Transfer Learning with Convolutional Neural Networks in PyTorch
PyTorch中用卷积神经网络进行迁移学习,Transfer Learning with Convolutional Neural Networks in PyTorch。
自监督学习的范式变迁
自监督学习的范式变迁,The Paradigm Shift of Self-Supervised Learning,by Carlos E.perez。
Keras vs Pytorch for Deep Learning
深度学习比较:Keras vs Pytorch for Deep Learning。
学习使用Tensorflow 2.0进行图像分类
学习使用Tensorflow 2.0进行图像分类, Beginner Image Classification Walkthrough With Tensorflow 2.0.
GANs必读论文推荐
GANs必读论文推荐,Must-Read Papers on GANs – Towards Data Science.
自然梯度优化详解
自然梯度优化详解,It’s Only Natural_ An Excessively Deep Dive Into Natural Gradient Optimization.
通俗理解卷积网路
通俗理解卷积神经网路,Convolutional Neural Networks — Simplified – x8 — The AI Community.
用python调用H2O.ai实现机器学习建模和AutoML
用python调用H2O.ai实现机器学习建模和AutoML, Artificial Intelligence Made Easy with H2O.ai – Towards Data Science.
如何在python中用HDFS文件系统实现高效存储
如何在python中用HDFS文件系统实现高效存储,A File System for Supercomputing and Lay-Programming。
机器学习之特征工程,Feature_Engineering_for_Machine_Learning (英文原文+中文翻译)
Feature_Engineering_for_Machine_Learning (英文原文+中文翻译),机器学习之特征工程,特征工程对于应用机器学习来说是基础的,但是使用域知识来加强你的预测模型既困难成本又高。为了弥补特征工程现有资料的不足,本书为初中级数据科学家讲解如何处理这项广泛应用却鲜见讨论的技术。作者Alic Zheng会讲解常用的练习和数学原理,以帮助工程师分析新数据和任务的特征。
数据结构与算法必知必会50个代码-algo
数据结构与算法必知必会50个代码实现-algo,实现语言包括C,C++,JAVA,PYTHON等。
特征提取漫游指南:Kaggle和日常工作的一些技巧和代码
The Hitchhikers Guide to Feature Extraction,特征提取漫游指南:Kaggle和日常工作的一些技巧和代码。
深度学习入门之PyTorch(带书签和笔记)
《深度学习入门之PyTorch》从机器学习和深度学习的基础理论入手,从零开始学习 PyTorch,了解 PyTorch 基础,以及如何用 PyTorch 框架搭建模型,理论与代码结合。附GitHub代码地址:https://github.com/Sychenrick/pytorch-learning
无监督学习模式检测
Detecting Patterns with Unsupervised Learning ,无监督学习模式检测,by Dammnn。
Apache Beam/DataFlow流数据处理实战,by Daniel Foley
Apache Beam/DataFlow流数据处理实战,Let's Build a Streaming Data Pipeline ,by Daniel Foley。
手把手:看例子理解pytorch, by Daniel Godoy。
手把手:看例子理解pytorch, Understanding PyTorch with an example_ a step-by-step tutorial,by Daniel Godoy。
Python一行代码创建风格动画图表
一行代码创建风格动画图表,Python’s One Liner graph creation library with animations Hans Rosling Style。
深入GANs , by Matthew Stewart
深入GANs , Advanced Topics in GANs,by Matthew Stewart。
图灵学习与GANs,by Matthew Stewart
图灵学习与GANs,Introduction to Turing Learning and GANs ,by Matthew Stewart。
自然语言处理之事件抽取
自然语言处理之事件抽取,Natural Language Processing — Event Extraction, by Rodrigo Nader。
推荐相关最新论文集-WWW2020
机器学习推荐算法领域,顶会WWW2020推荐系统相关最新论文集,共计33篇论文,具有极大的参考价值。
程序员面试宝典-阿里
程序员面试宝典,算法题解合集,阿里面试参考资料,分别从算法思想(排序、贪心、DP等)、数据结构(图、搜索、树等)、计算三个方面进行面试模拟题讲解,分享给需要的朋友。
阿里文娱智能算法最新技术文档
从实践出发,将阿里文娱团队的经验、思考沉淀其中,汇聚成一幅文娱技术的全景图。包括了计算机视觉、搜索算法、推荐算法、增长与营销算法等内容,很强势的技术文档资料,值得参考学习。
美团点评技术-2019.rar
美团点评技术资料干货分享-2019年,包含了算法、大数据、学术发表、后台、前端等,从业务实践角度进行技术探索,值得学习参考。
