iclr_2019.pdf
Cynthia Dwork：算法公平性的进展
Leon Bottou：Learning Representations Using Causal Invariance
Emily Shuckburgh：机器学习能否有助于地球健康的检查
Ian Goodfellow：对抗机器学习
Pierre-Yves Oudeyer：发展自主学习：人工智能，认知科学和教育技术
Zeynep Tufekci：虽然我们都担心机器学习的失败，但如果它成功了，潜伏着什么危险？
Mirella Lapata：用神经模型学习自然语言界面
Noah Goodman：在上下文中学习语言
40页 PPT，BMM夏令营《强化学习简明教程》下载
BMM （Brains, Minds, and Machines Summer Course）是一美国国家科学基金会资助的一个科学技术中心，致力于AI相关的跨学科研究。这是一个多机构合作的项目，总部设在麻省理工学院麦戈文大脑研究所(McGovern Institute for Brain Research at MIT)，管理合伙人在哈佛大学(Harvard University)。
BMM 在2018夏令营，用到的《强化学习简明教程》
246页《统计机器学习与凸优化》教程PPT下载
统计机器学习（Statistical Machine Learning）是关于计算机基于数据构建概率统计模型并运用模型对数据进行预测与分析的一门学科。凸优化（convex optimization）是指一种比较特殊的优化，是指求取最小值的目标函数为凸函数的一类优化问题。两者都是现代机器学习研究和实践的重要理论基础。今天给大家带来的是由INRIA的Francis Bach主讲的246页《统计机器学习与凸优化》教程。
教程大纲：
介绍（Introduction）
凸优化的经典方法（Classical methods for convex optimization）
非光滑随机近似（Non-smooth stochastic approximation）
平滑的随机近似算法（Smooth stochastic approximation algorithms）
有限数据集（Finite data sets）
微软剑桥研究院153页最新GAN教程（附代码）
ebastian Nowozin是微软剑桥研究院首席研究院，专注于无监督于表示学习。他在GAN领域做了大量的工作，同时也是著名的f-GAN的作者。
在训练 GAN 方面似乎有两三个阵营：第一个当然就是GAN的发明Ian Goodfellow以及他所供职的OpenAI和谷歌的一帮研究人员；第二个强大的阵营也就是以这篇教程作者Sebastian Nowozin 为代表的微软阵营；第三就是其他了。
此次教程主要有以下几个部分：
概率模型
GANs的几个示范应用
评价原则
GAN 模型
差异性与f-GAN 家族
基于积分概率度量(IPM)的GAN: MMD
基于积分概率度量(IPM)的GAN: Wasserstein GANs
问题与如何修正：模式崩溃(modecollapse)与不稳定性（Instability）
隐式模型
开放性研究问题
中国中文信息学会发布《2018知识图谱发展报告》
中国中文信息学会发布《2018知识图谱发展报告》报告目录如下（文末附下载链接）
第一章 知识表示与建模
第二章 知识表示学习
第三章 实体识别与链接
第四章 实体关系学习
第五章 事件知识学习
第六章 知识存储与查询
第七章 知识推理
第八章 通用和领域知识图谱
第九章 语义集成
第十章 语义搜索
第十一章 基于知识的问答
美团大脑: 知识图谱的建模方法及其应用
美团大脑:知识图谱的建模方法及其应用，美团AI平台部NLP中心负责人大众点评搜索智能中心负责人，。美团点评AI平台部NLP（自然语言处理）中心于2018年2月正式成立
• 愿景：用人工智能帮大家吃得更好，生活更好
• NLP (Natural Language Processing) ：语言是人类智慧的结晶，自然语言处理是人工智能中最为困难的问题之
一，其核心是让机器像人类一样理解和使用语言
清华-中国工程院知识智能联合实验室AMiner发布的《2018自然语言处理研究报告》
自然语言处理是人工智能的一个重要应用领域， 也是新一代计算机必须研究的课题。它
的主要目的是克服人机对话中的各种限制，使用户能用自己的语言与计算机对话。本研究报
告对自然语言进行了简单梳理，包括以下内容：
自然语言处理概念。 首先对自然语言处理进行定义，接着对自然语言的发展历程进行了
梳理，对我国自然语言处理现状进行了简单介绍，对自然语言处理业界情况进行介绍。
自然语言处理研究情况。 依据 2016 年中文信息学会发布的中文信息处理发展报告对自
然语言处理研究中的重要技术进行介绍。
自然语言处理领域专家介绍。 利用 AMiner 大数据对自然语言处理领域专家进行深入挖
掘，对国内外自然语言处理知名实验室及其主要负责人进行介绍。
自然语言处理的应用及趋势预测。 自然语言处理在现实生活中应用广泛，目前的应用集
中在语言学、数据处理、认知科学以及语言工程等领域，在介绍相关应用的基础上，对机器
翻译未来的发展趋势做出了相应的预测
