]">双鱼座621美分&&V4级别
&MVP&：发布展示&&&
&MVP&：发布展示&&&
&MVP&：发布展示&&&
&MVP&：发布展示&&&
&MVP&：发布展示&&&
&MVP&：发布展示&&&
&MVP&：发布展示&&&
&MVP&：发布展示&&&
&MVP&：发布展示&&&
&MVP&：发布展示&&&
美空通告APP下载
通告公众号
扫一扫二维码，加入红人研究院本人近日在看一本《管理就这么简单》一书中提到的矩形结构管理不懂，请那位朋友帮一下忙
应该是矩阵管理吧？我试着回答几个要点。
1、矩阵管理的思路来自数学当中的矩阵。矩阵是用来解决多元函数的便利工具。
2、矩阵管理，是一种管理模式，不同于我国公司或企业当中的职能制、直线制或者由两者派生而成的直线职能制。
3、矩阵管理适应于科学研究、科技公关或工程管理领域。
举例说明：将一项工作，委任给一名项目经理，由其牵头组织各个部门的有关人员形成一个临时组织来共同完成此项工作。这个临时组织就是矩阵管理的一个单元。这个临时组织的成员，跨部门的界限，在行政关系上，...
当方管壁厚不大于10mm时不得超过公称壁厚的正负10%,
挺容易的，你按照我说的步骤就可以解决。1：分水器上，分进水管和回水管，就是上下横向排列的粗铜管；两个粗铜管上分别都有一个大大的金属手柄，将它都逆时针转到横向位置...
(通常只适用于以分子形式存在的纯净物,如有机分子)是把分子中各原子连接方式表示出来的式子。将有机物分子结构式中的C-C键和C-H键省略不写所得的一种简式。如，丙...
首先说你不要再加分了..你的图不规矩，而且没有尺寸，所以有些问题只能和你探讨..1.主卧室怎么也应该在南边呀，在北边住着阴凉啊，再说你要在房间里隔一个衣帽间，不...
范式性转变，即从给定结构下的定位选择向改变市场结构本身的转变。蓝海战略虽然强调了价值创新，但它并没有对进入蓝海领域的前提条件以及投入产出与风险进行分析。这就是管...
答: 武汉华美达安可酒店豪华房和高级房的区别是什么？
答: 中共中央印发的《干部教育培训工作条例》规定，干部教育培训 工作应遵循以下原则：(一）
服务大局，按需施教。始终坚持社会主义办学方向，紧紧围绕党和国家事业发展需...
答: 美国科学促进会和科学教育委员会提出的科学课程方案中，目标是：激发好奇心；2、刺激思考；3、增进儿童学科学的技能和智力
答: 高级职称要求本科学历。除非你有突出贡献。
大家还关注
确定举报此问题
举报原因(必选)：
广告或垃圾信息
激进时政或意识形态话题
不雅词句或人身攻击
侵犯他人隐私
其它违法和不良信息
报告，这不是个问题
报告原因(必选)：
这不是个问题
这个问题分类似乎错了
这个不是我熟悉的地区
相关问答：123456789101112131415计算行列式的若干方法_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
计算行列式的若干方法
安徽信息技术教师|
总评分4.3|
浏览量114212
用知识赚钱
阅读已结束，下载文档到电脑
想免费下载本文？
定制HR最喜欢的简历
下载文档到电脑，方便使用
还剩8页未读，继续阅读
定制HR最喜欢的简历
你可能喜欢三阶行列式_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
三阶行列式
&&三阶行列式
阅读已结束，下载文档到电脑
想免费下载本文？
定制HR最喜欢的简历
你可能喜欢机器学习：《数据挖掘实用机器学习工具与技术》、《数据挖掘导论》、《机器学习》、,《数据挖掘与机器学习WAKA应用技术与实践》&br&Python：《利用Python进行数据分析》、《Python基础教程》、《Python Cookbook》、《“笨办法”学Python》&br&MATLAB：《精通MATLAB》、《MATLAB R2014a从入门到精通》、《MATLAB R2014a完全自学一本通》、《MATLAB宝典》&br&数据库：《MongoDB权威指南》、《数据库系统概念》、《SQL语言与数据库操作技术大全》、《Oracle从入门到精通》&br&R语言：《统计建模与R软件》、《R语言实战》、《ggplot2数据分析与图形艺术》、《数据挖掘与R语言》
机器学习：《数据挖掘实用机器学习工具与技术》、《数据挖掘导论》、《机器学习》、,《数据挖掘与机器学习WAKA应用技术与实践》 Python：《利用Python进行数据分析》、《Python基础教程》、《Python Cookbook》、《“笨办法”学Python》 MATLAB：《精通MATL…
强烈推荐两门公开课，难度很低，讲得非常好。学完了应该可以直接上手干活。&br&&br&1.
BerkeleyX: CS190.1x Scalable Machine Learning &b&&a href=&///?target=https%3A//courses.edx.org/courses/BerkeleyX/CS190.1x/1T2015/info& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&CS190.1x Course Info&i class=&icon-external&&&/i&&/a&&/b&&br&这门课是伯克利开的，教机器学习基础、Python Spark实现。我很懂机器学习，但不懂spark和python，花了1周多时间看完视频、做完作业。如果没机器学习基础的话几周应该够了。学完了可以用spark处理大数据，做分类、推荐系统。&br&&ul&&li&在墙内搭建虚拟机环境有困难，装不好可以参照帖子 &a href=&///?target=http%3A///discussion/7761/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&不用翻墙和等几小时，搞定VM安装&i class=&icon-external&&&/i&&/a&&/li&&li&要是怎么装都不成功，原因很可能是没有开Intel Virtualization，需要进BIOS设置一下。我们好几个人都遇到这问题了。&/li&&li&这个里面的视频很卡，但是可以下载。希望有好心人下载传网盘或者优酷~&br&&/li&&/ul&&b&更新：新的课已经开始了，这次的不需要在本地装虚拟机，直接用databricks的服务器就好，方便很多。而且这次是半年内上一系列的Spark课程，有兴趣可以全学了。&/b&&br&链接：&a href=&///?target=https%3A//courses.edx.org/courses/course-v1%3ABerkeleyX%2BCS105x%2B1T2016/info& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&CS105x Course Info&i class=&icon-external&&&/i&&/a&&br&&br&&br&&br&2. 斯坦福公开课：&br&Convolutional Neural Networks for Visual
Recognition &a href=&///?target=http%3A//cs231n.github.io/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&CS231n Convolutional Neural Networks for Visual Recognition&i class=&icon-external&&&/i&&/a&&br&&p&优酷视频： &a href=&///?target=http%3A///u/UMzQ0MDE4MDUwNA%3D%3D/playlists& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&优酷网-中国第一视频网,提供视频播放,视频发布,视频搜索&i class=&icon-external&&&/i&&/a&&/p&&p&这是我见过的讲神经网络最清楚最简单的课程，lecturer口才极好，英语说的清晰，配套的讲义说得更清楚明白。如果连作业一起做了，应该有能力用deep learning的工具做一些图像和视觉的工作。&/p&&ul&&li&课程讲义里有使用Python、IPython做数值计算的快速入门&a href=&///?target=http%3A//cs231n.github.io/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&CS231n Convolutional Neural Networks for Visual Recognition&i class=&icon-external&&&/i&&/a&&/li&&li&作业需要用Python 2，不能用Python 3，除非你乐意像我一样花时间把print全加括号，把cPickle全改成Pickle，还要设置Pickle的编码：&a href=&///?target=http%3A///questions//pickle-incompatability-of-numpy-arrays-between-python-2-and-3& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Pickle incompatability of numpy arrays between Python 2 and 3&i class=&icon-external&&&/i&&/a&&/li&&/ul&&br&&br&&p&初学者想要深入学习的话，可以顺着两门课的内容、扩展材料继续挖下去。&/p&&br&&p&多说一句，不要报任何班。机器学习牛人要么忙着科研，要么是赚钱太容易，所以几乎没人开培训班来赚钱。有名的培训班，比如J***这样的都是不入流的，以其昏昏使人昭昭。&/p&
强烈推荐两门公开课，难度很低，讲得非常好。学完了应该可以直接上手干活。 1. BerkeleyX: CS190.1x Scalable Machine Learning
这门课是伯克利开的，教机器学习基础、Python Spark实现。我很懂机器学习，但不懂spark和python，花了1…
&img src=&/50/v2-ce0fc1eff48b22e0182a4af_b.jpg& data-rawwidth=&899& data-rawheight=&526& class=&origin_image zh-lightbox-thumb& width=&899& data-original=&/50/v2-ce0fc1eff48b22e0182a4af_r.jpg&&&img src=&/50/v2-0fe82da558f500d87c2e0_b.jpg& data-rawwidth=&641& data-rawheight=&503& class=&origin_image zh-lightbox-thumb& width=&641& data-original=&/50/v2-0fe82da558f500d87c2e0_r.jpg&&&br&&p&
这是菜鸟学Python的第66篇原创文章&br&&/p&&p&阅读本文大概需要5分钟&/p&&p&&strong&菜鸟学Python的入门课程已经写了60多篇，讲了很多好玩有趣的知识点,&/strong&但是整个入门篇还有一个最难的东西没有讲，这个知识点好多书里面对这块要么不讲，要么就是讲的太深奥，这个知识点卡在那里很难受。&strong&这块到底是什么的，猜对了就是传说中的装饰器&/strong&，我记得我好几年前刚学Python的时候，看装饰器就觉得看九阴真经里面的怪文字，完全看不懂，确实装饰器是一个非常难以理解的概念，相信很多初学者一定也有这样的困惑,所以我它放在我的入门篇的收尾部分.&/p&&p&&strong&今天我就带领大家由浅入深的去窥探一下，这个装饰器到底是何方神圣，看完本篇，装饰器就再也不是难点了.&/strong&&/p&&h2&&strong&1.什么是装饰器&/strong&&/h2&&p&网上有人是这么评价装饰器的，我觉得写的很有趣，比喻的很形象&/p&&ul&&li&&p&每个人都有的内裤主要是用来遮羞，但是到了冬天它没法为我们防风御寒，肿木办？&/p&&/li&&li&&p&我们想到的一个办法就是把内裤改造一下，让它变得更厚更长，这样一来，它不仅有遮羞功能，还能提供保暖，不过有个问题，这个内裤被我们改造成了长裤后，虽然还有遮羞功能，但本质上它不再是一条真正的内裤了。于是聪明的人们发明长裤&/p&&/li&&li&&p&在不影响内裤的前提下，直接把长裤套在了内裤外面，这样内裤还是内裤，有了长裤后再也不冷了&/p&&br&&/li&&/ul&&p&装饰器就像我们这里说的长裤，在不影响内裤作用的前提下，给我们的身子提供了保暖的功效&/p&&br&&h2&&strong&2.装饰器的前传4步曲&/strong&&/h2&&p&为什么讲装饰器要放在入门篇的末尾讲呢，因为这货太难了，里面有许多前提要懂。Python的函数相信大家都懂了，但是大家知不知道函数也是一种对象，可以像参数一样传递，我们看下面的例子吧：&/p&&br&&blockquote&&p&&strong&1)函数也是对象&/strong&&/p&&/blockquote&&div class=&highlight&&&pre&&code class=&language-text&&&span&&/span&def message(word='hello'):
return word.upper()+'!'