高德地图核心技术-2019
380页高德地图核心技术,介绍了高德在高精地图地面标识识别上的技术演进,这些技术手段在不同时期服务了高精地图产线需求,为高德地图构建高精度地图提供了基础的技术保证。包含了人工智能篇、前端&移动篇、汽车工程篇、架构篇、数据篇、质量篇,比较强悍的技术资料分享。
NLP Year in Review — 2019 - dair.ai - Medium
NLP Year in Review ,2019年NLP亮点回顾,by Elvis,介绍了一些实际应用,比较全的NLP英文总结资料,值得参考学习。
Reinforcement Learning 101 - Towards Data Science
Reinforcement Learning 101 - Towards Data Science,强化学习轻松入门,by Shweta Bhatt。
Getting Started With MachineLearning (all in one)_V0.94
Getting Started With MachineLearning (all in one)_V0.94,by Jim Liang,分为3部分进行介绍,包括Part 1: The Fundamental concept,Part 2: Well-known algorithms,Part 3: Other topics。有趣的机器学习图解英文学习手册,分享给需要的朋友。
Making Python Programs Blazingly Fast - Towards Data Science
Making Python Programs Blazingly Fast - Towards Data Science,Python代码加速指南,by Martin Heinz。
推荐系统系列合集-2019
推荐系统系列合集-2019,by 石晓文,很优秀的原创博客,推荐系统遇上深度学习系列(一)至(五十),推荐系统相关最新知识总结分享,值得参考学习。
A Distilled List of AI Trends For 2020 - Towards Data Science
A Distilled List of AI Trends For 2020 - Towards Data Science,2020年AI趋势摘要:可嵌入、可迁移、可评价,by Roberto。
Top 4 Numpy Functions You Don’t Know About (Probably)
Top 4 Numpy Functions You Don’t Know About (Probably),Numpy少用但好用的四个函数:where()、argmin()/argmax()/argsort(),intersect1d(),allclose(),by Dario。
Violin Plot — It’s Time to Ditch the Box Plots - Towards Data Science
Violin Plot — It’s Time to Ditch the Box Plots - Towards Data Science,小提琴图可视化:是时候抛弃箱线图了,by Dario 。
The Facebook Data Scientist Interview - Towards Data Science
The Facebook Data Scientist Interview - Towards Data Science,Facebook数据科学家面试揭秘,by Jay Feng。
Reinforcement Learning_ Past, Present, and Future Perspectives
Reinforcement Learning_ Past, Present, and Future Perspectives,强化学习:过去、现在和未来(NeurIPS 2019),by Katja Hofmann,非常全面的强化学习总结英文资料,值得学习参考。
12 Deep Learning Interview questions you should not be missed
12 Deep Learning Interview questions you should not be missed,深度学习的12个面试问题,分为Part I, Part II, Part III ,by JP Tech。
A list of beginner-friendly NLP projects—using pre-trained models
A list of beginner-friendly NLP projects—using pre-trained models,用预训练模型零基础体会最先进NLP技术,by Caleb Kaiser。
Software Developers_ You’re Learning Machine Learning Upside Down
Software Developers_ You’re Learning Machine Learning Upside Down,软件开发者:你的机器学习可能学“倒”了——对开发者来说,知道“何时用”可能比“怎么用”更重要,by Dale Markowitz,英文文档。
图论与图学习
图论与图学习:Part 1 ,Introduction to Graphs;Part 2, Graph Algorithms。
Python专业技巧: Start using Python defaultdict and Counter in place of dictionary
Python专业技巧:Start using Python defaultdict and Counter in place of dictionary,使用defaultdict and Counter代替字典。