AI 顶级国际会议 IJCAI 斯坦福大学PH.D Aditya Grover报告深度生成模型Deep Generative Model
生成模型是图模型与概率编程语言中概率推理的核心范例，最近由于神经网络在参数化方面的改进、以及基于梯度随机优化方面的进展，使得可以对高维数据进行跨模态建模。
本教程的前半部分，将全面介绍深度生成模型，包括生成对抗网络、变分自编码器以及自回归模型。对于每一个模型，我们都将深入探讨各自的概率公式、学习算法、以及与其他模型的关系。后半部分将演示一组具有代表性的推理任务，展示深度生成网络在其中的应用。最后，我们将讨论堂前领域面临的挑战，并展望未来的研究方向。
目录
第一部分：
生成模型的动机，以及与判别模型的对比
生成模型的定义、特征、估计密度、模拟数据、学习表示
传统生成模型方法，以及深度网络在参数化方面的作用
基于学习算法的生成模型分类，基于相似点的学习和无相似点的学习
Likelihood-based学习实例
自回归模型
变分自编码器
第二部分：
Likelihood-based学习实例（续）
规范化流模型
Likelihood-free 学习实例
生成对抗网络
深度生成模型的实例
半监督学习
模仿学习
对抗样本
压缩感知
关于生成模型未来研究的主要挑战和展望。
机器学习之特征工程
机器学习之特征工程介绍，一步一步告诉你如何进行特征工程~
美团点评技术团队算法技术
《2018美团点评技术年货（合辑）》过去的一年，美团点评作为全球领先的一站式生活服务互联网平台，
在吃喝玩乐住行等 200 多个品类，2800 多个城区县，服务了亿万消费
者、数百万商家，日订单数超过 2200 万，年度交易总额达到了 3600 亿。
2017 年 10 月最新一轮融资，300 亿美元的估值，也使我们进入全
球独角兽的最前列。
阿里技术图册-开发篇
速度收藏！600页阿里技术全景图曝光，程序员看完都沸腾了。如果你不甘心一直在写增删改查，希望看到更广的技术世界，阿里技术团队重磅发布的《阿里技术参考图册》，总计 600 余页，现已开放下载，将为你呈现阿里技术全景，走进各个技术领域的世界。
此书邀请了阿里多个重要部门的研究员、资深技术专家、资深算法专家参与撰写。内容分为研发篇、算法篇两册，全面展示了在超大规模的企业级应用需求下，阿里全新升级的大中台、小前台的技术组织架构，以及各个技术领域的突破及创新。
阿里技术参考图册-算法篇
速度收藏！600页阿里技术全景图曝光，程序员看完都沸腾了。如果你不甘心一直在写增删改查，希望看到更广的技术世界，阿里技术团队重磅发布的《阿里技术参考图册》，总计 600 余页，现已开放下载，将为你呈现阿里技术全景，走进各个技术领域的世界。此书邀请了阿里多个重要部门的研究员、资深技术专家、资深算法专家参与撰写。内容分为研发篇、算法篇两册，全面展示了在超大规模的企业级应用需求下，阿里全新升级的大中台、小前台的技术组织架构，以及各个技术领域的突破及创新。
阿里巴巴Java开发手册(官方最新版)
阿里巴巴Java开发手册(官方最新版)，终极版本，官方发布
2014计算机考研复试c++笔试题
2014计算机考研复试c++笔试题，学长回忆总结版本，给考研的提供 参考
东南大学计算机复试553C++教材 东南大学软院初试推荐c++教材
东南大学计算机复试553C++教材，包括《C++语言程序设计(第4版)》.(郑莉,董渊)以及课后习题答案，钱能-C++ 程序设计（第二版）以及课后习题答案
最容易理解的LDA资料
LDA八卦，最容易理解LDA算法的介绍文章，包括详细的数学推导和过程！
最优化与KKT条件（最好的最优化书籍）
最优化与KKT条件，最好的凸优化入门书籍，简短精炼，易于理解，对于学习深度学习打下基础具有很大的帮助！
DeepLearning参考论文
DeepLearning参考论文，分类好打包下载，阅读原始论文可以更方便理解内容
人脸识别数据集
包括ORL人脸库、Yale人脸库、AT&T人脸库及MIT人脸库。ORL人脸库中包括23*28的bmp格式的400幅人脸、92*112的bmp格式及pgm格式的各400幅人脸；Yale人脸库中包括100*100的bmp格式的15个人的人脸，每个人11幅图像；MIT人脸库中包括人脸20*20的bmp格式2706幅图及非人脸20*20的bmp格式4381幅图
pytorch实现人脸识别包括人脸检测（opencv、dlib、CNN三种方法融合）人脸对齐和vgg-face人脸特征提取
博客地址：https://blog.csdn.net/wen_fei/article/details/80261047
人脸识别源代码，包括使用opencv、dlib和cnn实现的人脸检测、opencv实现的人脸对齐以及vgg-face的人脸特征提取等，最后余弦函数计算相似度，并提供flask部署代码，可以放在服务器上远程调用
VGG-Face Pytorch版模型
博客地址：https://blog.csdn.net/wen_fei/article/details/80261047
VGG-Face模型Pytorch版本，使用Pytorch的torch.load(VGG_FACE_LOCATION)可直接读取，基于千万张人脸数据训练，
RSS订阅
3316
1