print message()
my_message=message
print my_message
&function message at 0xE198&
print my_message()
&/code&&/pre&&/div&&p&也就是说message可以赋值给另外一个变量&/p&&blockquote&&p&&strong&2)函数可以嵌套，定义在另外一个函数内部&/strong&&/p&&/blockquote&&div class=&highlight&&&pre&&code class=&language-text&&&span&&/span&def show():
print 'Run in show()'
def message(word='hello'):
return word
print message()
Run in show()
&/code&&/pre&&/div&&p&message可以嵌套在show函数里面，调用show的时候也会跑下message函数&/p&&blockquote&&p&&br&&strong&3)函数作为参数返回&/strong&&/p&&/blockquote&&p&一个函数还可以当做另外一个函数的返回值,不信看下面这个例子&/p&&img src=&/50/v2-1f6aa27b32b7bd037445_b.jpg& data-rawwidth=&422& data-rawheight=&309& class=&origin_image zh-lightbox-thumb& width=&422& data-original=&/50/v2-1f6aa27b32b7bd037445_r.jpg&&&br&&div class=&highlight&&&pre&&code class=&language-text&&&span&&/span&&&
&function lower at 0xDAD68&
&/code&&/pre&&/div&&blockquote&&p&&strong&4)函数作为参数传入&/strong&&/p&&/blockquote&&p&我们先创建一个getName函数，然后把这个函数当做参数传递给foo函数&/p&&img src=&/50/v2-3c5e2ca6f23e0f30b7eb5a3d4abe009c_b.jpg& data-rawwidth=&537& data-rawheight=&185& class=&origin_image zh-lightbox-thumb& width=&537& data-original=&/50/v2-3c5e2ca6f23e0f30b7eb5a3d4abe009c_r.jpg&&&br&&div class=&highlight&&&pre&&code class=&language-text&&&span&&/span&&&
I will call the getName function later
&/code&&/pre&&/div&&h2&3.装饰器的真面目&/h2&&blockquote&&p&&strong&1).经过前面几步，大家应该理解了函数可以作为参数传入，也可以当参数返回，而且还可以嵌套&/strong&&/p&&/blockquote&&p&装饰器其实就是对函数进行再次包装，它能够在不改变函数的前提下，增加函数的功能，可以在函数执行之前或者执行之后执行一段代码&/p&&img src=&/50/v2-7d48c47d876a917ef91d5_b.jpg& data-rawwidth=&649& data-rawheight=&230& class=&origin_image zh-lightbox-thumb& width=&649& data-original=&/50/v2-7d48c47d876a917ef91d5_r.jpg&&&br&&div class=&highlight&&&pre&&code class=&language-text&&&span&&/span&a_stand_alone_function()
I am a stand alone function,don't you dare modify me
a_stand_alone_function_decorated=my_new_decorator(a_stand_alone_function)
a_stand_alone_function_decorated()
Before the function runs
I am a stand alone function,don't you dare modify me
After the function runs
&/code&&/pre&&/div&&blockquote&&p&&strong&2).使用装饰器&/strong&&/p&&/blockquote&&img src=&/50/v2-99cebf3ce9bfac69bc300010_b.jpg& data-rawwidth=&428& data-rawheight=&122& class=&origin_image zh-lightbox-thumb& width=&428& data-original=&/50/v2-99cebf3ce9bfac69bc300010_r.jpg&&&br&&p&看这样简单吧，装饰器有一个语法糖@,直接@my_new_decorator就把上面一坨代码轻松化解了，这就是Pythonic的代码，简洁高效&/p&&p&其实相当于:&/p&&div class=&highlight&&&pre&&code class=&language-text&&&span&&/span&another_stand_alone_function=my_new_decorator(another_stand_alone_function)
&/code&&/pre&&/div&&h2&&strong&4.为什么要使用装饰器&/strong&&/h2&&p&装饰器提供了一些和代码维护性和审美相关的优点。并且作为结构化工具，装饰器自然地促进了代码的封装，这减少了冗余性并使得未来维护和扩展变得更容易。&/p&&p&如果大家学过Django和Flask就会知道,web框架里面大量的使用装饰器进行代码的封装.我们下面看一个简单的例子:&/p&&br&&p&我们有一个主题函数word()是输出一个字符串，我们有一个函数是把字符串变粗体，另外一个是变斜体。有了装饰器之后，我们可以非常灵活的组合，扩展函数的功能:&/p&&img src=&/50/v2-3d1ca5f5dcec59b4fa31e5e_b.jpg& data-rawwidth=&382& data-rawheight=&335& class=&content_image& width=&382&&&br&&div class=&highlight&&&pre&&code class=&language-text&&&span&&/span&&&
&b&&i&hello&/i&&/b&
&/code&&/pre&&/div&&p&有一点要注意，就是装饰器的顺序变了，结果是不一样的.&/p&&div class=&highlight&&&pre&&code class=&language-text&&&span&&/span&@makeitalic
def word():
return &hello&
print word()
&i&&b&hello&/b&&/i&
&/code&&/pre&&/div&&p&好了&strong&装饰器的入门&/strong&，就讲到这里,若有什么不懂的,也可以留言跟我探讨交流。其实还有很多装饰器的高级用法，比如装饰器传参数，类的装饰器等等我们后面会讲解。&/p&&p&&strong&顺便说一下，大家有什么好的题目(可以提高大家的编程技巧/Python功力)希望大家一起解答的，也可以发给我，我会在公众号推荐【每日一题】,一旦题目被入选的，所有打赏的收入全部给供稿者&/strong&&/p&&br&&br&&p&&strong&-------------&/strong&&/p&&blockquote&&p&作者：菜鸟学Python （坚持原创，若我写的对大家有帮助，麻烦大家关注一下）&/p&&p&公众号：菜鸟学python&/p&&p&博客专栏：&a href=&/?target=https%3A///blog/caoniao_xueyuan& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&菜鸟学Python&i class=&icon-external&&&/i&&/a&&/p&&/blockquote&&br&&p&&b&大家也可以加小编微信：tszhihu （备注：Python），拉大家到 Python爱好者社区 微信群，可以跟各位老师互相交流。谢谢。&/b&&/p&&p&&b&也可以关注微信公众号：Python爱好者社区 (ID:python_shequ)&/b&&/p&
这是菜鸟学Python的第66篇原创文章 阅读本文大概需要5分钟菜鸟学Python的入门课程已经写了60多篇，讲了很多好玩有趣的知识点,但是整个入门篇还有一个最难的东西没有讲，这个知识点好多书里面对这块要么不讲，要么就是讲的太深奥，这个知识点卡在那里很难受。…
&img src=&/50/v2-11f33c8bb8c9f3b3b7cefb7fd0ade5d7_b.jpg& data-rawwidth=&620& data-rawheight=&417& class=&origin_image zh-lightbox-thumb& width=&620& data-original=&/50/v2-11f33c8bb8c9f3b3b7cefb7fd0ade5d7_r.jpg&&From：&a href=&/?target=http%3A///articles/rqIRJb2& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&近200篇机器学习&深度学习资料分享（含各种文档，视频，源码等） - 推酷&i class=&icon-external&&&/i&&/a&&br&本文收集了百来篇关于机器学习和深度学习的资料，含各种文档，视频，源码等。而且原文也会不定期的更新，望看到文章的朋友能够学到更多。&br&&a href=&/?target=http%3A///brief-history-machine-learning/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Brief History of Machine Learning》&i class=&icon-external&&&/i&&/a&&br&介绍:这是一篇介绍机器学习历史的文章，介绍很全面，从感知机、神经网络、决策树、SVM、Adaboost 到随机森林、Deep Learning.&br&&a href=&/?target=http%3A//www.idsia.ch/%7Ejuergen/DeepLearning15May2014.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Deep Learning in Neural Networks: An Overview》&i class=&icon-external&&&/i&&/a&&br&介绍:这是瑞士人工智能实验室 Jurgen Schmidhuber 写的最新版本《神经网络与深度学习综述》本综述的特点是以时间排序，从 1940 年开始讲起，到 60-80 年代，80-90 年代，一直讲到 2000 年后及最近几年的进展。涵盖了 deep learning 里各种 tricks，引用非常全面.&br&&a href=&/?target=http%3A///a-gentle-introduction-to-scikit-learn-a-python-machine-learning-library/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《A Gentle Introduction to Scikit-Learn: A Python Machine Learning Library》&i class=&icon-external&&&/i&&/a&&br&介绍:这是一份 python 机器学习库，如果您是一位 python 工程师而且想深入的学习机器学习.那么这篇文章或许能够帮助到你.&br&&a href=&/?target=http%3A///how-to-layout-and-manage-your-machine-learning-project/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《How to Layout and Manage Your Machine Learning Project》&i class=&icon-external&&&/i&&/a&&br&介绍:这一篇介绍如果设计和管理属于你自己的机器学习项目的文章，里面提供了管理模版、数据管理与实践方法.&br&&a href=&/?target=https%3A///code-poet/80ea3ec3c471& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Machine Learning is Fun!》&i class=&icon-external&&&/i&&/a&&br&介绍:如果你还不知道什么是机器学习，或则是刚刚学习感觉到很枯燥乏味。那么推荐一读。这篇文章已经被翻译成中文，如果有兴趣可以移步 &a href=&/?target=http%3A///67616/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&有趣的机器学习：最简明入门指南 &i class=&icon-external&&&/i&&/a&&br&《R语言参考卡片》&br&介绍:R语言是机器学习的主要语言，有很多的朋友想学习R语言，但是总是忘记一些函数与关键字的含义。那么这篇文章或许能够帮助到你。&br&&a href=&/?target=http%3A//blog.echen.me//choosing-a-machine-learning-classifier/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Choosing a Machine Learning Classifier》&i class=&icon-external&&&/i&&/a&&br&介绍:我该如何选择机器学习算法，这篇文章比较直观的比较了 Naive Bayes，Logistic Regression，SVM，决策树等方法的优劣，另外讨论了样本大小、Feature 与 Model 权衡等问题。此外还有已经翻译了的版本: &a href=&/?target=http%3A//www.52ml.net/15063.