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）(1)(2)
《神奇的伽玛函数(上)》
介绍:下集在这里神奇的伽玛函数(下)
《分布式机器学习的故事》
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
《机器学习提升之道Level-Up Your Machine Learning）》
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。
《Machine Learning Surveys》
介绍:机器学习各个方向综述的网站
《Deep Learning Reading list》
介绍:深度学习阅资源列表
《Deep Learning: Methods and Applications》
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
《Machine Learning Summer School 2014》
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）
《Sibyl: 来自 Google 的大规模机器学习系统》
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 google sibyl
《Building a deeper understanding of images》
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。
《Bayesian network 与 python 概率编程实战入门》
介绍:贝叶斯学习。如果不是很清可看看概率编程语言与贝叶斯方法实践
《AMA: Michael I Jordan》
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。"
《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）》
介绍:常见面试之机器学习算法思想简单梳理
《文本与数据挖掘视频汇总》
介绍：Videolectures 上最受欢迎的 25 个文本与数据挖掘视频汇总
《怎么选择深度学习的 GPUs》
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: http://t.cn/RhpuD1G
《对话机器学习大神 Michael Jordan：深度模型》
介绍:对话机器学习大神 Michael Jordan
《Deep Learning 和 Knowledge Graph 引爆大数据革命》
介绍:还有２，３ 部分。http://blog.sina.com.cn/s/blog_46d0a3930101gs5h.html
《Deep Learning 教程翻译》
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
《Deep Learning 101》
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！
《UFLDL Tutorial》
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。中文版
《Toronto Deep Learning Demos》
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
《Deep learning from the bottom up》
介绍:机器学习模型，阅读这个内容需要有一定的基础。
《R工具包的分类汇总》
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
《机器学习常见算法分类汇总》
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.
《Deep Learning深度学习）学习笔记整理系列》
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。
Deep Learning深度学习）学习笔记整理系列之二）
Deep Learning深度学习）学习笔记整理系列之三）
Deep Learning深度学习）学习笔记整理系列之四）
Deep Learning深度学习）学习笔记整理系列之五）
Deep Learning深度学习）学习笔记整理系列之六）
Deep Learning深度学习）学习笔记整理系列之七）
DeepLearning深度学习）学习笔记整理系列之八）
《Tutorials Session A - Deep Learning for Computer Vision》
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 篇论文
《FudanNLP》
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。
《Open Sourcing ml-ease》
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
《机器学习周刊》
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
《线性代数》
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。 课程主页
《Big-data》
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。
《machine learning for smart dummies》
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。
《Entanglement-Based Quantum Machine Learning》
介绍:应对大数据时代，量子机器学习的第一个实验 paper 下载
《How a Math Genius Hacked OkCupid to Find True Love》
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！
《Underactuated Robotics》
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！
《mllib 实践经验(1)》
介绍:mllib 实践经验分享
《Google Turns To Deep Learning Classification To Fight Web Spam》
介绍:Google 用 Deep Learning 做的 antispam (反垃圾邮件)
《NLP 常用信息资源》
介绍:NLP 常用信息资源* 《NLP 常用信息资源》
《机器学习速查表》
介绍:机器学习速查表
《Best Papers vs. Top Cited Papers in Computer Science》
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
《InfiniTAM: 基于深度图像的体数据集成框架》
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。
《Hacker's guide to Neural Networks》
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
《Building a Production Machine Learning Infrastructure》
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
《Deep Learning Sentiment Analysis for Movie Reviews using Neo4j》
介绍：使用 Neo4j 做电影评论的情感分析。
《DeepLearning.University – An Annotated Deep Learning Bibliography》
介绍：不仅是资料，而且还对有些资料做了注释。
《A primer on deeping learning》
介绍：深度学习入门的初级读本
《Machine learning is teaching us the secret to teaching 》
介绍：机器学习教会了我们什么？
《scikit-learn：用于机器学习的 Python 模块》
介绍：scikit-learn 是在 SciPy 基础上构建的用于机器学习的 Python 模块。
《对话机器学习大神 Michael Jordan：解析领域中各类模型》
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。
《A*搜索算法的可视化短教程》
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。合集
《基于云的自然语言处理开源项目 FudanNLP》
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
《吴立德《概率主题模型&数据科学基础》》
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
《机器学习入门资源不完全汇总》》
介绍：好东西的干货真的很多
《收集从 2014 年开始深度学习文献》
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,github
《EMNLP 上两篇关于股票趋势的应用论文 》
介绍：EMNLP 上两篇关于 stock trend 用到了 deep model 组织特征； Exploiting Social Relations and Sentiment for Stock Prediction 用到了 stock network。
《Bengio 组蒙特利尔大学 LISA 组）深度学习教程 》
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。
《学习算法的 Neural Turing Machine 》
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 Learning to Execute 也有相似之处
《Learning to Rank for Information Retrieval and Natural Language Processing》
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
《Rumor has it: Identifying Misinformation in Microblogs》
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 paper.还有一个是网络舆情及其分析技术
《R机器学习实践》
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。
评论暂时关闭