201我搭的神经网络不work该怎么办!看看这11条新手最容易犯的错误
202万字长文|如何直观解释卷积神经网络的工作原理?
203CNN超参数优化和可视化技巧详解
204机器学习产品宝典:这是谷歌内部总结的七大要点
205DeepMind提出训练网络新方法,快速找到最佳超参数和模型
206“你的深度学习框架包含15个漏洞”,360说 | 附论文
207【优博微展2018】郝爽:结构化数据的清洗关键技术研究
208GAN发展历程综述:送你最易入手的几个架构 | 附资料包
209普通码农入门机器学习,必须掌握这些数据技能
210主流的深度学习模型有哪些?
211NIPS风波 | 获奖者登台开炮:ML是炼金术,大神LeCun强硬回怼
212再谈“炼金术”:可以使用不严谨的方法,但拒绝不严谨的评估方法
213深度解析:一文看懂CVPR 2017五大研究前沿
214从YOLOv1到YOLOv3,目标检测的进化之路
215北大、北理工、旷视联手:用于图像语义分割的金字塔注意力网络
216OpenCV特征提取与图像检索实现(附代码)
217一文了解卷积神经网络在股票中应用
218胶囊网络为何如此热门?与卷积神经网络相比谁能更甚一筹?
219智能金融风起云涌,该如何顺应这波智能化浪潮?
220入门深度学习,先看看三位顶级大牛Yann LeCun、Yoshua Bengio和Geoffrey Hinton的联合综述
221AAAI 2018 杰出论文出炉,两位中国留学生共同获奖
222资源 | 盘点GitHub最著名的20个Python机器学习项目
223谈深度学习必谈计算力!如何成为一名异构并行计算工程师?
224技术详解 | 如何用GAN实现阴影检测和阴影去除?
225如何成为一名合格的算法工程师?我们做了一次技能拆分…
226干货 | 如何使用 CNN 推理机在 IoT 设备上实现深度学习
227深度学习框架哪家强?MXNet称霸CNN、RNN和情感分析,TensorFlow仅擅长推断特征提取
228牛!何恺明包揽2项ICCV 2017最佳论文奖!这位高考状元告诉你什么是开挂的人生
229清华姚班和100个“张小龙”| 中国AI天才养成计划
230【干货】人工智能工程师的三个层次(附技术学习路线图)
231一文总结学习Python的14张思维导图
232重磅 | 周志华最新论文:首个基于决策树集成的自动编码器,表现优于DNN
233课程 | 12个适合机器学习入门的经典案例
234读了那么多GANs的原理,还是不懂怎么用!两个案例教教你
235一文讲述如何将预测范式引入到机器学习模型中
236谷歌无人车之父刚推出的“无人驾驶入门”课,到底能学到啥?
237行家 | 如何跨领域成为一位人工智能工程师?
238一周AI看点 | 姚期智认为中国AI发展存在系统和理论两大缺陷;人工智能迎政策红利期三类推进措施将陆续出台
239《深度学习原理与TensorFlow实践》学习笔记(一)
240成不了AI高手?因为你根本不懂数据!听听这位老教授多年心血练就的最实用统计学
241别瞎搞!对自己定位不准,看再多机器学习资料也是白搭(附资源)
242别磨叽,学完这篇你也是图像识别专家了
243实战案例 | 美团如何用NLP完成5大应用场景
244透析|卷积神经网络CNN究竟是怎样一步一步工作的?