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&如何选择机器学习算法 - 我爱机器学习&i class=&icon-external&&&/i&&/a&&br&&a href=&/?target=http%3A///machine-learning/an-introduction-to-deep-learning-from-perceptrons-to-deep-networks& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《An Introduction to Deep Learning: From Perceptrons to Deep Networks》&i class=&icon-external&&&/i&&/a&&br&介绍：深度学习概述：从感知机到深度网络，作者对于例子的选择、理论的介绍都很到位，由浅入深。翻译版本： &a href=&/?target=http%3A///xiaowanyer/p/3701944.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&深度学习概述：从感知机到深度网络 - xiaowanyer - 博客园&i class=&icon-external&&&/i&&/a&&br&&a href=&/?target=http%3A///s/ayG13we2vxyKl& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《The LION Way: Machine Learning plus Intelligent Optimization》&i class=&icon-external&&&/i&&/a&&br&介绍:&机器学习与优化&这是一本机器学习的小册子， 短短 300 多页道尽机器学习的方方面面. 图文并茂， 生动易懂， 没有一坨坨公式的烦恼. 适合新手入门打基础， 也适合老手温故而知新. 比起 MLAPP/PRML 等大部头， 也许这本你更需要!具体内容推荐阅读:&a href=&/?target=http%3A//intelligent-optimization.org/LIONbook/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&intelligent-optimization.org for prescriptive analytics&i class=&icon-external&&&/i&&/a&&br&《深度学习与统计学习理论》&br&介绍:作者是来自百度，不过他本人已经在 2014 年 4 月份申请离职了。但是这篇文章很不错如果你不知道深度学习与支持向量机/统计学习理论有什么联系？那么应该立即看看这篇文章.&br&&a href=&/?target=http%3A//ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-042j-mathematics-for-computer-science-fall-2010/readings/MIT6_042JF10_notes.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《计算机科学中的数学》&i class=&icon-external&&&/i&&/a&&br&介绍:这本书是由谷歌公司和 MIT 共同出品的计算机科学中的数学：Mathematics for Computer Science，Eric Lehman et al 2013 。分为 5 大部分：1）证明，归纳。2）结构，数论，图。3）计数，求和，生成函数。4）概率，随机行走。5）递归。等等&br&&a href=&/?target=http%3A///en-US/people/kannan/book-no-solutions-aug-21-2014.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《信息时代的计算机科学理论(Foundations of Data Science)》&i class=&icon-external&&&/i&&/a&&br&介绍:这本书是由谷歌公司和 MIT 共同出品的计算机科学中的数学：Mathematics for Computer Science，Eric Lehman et al 2013 。分为 5 大部分：1）证明，归纳。2）结构，数论，图。3）计数，求和，生成函数。4）概率，随机行走。5）递归。等等&br&&a href=&/?target=http%3A///en-US/people/kannan/book-no-solutions-aug-21-2014.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《信息时代的计算机科学理论(Foundations of Data Science)》&i class=&icon-external&&&/i&&/a&&br&介绍：信息时代的计算机科学理论，目前国内有纸质书购买，iTunes 购买。&br&&a href=&/?target=http%3A///s/ayG13we2vx5qg& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Data Science with R》&i class=&icon-external&&&/i&&/a&&br&介绍:这是一本由雪城大学新编的第二版《数据科学入门》教材：偏实用型，浅显易懂，适合想学习R语言的同学选读。&br&&a href=&/?target=http%3A///articles/article.aspx%3Fp%3D2213858& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Twenty Questions for Donald Knuth》&i class=&icon-external&&&/i&&/a&&br&介绍:这并不是一篇文档或书籍。这是篇向图灵奖得主 Donald Knuth 提问记录稿： 近日， Charles Leiserson, Al Aho, Jon Bentley 等大神向 Knuth 提出了 20 个问题，内容包括 TAOCP，P/NP 问题，图灵机，逻辑，以及为什么大神不用电邮等等。&br&&a href=&/?target=http%3A//arxiv.org/pdf/.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Automatic Construction and Natural-Language Description of Nonparametric Regression Models》&i class=&icon-external&&&/i&&/a&&br&介绍：不会统计怎么办？不知道如何选择合适的统计模型怎么办？那这篇文章你的好好读一读了麻省理工 Joshua B. Tenenbaum 和剑桥 Zoubin Ghahramani 合作，写了一篇关于 automatic statistician 的文章。可以自动选择回归模型类别，还能自动写报告...&br&&a href=&/?target=http%3A//openreview.net/venue/iclr2014& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《ICLR 2014 论文集》&i class=&icon-external&&&/i&&/a&&br&介绍:对深度学习和 representation learning 最新进展有兴趣的同学可以了解一下。&br&&a href=&/?target=http%3A//www-nlp.stanford.edu/IR-book/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Introduction to Information Retrieval》&i class=&icon-external&&&/i&&/a&&br&介绍：这是一本信息检索相关的书籍，是由斯坦福 Manning 与谷歌副总裁 Raghavan 等合著的 Introduction to Information Retrieval 一直是北美最受欢迎的信息检索教材之一。最近作者增加了该课程的幻灯片和作业。IR 相关资源： &a href=&/?target=http%3A//www-nlp.stanford.edu/IR-book/information-retrieval.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Information Retrieval Resources&i class=&icon-external&&&/i&&/a&&br&&a href=&/?target=http%3A///2014/02/machine-learning-in-5-pictures.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Machine learning in 10 pictures》&i class=&icon-external&&&/i&&/a&&br&介绍:Deniz Yuret 用 10 张漂亮的图来解释机器学习重要概念：1. Bias/Variance Tradeoff 2. Overfitting 3. Bayesian / Occam's razor 4. Feature combination 5. Irrelevant feature 6. Basis function 7. Discriminative / Generative 8. Loss function 9. Least squares 10. Sparsity. 很清晰&br&&a href=&/?target=http%3A//webscope./catalog.php%3Fdatatype%3Dl& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《雅虎研究院的数据集汇总》&i class=&icon-external&&&/i&&/a&&br&介绍：雅虎研究院的数据集汇总： 包括语言类数据，图与社交类数据，评分与分类数据，计算广告学数据，图像数据，竞赛数据，以及系统类的数据。&br&&a href=&/?target=http%3A//www-bcf.usc.edu/%7Egareth/ISL/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《An Introduction to Statistical Learning with Applications in R》&i class=&icon-external&&&/i&&/a&&br&介绍：这是一本斯坦福统计学著名教授 Trevor Hastie 和 Robert Tibshirani 的新书，并且在 2014 年一月已经开课：&a href=&/?target=https%3A//class.stanford.edu/courses/HumanitiesScience/StatLearning/Winter2014/about& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Statistical Learning&i class=&icon-external&&&/i&&/a&&br&&a href=&/?target=http%3A///best-machine-learning-resources-for-getting-started/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Best Machine Learning Resources for Getting Started&i class=&icon-external&&&/i&&/a&&br&介绍：机器学习最佳入门学习资料汇总是专为机器学习初学者推荐的优质学习资源，帮助初学者快速入门。而且这篇文章的介绍已经被翻译成中文版。如果你不怎么熟悉，那么我建议你先看一看中文的介绍。&br&&a href=&/?target=http%3A//.cn/s/blog_bda0d2f10101fpp4.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&My deep learning reading list&i class=&icon-external&&&/i&&/a&&br&介绍:主要是顺着 Bengio 的 PAMI review 的文章找出来的。包括几本综述文章，将近 100 篇论文，各位山头们的 Presentation。全部都可以在 google 上找到。&br&&a href=&/?target=http%3A///doi/abs/10.ED1V01Y201005HLT008%3FjournalCode%3Dhlt& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Cross-Language Information Retrieval&i class=&icon-external&&&/i&&/a&&br&介绍：这是一本书籍，主要介绍的是跨语言信息检索方面的知识。理论很多&br&&a href=&/?target=http%3A///developerworks/cn/web/1103_zhaoct_recommstudy1/index.html%3Fca%3Ddrs-& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&探索推荐引擎内部的秘密，第 1 部分: 推荐引擎初探&i class=&icon-external&&&/i&&/a&&br&介绍:本文共有三个系列，作者是来自 IBM 的工程师。它主要介绍了推荐引擎相关算法，并帮助读者高效的实现这些算法。 &a href=&/?target=http%3A///developerworks/cn/web/1103_zhaoct_recommstudy2/index.html%3Fca%3Ddrs-& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&探索推荐引擎内部的秘密，第 2 部分: 深度推荐引擎相关算法 - 协同过滤,探索推荐引擎内部的秘密，第 3 部分: 深度推荐引擎相关算法 - 聚类。