学习领域常用的开发环境 Torch 中的默认模块，可以在更短的时间内训练更大规模的神经网络模型。
介绍:本文虽然是写于 2012 年，但是这篇文章完全是作者的经验之作。
介绍:本文是对《机器学习实战》作者 Peter Harrington 做的一个访谈。包含了书中部分的疑问解答和一点个人学习建议
《Deep learning from the bottom up》
介绍:非常好的深度学习概述，对几种流行的深度学习模型都进行了介绍和讨论
《Hands-On Data Science with R Text Mining》
介绍:主要是讲述了利用R语言进行数据挖掘
介绍:帮你理解卷积神经网络，讲解很清晰，此外还有两篇 Conv Nets: A Modular Perspective，Groups & Group Convolutions. 作者的其他的关于神经网络文章也很棒
《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 崛起的论文
《Learning Deep Architectures for AI》
介绍:一本学习人工智能的书籍，作者是 Yoshua Bengio，相关国内报道
介绍:Geoffrey Hinton 是 Deep Learning 的大牛，他的主页放了一些介绍性文章和课件值得学习
《PROBABILITY THEORY: THE LOGIC OF SCIENCE》
介绍:概率论：数理逻辑书籍
介绍:一个用来快速的统计，机器学习并且对于数据量大的数学库
介绍:在这里你可以看到最近深度学习有什么新动向。
《Introduction to Information Retrieval》
介绍:此书在信息检索领域家喻户晓， 除提供该书的免费电子版外，还提供一个 IR 资源列表 ，收录了信息检索、网络信息检索、搜索引擎实现等方面相关的图书、研究中心、相关课程、子领域、会议、期刊等等，堪称全集，值得收藏
2万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