245AI 行业实践精选:通过机器学习刺激销量——如何利用NLP挖掘潜在客户
246AI 技术讲座精选:条件概率和贝叶斯定理简介
247AI 技术讲座精选:机器学习中梯度下降算法(包括其变式算法)简介
248测试数据科学家聚类技术的40个问题(能力测验和答案)(下)
249测试数据科学家聚类技术的40个问题(能力测验和答案)(上)
250AI 技术讲座精选:如何在时间序列预测中使用LSTM网络中的时间步长
251AI 技术讲座精选:如何用 Keras 调试LSTM超参数解决时间序列预测问题
252学习笔记 | Fast.ai深度学习实战课程Lesson2——带你深入了解CNN
253如果你还没搞懂LSTM 网络,那本文绝对值得一看
254盘点|最实用的机器学习算法优缺点分析,没有比这篇说得更好了
255全文来了!打败DBA老炮,机器学习如何改变数据库管理系统
https://mp.csdn.net/postedit/82560263
256别盲目调参!深度学习要先找到最佳策略
257AI技术讲座精选:NLP 模型到底选 RNN 还是 CNN?
258AI技术讲座精选:NLP 模型到底选 RNN 还是 CNN?
259深度学习(Deep Learning)是否已经让传统的机器学习无用了?
260Python热文Top10,精选自1000篇文章
https://mp.csdn.net/postedit/82560263
261干货 | 1400篇机器学习的文章中,这10篇是最棒的!
262 ACL 2018 | TA-NMT:利用大语种语料,提升小语种神经机器翻译能力
263ACL 2018 | 提高NLP语义解析准确度:融合SQL语法的生成式语义解析模型
https://mp.csdn.net/postedit/82560263
264分布式深度学习新进展:让“分布式”和“深度学习”真正深度融合
https://mp.csdn.net/postedit/82560263
265基于交错组卷积的高效深度神经网络
https://mp.csdn.net/postedit/82560263
266基于交错组卷积的高效深度神经网络
267NIPS 2018丨解读微软亚洲研究院10篇入选论文
268如何从系统层面优化深度学习计算?
269CVPR 2018中国论文分享会 | 计算机视觉产业界和学术界的对话
270观点|如何做好计算机视觉的研究?
271书单 | 计算机视觉的修炼秘笈
272ICLR 2018论文 | Learning to Teach:让AI和机器学习算法教学相长
272数据驱动设计:从学习特征到学习算法
273中美两位AI大师的“巅峰对话”:为何NLP领域难以出现“独角兽”?
274干货论文解读:GAN在网络特征学习中的应用
275借助机器学习提高CRISPR基因编辑准确率
276微软亚洲研究院机器阅读系统在SQuAD挑战赛中率先超越人类水平
277书单 | NLP秘笈,从入门到进阶
278周明:中国NLP如何跻身世界顶尖水平?
279预告 | NIPS 2017线上分享:用于序列生成的推敲网络
280干货 | NIPS 2017线上分享:利用价值网络改进神经机器翻译
281神经网络模糊测试:将DNN应用于软件安全测试
282二十一世纪计算 | 大数据和网络分析的可扩展算法
283ICCV | 深度三维残差神经网络:视频理解新突破
284到底什么是生成式对抗网络GAN?
285从短句到长文,计算机如何学习阅读理解
286讲堂|黄学东:微软是如何利用人工智能技术做好语音识别的
287讲堂|周明:自然语言对话引擎
288秦涛:深度学习的五个挑战和其解决方案
289 2017年最值得关注的科学概念之“迁移学习”
290AAAI |如何保证人工智能系统的准确性?
291观点丨深度神经网络中深度究竟带来了什么?
292NIPS 2016:普及机器学习
293微软宣布其所有语音翻译服务已全部使用深层神经网络技术
294微软首席研究员刘铁岩:深度学习的推力与阻碍
295刷新神经网络新深度:ImageNet计算机视觉挑战赛微软中国研究员夺冠
296【研究员视角】大牛带你读论文|自然语言处理
https://mp.csdn.net/postedit/82560263
297【演讲】微软AI首席科学家邓力:图文并茂回顾十年AI路
【研究员视角】区块链:从入门到精通
298数据改变医疗:人工智能加速精准医疗时代到来
299深度视觉盛宴——CVPR 2016
300计算机视觉:就在你我身边