&i class=&icon-external&&&/i&&/a&&br&&a href=&/?target=http%3A//sci.cornell.edu/b/articles/ml-learn/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Advice for students of machine learning》&i class=&icon-external&&&/i&&/a&&br&介绍：康奈尔大学信息科学系助理教授 David Mimno 写的《对机器学习初学者的一点建议》， 写的挺实际，强调实践与理论结合，最后还引用了冯 · 诺依曼的名言: &Young man, in mathematics you don't understand things. You just get used to them.&&br&&a href=&/?target=http%3A//web.stanford.edu/group/pdplab/pdphandbook/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&分布式并行处理的数据&i class=&icon-external&&&/i&&/a&&br&介绍：这是一本关于分布式并行处理的数据《Explorations in Parallel Distributed Processing: A Handbook of Models, Programs, and Exercises》，作者是斯坦福的 James L. McClelland。着重介绍了各种神级网络算法的分布式实现，做 Distributed Deep Learning 的童鞋可以参考下。&br&&a href=&/?target=http%3A///b/machinelearning/archive//what-is-machine-learning.aspx& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《“机器学习”是什么？》&i class=&icon-external&&&/i&&/a&&br&介绍:【“机器学习”是什么？】John Platt 是微软研究院杰出科学家，17 年来他一直在机器学习领域耕耘。近年来机器学习变得炙手可热，Platt 和同事们遂决定开设博客，向公众介绍机器学习的研究进展。机器学习是什么，被应用在哪里？来看 Platt 的这篇博文。&br&&a href=&/?target=http%3A//icml.cc/2014/index/article/15.htm& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《2014 年国际机器学习大会 ICML 2014 论文》&i class=&icon-external&&&/i&&/a&&br&介绍：2014 年国际机器学习大会（ICML）已经于 6 月 21-26 日在国家会议中心隆重举办。本次大会由微软亚洲研究院和清华大学联手主办，是这个有着 30 多年历史并享誉世界的机器学习领域的盛会首次来到中国，已成功吸引海内外 1200 多位学者的报名参与。干货很多，值得深入学习下。&br&&a href=&/?target=http%3A///b/machinelearning/archive//machine-learning-for-industry-a-case-study.aspx& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Machine Learning for Industry: A Case Study》&i class=&icon-external&&&/i&&/a&&br&介绍：这篇文章主要是以 Learning to Rank 为例说明企业界机器学习的具体应用，RankNet 对 NDCG 之类不敏感，加入 NDCG 因素后变成了 LambdaRank，同样的思想从神经网络改为应用到 Boosted Tree 模型就成就了 LambdaMART。 &a href=&/?target=http%3A///en-us/people/cburges/%3FWT.mc_id%3DBlog_MachLearn_General_DI& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Chirs Burges&i class=&icon-external&&&/i&&/a&，微软的机器学习大神，Yahoo 2010 Learning to Rank Challenge 第一名得主，排序模型方面有 RankNet，LambdaRank，LambdaMART，尤其以 LambdaMART 最为突出，代表论文为： &a href=&/?target=http%3A///en-us/um/people/cburges/tech_reports/msr-tr-2010-82.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&From RankNet to LambdaRank to LambdaMART: An Overview&i class=&icon-external&&&/i&&/a&此外，Burges 还有很多有名的代表作，比如： &a href=&/?target=http%3A///pubs/67119/svmtutorial.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&A Tutorial on Support Vector Machines for Pattern Recognition&i class=&icon-external&&&/i&&/a&&br&&a href=&/?target=http%3A///en-us/um/people/cburges/tech_reports/tr-2004-56.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Some Notes on Applied Mathematics for Machine Learning&i class=&icon-external&&&/i&&/a&&br&&a href=&/?target=http%3A///software-meta-guide/100-best-github-deep-learning/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&100 Best GitHub: Deep Learning&i class=&icon-external&&&/i&&/a&&br&介绍:100 Best GitHub: Deep Learning&br&&a href=&/?target=http%3A//www.52ml.net/12019.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《UFLDL-斯坦福大学 Andrew Ng 教授“Deep Learning”教程》&i class=&icon-external&&&/i&&/a&&br&介绍:本教程将阐述无监督特征学习和深度学习的主要观点。通过学习，你也将实现多个功能学习/深度学习算法，能看到它们为你工作，并学习如何应用/适应这些想法到新问题上。本教程假定机器学习的基本知识（特别是熟悉的监督学习，逻辑回归，梯度下降的想法），如果你不熟悉这些想法，我们建议你去这里 &a href=&/?target=http%3A//openclassroom.stanford.edu/MainFolder/CoursePage.php%3Fcourse%3DMachineLearning& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&机器学习课程&i class=&icon-external&&&/i&&/a& ，并先完成第 II，III，IV 章（到逻辑回归）。此外这关于这套教程的源代码在 github 上面已经有 python 版本了 &a href=&/?target=https%3A///jatinshah/ufldl_tutorial& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&UFLDL Tutorial Code&i class=&icon-external&&&/i&&/a&&br&* &a href=&/?target=http%3A///pubs/217165/ICASSP_DeepTextLearning_v07.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Deep Learning for Natural Language Processing and Related Applications》&i class=&icon-external&&&/i&&/a&&br&介绍:这份文档来自微软研究院，精髓很多。如果需要完全理解，需要一定的机器学习基础。不过有些地方会让人眼前一亮，毛塞顿开。&br&&a href=&/?target=https%3A//colah.github.io/posts/2014-07-Understanding-Convolutions/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Understanding Convolutions&i class=&icon-external&&&/i&&/a&&br&介绍:这是一篇介绍图像卷积运算的文章，讲的已经算比较详细的了。&br&&a href=&/?target=http%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Machine Learning Summer School》&i class=&icon-external&&&/i&&/a&&br&介绍：每天请一个大牛来讲座，主要涉及机器学习，大数据分析，并行计算以及人脑研究。 &a href=&/?target=https%3A///user/smolix& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://www.&/span&&span class=&visible&&/user/smolix&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a& （需FQ）&br&&a href=&/?target=https%3A///josephmisiti/awesome-machine-learning& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Awesome Machine Learning》&i class=&icon-external&&&/i&&/a&&br&介绍：一个超级完整的机器学习开源库总结，如果你认为这个碉堡了，那后面这个列表会更让你惊讶：【Awesome Awesomeness】，国内已经有热心的朋友进行了翻译 &a href=&/?target=http%3A///73806/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&中文介绍&i class=&icon-external&&&/i&&/a& ， &a href=&/?target=https%3A///josephmisiti/awesome-machine-learning/blob/master/books.md& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&机器学习数据挖掘免费电子书&i class=&icon-external&&&/i&&/a& 。&br&&a href=&/?target=http%3A//see.stanford.edu/see/lecturelist.aspx%3Fcoll%3D9-4efd-a472f5a& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&斯坦福《自然语言处理》课程视频&i class=&icon-external&&&/i&&/a&&br&介绍:ACL 候任主席、斯坦福大学计算机系 Chris Manning 教授的《自然语言处理》课程所有视频已经可以在斯坦福公开课网站上观看了（如 Chrome 不行，可用 IE 观看） 作业与测验也可以下载。&br&&a href=&/?target=http%3A//freemind.pluskid.org/machine-learning/deep-learning-and-shallow-learning/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Deep Learning and Shallow Learning》&i class=&icon-external&&&/i&&/a&&br&介绍:对比 Deep Learning 和 Shallow Learning 的好文，来着浙大毕业、MIT 读博的 Chiyuan Zhang 的博客。&br&&a href=&/?target=http%3A//benanne.github.io//spotify-cnns.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Recommending music on Spotify with deep learning》&i class=&icon-external&&&/i&&/a&&br&介绍:利用卷积神经网络做音乐推荐。&br&&a href=&/?target=http%3A///index.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Neural Networks and Deep Learning》&i class=&icon-external&&&/i&&/a&&br&介绍：神经网络的免费在线书，已经写了三章了，还有对应的开源代码：&a href=&/?target=https%3A///mnielsen/neural-networks-and-deep-learning& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&mnielsen/neural-networks-and-deep-learning&i class=&icon-external&&&/i&&/a& 爱好者的福音。&br&&a href=&/?target=http%3A///java-machine-learning/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Java Machine Learning》&i class=&icon-external&&&/i&&/a&&br&介绍：Java 机器学习相关平台和开源的机器学习库，按照大数据、NLP、计算机视觉和 Deep Learning 分类进行了整理。看起来挺全的，Java 爱好者值得收藏。&br&&a href=&/?target=http%3A//www.oschina.net/translate/6-tips-for-writing-better-code& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Machine Learning Theory: An Introductory Primer》&i class=&icon-external&&&/i&&/a&&br&介绍：机器学习最基本的入门文章，适合零基础者。&br&&a href=&/?target=http%3A///hotnews/15919.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《机器学习常见算法分类汇总》&i class=&icon-external&&&/i&&/a&&br&介绍：机器学习的算法很多。很多时候困惑人们都是，很多算法是一类算法，而有些算法又是从其他算法中延伸出来的。这里，我们从两个方面来给大家介绍，第一个方面是学习的方式，第二个方面是算法的类似性。&br&&a href=&/?target=http%3A///discussion/68/%25E6%259C%25BA%25E5%%25E5%25AD%25A6%25E4%25B9%25A0%25E7%25BB%258F%25E5%%25E8%25AE%25BA%25E6%survey%25E5%E9%259B%2586& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《机器学习经典论文/survey 合集》&i class=&icon-external&&&/i&&/a&&br&介绍：看题目你已经知道了是什么内容，没错。里面有很多经典的机器学习论文值得仔细与反复的阅读。&br&&a href=&/?target=http%3A//work.caltech.edu/library/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《机器学习视频库》&i class=&icon-external&&&/i&&/a&&br&介绍：视频由加州理工学院（Caltech）出品。需要英语底子。&br&&a href=&/?target=http%3A///discussion/109/%25E6%259C%25BA%25E5%%25E5%25AD%25A6%25E4%25B9%25A0%25E7%25BB%258F%25E5%%25E4%25B9%25A6%25E7%25B1%258D& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《机器学习经典书籍》&i class=&icon-external&&&/i&&/a&&br&介绍：总结了机器学习的经典书籍，包括数学基础和算法理论的书籍，可做为入门参考书单。&br&&a href=&/?target=http%3A///e1/fullnews.asp%3Fedid%3D121516& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《16 Free eBooks On Machine Learning》&i class=&icon-external&&&/i&&/a&&br&介绍:16 本机器学习的电子书，可以下载下来在 pad，手机上面任意时刻去阅读。不多我建议你看完一本再下载一本。&br&&a href=&/?target=http%3A///large-set-machine-learning-resources-beginners-mavens/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《A Large set of Machine Learning Resources for Beginners to Mavens》&i class=&icon-external&&&/i&&/a&&br&介绍:标题很大，从新手到专家。不过看完上面所有资料。肯定是专家了。&br&&a href=&/?target=http%3A//article.yeeyan.org/view/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《机器学习最佳入门学习资料汇总》&i class=&icon-external&&&/i&&/a&&br&介绍：入门的书真的很多，而且我已经帮你找齐了。&br&&a href=&/?target=http%3A//users.soe.ucsc.edu/%7Eniejiazhong/slides/chandra.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Sibyl》&i class=&icon-external&&&/i&&/a&&br&介绍：Sibyl 是一个监督式机器学习系统，用来解决预测方面的问题，比如 YouTube 的视频推荐。&br&&a href=&/?target=http%3A//www.iro.umontreal.ca/%7Ebengioy/dlbook/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Deep Learning》&i class=&icon-external&&&/i&&/a&&br&介绍：Yoshua Bengio, Ian Goodfellow， Aaron Courville 著。&br&&a href=&/?target=http%3A//www.slideshare.net/ssuser9cc1bd/piji-li-dltm& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Neural Network & Text Mining》&i class=&icon-external&&&/i&&/a&&br&介绍:关于(Deep) Neural Networks 在 NLP 和 Text Mining 方面一些 paper 的总结。&br&&a href=&/?target=http%3A///lxy2017/p/3927226.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《前景目标检测1（总结）》&i class=&icon-external&&&/i&&/a&&br&介绍:计算机视觉入门之前景目标检测1（总结）&br&&a href=&/?target=http%3A//www.52ml.net/17004.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《行人检测》&i class=&icon-external&&&/i&&/a&&br&介绍:计算机视觉入门之行人检测。&br&&a href=&/?target=http%3A///2014/08/deep-learning-important-resources-learning-understanding.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Deep Learning – important resources for learning and understanding》&i class=&icon-external&&&/i&&/a&&br&介绍:Important resources for learning and understanding . Is awesome&br&&a href=&/?target=http%3A///machine-learning/machine-learning-theory-an-introductory-primer& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Machine Learning Theory: An Introductory Primer》&i class=&icon-external&&&/i&&/a&&br&介绍:这又是一篇机器学习初学者的入门文章。值得一读&br&&a href=&/?target=http%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Neural Networks and Deep Learning》&i class=&icon-external&&&/i&&/a&&br&介绍:在线 Neural Networks and Deep Learning 电子书。&br&&a href=&/?target=http%3A///python-%25E7%25BD%%25A1%25B5%25E7%2588%25AC%25E8%2599%25AB-%25E6%E6%259C%25AC%25E5%25A4%%-%25E7%25A7%%25AD%25A6%25E8%25AE%25A1%25E7%25AE%%259C%25BA%25E5%%25E5%25AD%25A6%25E4%25B9%25A0-%25E6%%25E6%258D%25AE%25E6%258C%%258E%2598& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Python 网页爬虫 & 文本处理 & 科学计算 & 机器学习 & 数据挖掘兵器谱》&i class=&icon-external&&&/i&&/a&&br&介绍:python 的 17 个关于机器学习的工具。&br&&a href=&/?target=http%3A///%25E6%25A6%%258E%%25BB%259F%25E8%25AE%25A1/E7%25A5%259E%25E5%25A5%%259A%%25BC%25BD%25E7%258E%259B%25E5%2587%25BD%25E6%%25E4%25B8%258A/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《神奇的伽玛函数(上)》&i class=&icon-external&&&/i&&/a&&br&介绍:下集在这里 &a href=&/?target=http%3A///%25E6%%25E5%25AD%25A6%25E4%25B9%258B%25E7%25BE%258E/E7%25A5%259E%25E5%25A5%%259A%%25BC%25BD%25E7%258E%259B%25E5%2587%25BD%25E6%%25E4%25B8%258A/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&神奇的伽玛函数(下)&i class=&icon-external&&&/i&&/a&&br&&a href=&/?target=http%3A//cxwangyi.github.io//distributed-machine-learning/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《分布式机器学习的故事》&i class=&icon-external&&&/i&&/a&&br&介绍:作者王益目前是腾讯广告算法总监，王益博士毕业后在 google 任研究。这篇文章王益博士 7 年来从谷歌到腾讯对于分布机器学习的所见所闻。值得细读&br&&a href=&/?target=http%3A//metacademy.org/roadmaps/cjrd/level-up-your-ml& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《机器学习提升之道（Level-Up Your Machine Learning）》&i class=&icon-external&&&/i&&/a&&br&介绍:把机器学习提升的级别分为0~4 级，每级需要学习的教材和掌握的知识。这样，给机器学习者提供一个上进的路线图，以免走弯路。另外，整个网站都是关于机器学习的，资源很丰富。&br&&a href=&/?target=http%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Machine Learning Surveys》&i class=&icon-external&&&/i&&/a&&br&介绍:机器学习各个方向综述的网站；&br&&a href=&/?target=http%3A//deeplearning.net/reading-list/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Deep Learning Reading list》&i class=&icon-external&&&/i&&/a&&br&介绍:深度学习阅资源列表；&br&&a href=&/?target=http%3A///pubs/219984/DeepLearningBook_RefsByLastFirstNames.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Deep Learning: Methods and Applications》&i class=&icon-external&&&/i&&/a&&br&介绍：这是一本来自微的研究员 li Peng 和 Dong Yu 所著的关于深度学习的方法和应用的电子书；&br&&a href=&/?target=http%3A///s/1pJ0ok7T& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Machine Learning Summer School 2014》&i class=&icon-external&&&/i&&/a&&br&介绍:2014 年七月 CMU 举办的机器学习夏季课刚刚结束有近 50 小时的视频、十多个 PDF 版幻灯片，覆盖深度学习，贝叶斯，分布式机器学习，伸缩性等热点话题。所有 13 名讲师都是牛人：包括大牛 Tom Mitchell （他的［机器学习］是名校的常用教材），还有 CMU 李沐 .（1080P 高清哟）&br&&a href=&/?target=http%3A//users.soe.ucsc.edu/%7Eniejiazhong/slides/chandra.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Sibyl: 来自 Google 的大规模机器学习系统》&i class=&icon-external&&&/i&&/a&&br&介绍:在今年的 IEEE/IFIP 可靠系统和网络（DSN）国际会议上，Google 软件工程师 Tushar Chandra 做了一个关于 Sibyl 系统的主题演讲。 Sibyl 是一个监督式机器学习系统，用来解决预测方面的问题，比如 YouTube 的视频推荐。详情请阅读 &a href=&/?target=http%3A//q.com/cn/news/2014/07/google-sibyl& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&google sibyl&i class=&icon-external&&&/i&&/a&&br&&a href=&/?target=http%3A///2014/09/building-deeper-understanding-of-images.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Building a deeper understanding of images》&i class=&icon-external&&&/i&&/a&&br&介绍:谷歌研究院的 Christian Szegedy 在谷歌研究院的博客上简要地介绍了他们今年参加 ImageNet 取得好成绩的 GoogLeNet 系统.是关于图像处理的。&br&&a href=&/?target=https%3A///memect/hao/blob/master/awesome/bayesian-network-python.md& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Bayesian network 与 python 概率编程实战入门》&i class=&icon-external&&&/i&&/a&&br&介绍:贝叶斯学习。如果不是很清可看看 &a href=&/?target=http%3A//q.com/cn/news/2014/07/programming-language-bayes& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&概率编程语言与贝叶斯方法实践&i class=&icon-external&&&/i&&/a& ；&br&&a href=&/?target=http%3A///r/MachineLearning/comments/2fxi6v/ama_michael_i_jordan/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《AMA: Michael I Jordan》&i class=&icon-external&&&/i&&/a&&br&介绍:网友问伯克利机器学习大牛、美国双料院士 Michael I. Jordan：&如果你有 10 亿美金，你怎么花？Jordan: &我会用这 10 亿美金建造一个 NASA 级别的自然语言处理研究项目。&&br&&a href=&/?target=http%3A///tornadomeet/p/3395593.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《机器学习&数据挖掘笔记_16（常见面试之机器学习算法思想简单梳理）》&i class=&icon-external&&&/i&&/a&&br&介绍:常见面试之机器学习算法思想简单梳理；&br&&a href=&/?target=http%3A///2014/09/most-viewed-web-mining-lectures-videolectures.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《文本与数据挖掘视频汇总》&i class=&icon-external&&&/i&&/a&&br&介绍：Videolectures 上最受欢迎的 25 个文本与数据挖掘视频汇总；&br&&a href=&/?target=http%3A////which-gpu-for-deep-learning/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《怎么选择深度学习的 GPUs》&i class=&icon-external&&&/i&&/a&&br&介绍:在 Kaggle 上经常取得不错成绩的 Tim Dettmers 介绍了他自己是怎么选择深度学习的 GPUs, 以及个人如何构建深度学习的 GPU 集群: &a href=&/?target=http%3A////how-to-build-and-use-a-multi-gpu-system-for-deep-learning/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&http://t.cn/RhpuD1G&i class=&icon-external&&&/i&&/a&&br&&a href=&/?target=http%3A//q.com/cn/news/2014/09/depth-model& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《对话机器学习大神 Michael Jordan：深度模型》&i class=&icon-external&&&/i&&/a&&br&介绍:对话机器学习大神 Michael Jordan&br&&a href=&/?target=http%3A//.cn/s/blog_46d0a3930101fswl.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Deep Learning 和 Knowledge Graph 引爆大数据革命》&i class=&icon-external&&&/i&&/a&&br&介绍:还有２，３ 部分。 &a href=&/?target=http%3A//.cn/s/blog_46d0ah.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Deep Learning 【2,3】&i class=&icon-external&&&/i&&/a&&br&&a href=&/?target=http%3A//.cn/s/blog_46d0anf.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Deep Learning 教程翻译》&i class=&icon-external&&&/i&&/a&&br&介绍:是 Stanford 教授 Andrew Ng 的 Deep Learning 教程，国内的机器学习爱好者很热心的把这个教程翻译成了中文。如果你英语不好，可以看看这个。&br&&a href=&/?target=http%3A///deep-learning-101/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Deep Learning 101》&i class=&icon-external&&&/i&&/a&&br&介绍:因为近两年来，深度学习在媒体界被炒作很厉害（就像大数据）。其实很多人都还不知道什么是深度学习。这篇文章由浅入深。告诉你深度学究竟是什么！&br&&a href=&/?target=http%3A//ufldl.stanford.edu/wiki/index.php/UFLDL_Tutorial& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《UFLDL Tutorial》&i class=&icon-external&&&/i&&/a&&br&介绍:这是斯坦福大学做的一免费课程（很勉强），这个可以给你在深度学习的路上给你一个学习的思路。里面提到了一些基本的算法。而且告诉你如何去应用到实际环境中。&a href=&/?target=http%3A//ufldl.stanford.edu/wiki/index.php/UFLDL%25E6%E7%25A8%258B& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&中文版&i class=&icon-external&&&/i&&/a&&br&&a href=&/?target=http%3A//deeplearning.cs.toronto.edu/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Toronto Deep Learning Demos》&i class=&icon-external&&&/i&&/a&&br&介绍:这是多伦多大学做的一个深度学习用来识别图片标签／图转文字的 demo。是一个实际应用案例。有源码&br&&a href=&/?target=http%3A//metacademy.org/roadmaps/rgrosse/deep_learning& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Deep learning from the bottom up》&i class=&icon-external&&&/i&&/a&&br&介绍:机器学习模型，阅读这个内容需要有一定的基础。&br&&a href=&/?target=http%3A//cran.r-project.org/web/views/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《R工具包的分类汇总》&i class=&icon-external&&&/i&&/a&&br&介绍: (CRAN Task Views, 34 种常见任务，每个任务又各自分类列举若干常用相关工具包) 例如: 机器学习，自然语言处理，时间序列分析，空间信息分析，多重变量分析，计量经济学，心理统计学，社会学统计，化学计量学，环境科学，药物代谢动力学等。&br&&a href=&/?target=http%3A///hotnews/15919.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《机器学习常见算法分类汇总》&i class=&icon-external&&&/i&&/a&&br&介绍: 机器学习无疑是当前数据分析领域的一个热点内容。很多人在平时的工作中都或多或少会用到机器学习的算法。本文为您总结一下常见的机器学习算法，以供您在工作和学习中参考.&br&&a href=&/?target=http%3A//blog.csdn.net/zouxy09/article/details/8775360& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Deep Learning（深度学习）学习笔记整理系列》&i class=&icon-external&&&/i&&/a&&br&介绍: 很多干货，而且作者还总结了好几个系列。另外还作者还了一个文章导航.非常的感谢作者总结。&br&&a href=&/?target=http%3A//blog.csdn.net/zouxy09/article/details/8775488& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Deep Learning（深度学习）学习笔记整理系列之（二）&i class=&icon-external&&&/i&&/a&&br&&a href=&/?target=http%3A//blog.csdn.net/zouxy09/article/details/8775518& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Deep Learning（深度学习）学习笔记整理系列之（三）&i class=&icon-external&&&/i&&/a&&br&&a href=&/?target=http%3A//blog.csdn.net/zouxy09/article/details/8775524& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Deep Learning（深度学习）学习笔记整理系列之（四）&i class=&icon-external&&&/i&&/a&&br&&a href=&/?target=http%3A//blog.csdn.net/zouxy09/article/details/8777094& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Deep Learning（深度学习）学习笔记整理系列之（五）&i class=&icon-external&&&/i&&/a&&br&&a href=&/?target=http%3A//blog.csdn.net/zouxy09/article/details/8781396& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Deep Learning（深度学习）学习笔记整理系列之（六）&i class=&icon-external&&&/i&&/a&&br&&a href=&/?target=http%3A//blog.csdn.net/zouxy09/article/details/8781543& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Deep Learning（深度学习）学习笔记整理系列之（七）&i class=&icon-external&&&/i&&/a&&br&&a href=&/?target=http%3A//blog.csdn.net/zouxy09/article/details/8782018& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&DeepLearning（深度学习）学习笔记整理系列之（八）&i class=&icon-external&&&/i&&/a&&br&&a href=&/?target=http%3A///apps/video/default.aspx%3Fid%3Dl%3Di& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Tutorials Session A - Deep Learning for Computer Vision》&i class=&icon-external&&&/i&&/a&&br&介绍:传送理由：Rob Fergus 的用深度学习做计算机是觉的 NIPS 2013 教程。有 mp4, mp3, pdf 各种下载 他是纽约大学教授，目前也在 Facebook 工作，他 2014 年的 8 篇 &a href=&/?target=http%3A//cs.nyu.edu/%7Efergus/pmwiki/pmwiki.php%3Fn%3DPmWiki.Publications& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&论文&i class=&icon-external&&&/i&&/a& 。&br&&a href=&/?target=https%3A///xpqiu/fnlp/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《FudanNLP》&i class=&icon-external&&&/i&&/a&&br&介绍:FudanNLP，这是一个复旦大学计算机学院开发的开源中文自然语言处理（NLP）工具包 Fudan NLP 里包含中文分词、关键词抽取、命名实体识别、词性标注、时间词抽取、语法分析等功能，对搜索引擎文本分析等极为有价值。&br&&a href=&/?target=http%3A///large-scale-machine-learning/open-sourcing-ml-ease& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Open Sourcing ml-ease》&i class=&icon-external&&&/i&&/a&&br&介绍:LinkedIn 开源的机器学习工具包，支持单机， Hadoop cluster，和 Spark cluster 重点是 logistic regression 算法。&br&&a href=&/?target=http%3A//ztl2004.github.io/MachineLearningWeekly/index.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《机器学习周刊》&i class=&icon-external&&&/i&&/a&&br&介绍:对于英语不好，但又很想学习机器学习的朋友。是一个大的福利。机器学习周刊目前主要提供中文版，还是面向广大国内爱好者，内容涉及机器学习、数据挖掘、并行系统、图像识别、人工智能、机器人等等。谢谢作者。&br&《线性代数》&br&介绍：《线性代数》是《机器学习》的重要数学先导课程。其实《线代》这门课讲得浅显易懂特别不容易，如果一上来就讲逆序数及罗列行列式性质，很容易让学生失去学习的兴趣。我个人推荐的最佳《线性代数》课程是麻省理工 Gilbert Strang 教授的课程。&a href=&/?target=http%3A//ocw.mit.edu/courses/mathematics/18-06-linear-algebra-spring-2010/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&课程主页&i class=&icon-external&&&/i&&/a&&br&&a href=&/?target=http%3A//blog.andreamostosi.name/big-data/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Big-data》&i class=&icon-external&&&/i&&/a&&br&介绍:大数据数据处理资源、工具不完备列表，从框架、分布式编程、分布式文件系统、键值数据模型、图数据模型、数据可视化、列存储、机器学习等。很赞的资源汇总。&br&&a href=&/?target=http%3A///post//machine-learning-for-smart-dummies& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《machine learning for smart dummies》&i class=&icon-external&&&/i&&/a&&br&介绍:雅虎邀请了一名来自本古里安大学的访问学者，制作了一套关于机器学习的系列视频课程。本课程共分为 7 期，详细讲解了有关 SVM, boosting, nearest neighbors, decision trees 等常规机器学习算法的理论基础知识。&br&&a href=&/?target=http%3A//arxiv.org/abs/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Entanglement-Based Quantum Machine Learning》&i class=&icon-external&&&/i&&/a&&br&介绍:应对大数据时代，量子机器学习的第一个实验 &a href=&/?target=http%3A//arxiv-web3.library.cornell.edu/pdf/.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&paper 下载&i class=&icon-external&&&/i&&/a&&br&&a href=&/?target=http%3A///2014/01/how-to-hack-okcupid/all/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《How a Math Genius Hacked OkCupid to Find True Love》&i class=&icon-external&&&/i&&/a&&br&介绍:Wired 杂志报道了 UCLA 数学博士 Chris McKinlay （图1）通过大数据手段+机器学习方法破解婚恋网站配对算法找到真爱的故事，通过 Python 脚本控制着 12 个账号，下载了婚恋网站 2 万女用户的 600 万问题答案，对他们进行了统计抽样及聚类分析（图2，3），最后终于收获了真爱。科技改变命运！&br&&a href=&/?target=https%3A//www.edx.org/course/mitx/mitx-6-832x-underactuated-robotics-3511& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Underactuated Robotics》&i class=&icon-external&&&/i&&/a&&br&介绍:MIT 的 Underactuated Robotics 于 2014 年 10 月 1 日开课，该课属于 MIT 研究生级别的课程，对机器人和非线性动力系统感兴趣的朋友不妨可以挑战一下这门课程！&br&&a href=&/?target=http%3A///%3Fp%3D498& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《mllib 实践经验(1)》&i class=&icon-external&&&/i&&/a&&br&介绍:mllib 实践经验分享&br&&a href=&/?target=http%3A///2014/09/google-turns-deep-learning-classification-fight-web-spam/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Google Turns To Deep Learning Classification To Fight Web Spam》&i class=&icon-external&&&/i&&/a&&br&介绍:Google 用 Deep Learning 做的 antispam (反垃圾邮件)&br&&a href=&/?target=https%3A///memect/hao/blob/master/awesome/nlp.md& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《NLP 常用信息资源》&i class=&icon-external&&&/i&&/a&&br&介绍:NLP 常用信息资源&em&&a href=&/?target=https%3A///memect/hao/blob/master/awesome/nlp.md& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《NLP 常用信息资源》&i class=&icon-external&&&/i&&/a&&br&&a href=&/?target=https%3A///soulmachine/machine-learning-cheat-sheet& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《机器学习速查表》&i class=&icon-external&&&/i&&/a&&br&介绍:机器学习速查表&br&&a href=&/?target=http%3A//arnetminer.org/conferencebestpapers& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Best Papers vs. Top Cited Papers in Computer Science》&i class=&icon-external&&&/i&&/a&&br&介绍：从 1996 年开始在计算机科学的论文中被引用次数最多的论文&br&&a href=&/?target=http%3A//mmcheng.net/zh/itam/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《InfiniTAM: 基于深度图像的体数据集成框架》&i class=&icon-external&&&/i&&/a&&br&介绍：把今年的一个 ACM Trans. on Graphics (TOG)论文中的代码整理为一个开源的算法框架，共享出来了。欢迎大家使用。可以实时的采集 3D 数据、重建出三维模型。Online learning，GPU Random forest，GPU CRF 也会后续公开。&br&&a href=&/?target=http%3A//karpathy.github.io/neuralnets/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Hacker's guide to Neural Networks》&i class=&icon-external&&&/i&&/a&&br&介绍：【神经网络黑客指南】现在，最火莫过于深度学习（Deep Learning），怎样更好学习它？可以让你在浏览器中，跑起深度学习效果的超酷开源项目 convnetjs 作者 karpathy 告诉你，最佳技巧是，当你开始写代码，一切将变得清晰。他刚发布了一本图书，不断在线更新。&br&&a href=&/?target=http%3A///building-a-production-machine-learning-infrastructure/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Building a Production Machine Learning Infrastructure》&i class=&icon-external&&&/i&&/a&&br&介绍：前 Google 广告系统工程师 Josh Wills 讲述工业界和学术界机器学习的异同，大实话。&br&&a href=&/?target=http%3A///blog/deep-learning-sentiment-analysis-movie-reviews-using-neo4j/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Deep Learning Sentiment Analysis for Movie Reviews using Neo4j》&i class=&icon-external&&&/i&&/a&&br&介绍：使用 Neo4j 做电影评论的情感分析。&br&&a href=&/?target=http%3A///deep-learning-bibliography/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《DeepLearning.University – An Annotated Deep Learning Bibliography》&i class=&icon-external&&&/i&&/a&&br&介绍：不仅是资料，而且还对有些资料做了注释。&br&&a href=&/?target=http%3A///blog/a-primer-on-deep-learning/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《A primer on deeping learning》&i class=&icon-external&&&/i&&/a&&br&介绍：深度学习入门的初级读本&br&&a href=&/?target=https%3A///item%3Fid%3D8379571& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Machine learning is teaching us the secret to teaching 》&i class=&icon-external&&&/i&&/a&&br&介绍：机器学习教会了我们什么？&br&&a href=&/?target=http%3A//scikit-learn.org/stable/documentation.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《scikit-learn：用于机器学习的 Python 模块》&i class=&icon-external&&&/i&&/a&&br&介绍：scikit-learn 是在 SciPy 基础上构建的用于机器学习的 Python 模块。&br&&a href=&/?target=http%3A//q.com/cn/news/2014/10/interview-michael-jordan& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《对话机器学习大神 Michael Jordan：解析领域中各类模型》&i class=&icon-external&&&/i&&/a&&br&介绍：乔丹教授（Michael I. Jordan）教授是机器学习领域神经网络的大牛，他对深度学习、神经网络有着很浓厚的兴趣。因此，很多提问的问题中包含了机器学习领域的各类模型，乔丹教授对此一一做了解释和展望。&br&[《A&/em&搜索算法的可视化短教程》](&a href=&/?target=http%3A///pathfinding/a-star/introduction.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Introduction to A*&i class=&icon-external&&&/i&&/a&)&br&介绍：A*搜索是人工智能基本算法，用于高效地搜索图中两点的最佳路径， 核心是 g (n) +h(n): g (n)是从起点到顶点n的实际代价，h(n)是顶点n到目标顶点的估算代价。 &a href=&/?target=https%3A///memect/hao/issues/256& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&合集&i class=&icon-external&&&/i&&/a&&br&&a href=&/?target=http%3A//code.csdn.net/news/2822123& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《基于云的自然语言处理开源项目 FudanNLP》&i class=&icon-external&&&/i&&/a&&br&介绍：本项目利用了 Microsoft Azure，可以在几分种内完成 NLP on Azure Website 的部署，立即开始对 FNLP 各种特性的试用，或者以 REST API 的形式调用 FNLP 的语言分析功能。&br&&a href=&/?target=http%3A///playlist_show/id_.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《吴立德《概率主题模型&数据科学基础》》&i class=&icon-external&&&/i&&/a&&br&介绍：现任复旦大学首席教授、计算机软件博士生导师。计算机科学研究所副所长.内部课程。&br&&a href=&/?target=http%3A///article/machine-learning-guide.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《机器学习入门资源不完全汇总》》&i class=&icon-external&&&/i&&/a&&br&介绍：好东西的干货真的很多&br&&a href=&/?target=http%3A///deep-learning-bibliography/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《收集从 2014 年开始深度学习文献》&i class=&icon-external&&&/i&&/a&&br&介绍：从硬件、图像到健康、生物、大数据、生物信息再到量子计算等，Amund Tveit 等维护了一个 DeepLearning.University 小项目：收集从 2014 年开始深度学习文献，相信可以作为深度学习的起点, &a href=&/?target=https%3A///memkite/DeepLearningBibliography& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&github&i class=&icon-external&&&/i&&/a&&br&&a href=&/?target=http%3A//emnlp2014.org/papers/pdf/EMNLP2014148.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《EMNLP 上两篇关于股票趋势的应用论文 》&i class=&icon-external&&&/i&&/a&&br&介绍：EMNLP 上两篇关于 &a href=&/?target=http%3A//emnlp2014.org/papers/pdf/EMNLP2014148.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&stock trend&i class=&icon-external&&&/i&&/a& 用到了 deep model 组织特征； &a href=&/?target=http%3A//emnlp2014.org/papers/pdf/EMNLP2014120.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Exploiting Social Relations and Sentiment for Stock Prediction&i class=&icon-external&&&/i&&/a& 用到了 stock network。&br&&a href=&/?target=http%3A//deeplearning.net/tutorial/deeplearning.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Bengio 组（蒙特利尔大学 LISA 组）深度学习教程 》&i class=&icon-external&&&/i&&/a&&br&介绍：作者是深度学习一线大牛 Bengio 组写的教程，算法深入显出，还有实现代码，一步步展开。&br&&a href=&/?target=http%3A//arxiv.org/pdf/.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《学习算法的 Neural Turing Machine 》&i class=&icon-external&&&/i&&/a&&br&介绍：许多传统的机器学习任务都是在学习 function，不过谷歌目前有开始学习算法的趋势。谷歌另外的这篇学习 Python 程序的 &a href=&/?target=http%3A//arxiv.org/pdf/.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Learning to Execute&i class=&icon-external&&&/i&&/a& 也有相似之处。&br&&a href=&/?target=http%3A///doi/abs/10.ED2V01Y201410HLT026& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Learning to Rank for Information Retrieval and Natural Language Processing》&i class=&icon-external&&&/i&&/a&&br&介绍：作者是华为技术有限公司，诺亚方舟实验室，首席科学家的李航博士写的关于信息检索与自然语言处理的文章。&br&&a href=&/?target=http%3A//www.aclweb.org/anthology/D11-1147& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Rumor has it: Identifying Misinformation in Microblogs》&i class=&icon-external&&&/i&&/a&&br&介绍：利用机用器学习在谣言的判别上的应用，此外还有两个。一个是识别垃圾与虚假信息的 &a href=&/?target=http%3A//digital.cs.usu.edu/%7Ekyumin/tutorial/www-tutorial.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&paper&i class=&icon-external&&&/i&&/a& .还有一个是 &a href=&/?target=http%3A///news/details_1319.htm& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&网络舆情及其分析技术&i class=&icon-external&&&/i&&/a& 。&br&《R机器学习实践》&br&介绍：该课程是网易公开课的收费课程，不贵，超级便宜。主要适合于对利用R语言进行机器学习，数据挖掘感兴趣的人。&br&&a href=&/?target=http%3A///bigdataanalyticsbeyondhadoop_evolutionofmlrealizaton/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《大数据分析：机器学习算法实现的演化》&i class=&icon-external&&&/i&&/a&&br&介绍：本章中作者总结了三代机器学习算法实现的演化：第一代非分布式的， 第二代工具如 Mahout 和 Rapidminer 实现基于 Hadoop 的扩展，第三代如 Spark 和 Storm 实现了实时和迭代数据处理。 &a href=&/?target=http%3A///wp-content/uploads/2014/05/big-data-analytics-beyond-hadoop.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&BIG DATA ANALYTICS BEYOND HADOOP&i class=&icon-external&&&/i&&/a&&br&&a href=&/?target=http%3A///subject/5921462/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《图像处理，分析与机器视觉》&i class=&icon-external&&&/i&&/a&&br&介绍：讲计算机视觉的四部奇书（应该叫经典吧）之一，另外三本是 Hartley 的《多图几何》、Gonzalez 的《数字图像处理》、Rafael C.Gonzalez / Richard E.Woods 的&a href=&/?target=http%3A///subject/1106342/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《数字图像处理》&i class=&icon-external&&&/i&&/a&&br&&a href=&/?target=http%3A///s/1sjFeLTN& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《LinkedIn 最新的推荐系统文章 Browsemaps》&i class=&icon-external&&&/i&&/a&&br&介绍：里面基本没涉及到具体算法，但作者介绍了 CF 在 LinkedIn 的很多应用，以及他们在做推荐过程中获得的一些经验。最后一条经验是应该监控 log 数据的质量，因为推荐的质量很依赖数据的质量！&br&&a href=&/?target=http%3A//.cn/s/blog_574a437f01019poo.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《初学者如何查阅自然语言处理（NLP）领域学术资料》&i class=&icon-external&&&/i&&/a&&br&介绍：初学者如何查阅自然语言处理（NLP）领域学术资料。&br&&a href=&/?target=http%3A//www.open-electronics.org/raspberry-pi-and-the-camera-pi-module-face-recognition-tutorial/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《树莓派的人脸识别教程》&i class=&icon-external&&&/i&&/a&&br&介绍：用树莓派和相机模块进行人脸识别。&br&&a href=&/?target=http%3A//www./uploads/3/1/6/8/3168008/short_text_conversation_mla.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《利用深度学习与大数据构建对话系统 》&i class=&icon-external&&&/i&&/a&&br&介绍：如何利用深度学习与大数据构建对话系统。&br&&a href=&/?target=http%3A//lear.inrialpes.fr/people/mairal/resources/pdf/review_sparse_arxiv.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《经典论文 Leo Breiman：Statistical Modeling: The Two Cultures 》&i class=&icon-external&&&/i&&/a&&br&介绍：Francis Bach 合作的有关稀疏建模的新综述(书)：Sparse Modeling for Image and Vision Processing，内容涉及 Sparsity， Dictionary Learning, PCA, Matrix Factorization 等理论，以及在图像和视觉上的应用，而且第一部分关于 Why does the l1-norm induce sparsity 的解释也很不错。&br&&a href=&/?target=http%3A//www.umiacs.umd.edu/%7Ehal/docs/daume04rkhs.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Reproducing Kernel Hilbert Space》&i class=&icon-external&&&/i&&/a&&br&介绍：RKHS 是机器学习中重要的概念，其在 large margin 分类器上的应用也是广为熟知的。如果没有较好的数学基础，直接理解 RKHS 可能会不易。本文从基本运算空间讲到 Banach 和 Hilbert 空间，深入浅出，一共才 12 页。&br&&a href=&/?target=http%3A//karpathy.github.io/neuralnets/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Hacker's guide to Neural Networks》&i class=&icon-external&&&/i&&/a&&br&介绍：许多同学对于机器学习及深度学习的困惑在于，数学方面已经大致理解了，但是动起手来却不知道如