【IPN:matplotlib库最新进展】《State of the Library: matplotlib》by Thomas A CaswellO网页链接
【论文:(Microsoft)万亿级图计算平台GraM】《GraM: Scaling Graph Computation to the Trillions》M Wu, F Yang, J Xue... (SoCC2015)O网页链接
【幻灯:(Pygotham 2015)单CPU大规模(核外)非线性学习】《Large scale non-linear learning on a single CPU》by Andreas MuellerO网页链接云:O网页链接
【开源:SVM集成学习库EnsembleSVM】O网页链接GitHub:O网页链接介绍文章《EnsembleSVM: A Library for Ensemble Learning Using Support Vector Machines》O网页链接
【(Python)机器学习图像识别实例】《Image Recognition using Machine Learning Techniques》by prafulkO网页链接
【"CS224U: Natural Language Understanding"斯坦福NLU2015课程】，代码+数据。分布式词表示 关系提取 语义parsing 神经网络用于自然语言理解。众多工具和扩展阅读。O网页链接
【基于极小化极大(Minimax)算法的"unbeatable" Tic Tac Toe】《Tic Tac Toe: Understanding The Minimax Algorithm》by Jason FoxO网页链接
【Google语音转录背后的神经网络】《The neural networks behind Google Voice transcription》by Françoise BeaufaysO网页链接pdf:O网页链接 提供的译文《谷歌语音转录背后的神经网络》O网页链接
【博士论文:(David Blei)文本/图像概率模型】《Probabilistic Models Of Text And Images》David Meir Blei (2004)O网页链接
【博士论文:图/统计建模凸优化方法】《Convex Optimization Methods for Graphs and Statistical Modeling》Venkat Chandrasekaran (2011)O网页链接
【博士论文:变分近似贝叶斯推理算法】《Variational Algorithms For Approximate Bayesian Inference》Matthew J. Beal (2003)O网页链接
【PRML】【资料笔记】//@爱可可-爱生活:@52nlp网站的"PRML读书会"系列资料：O网页链接或者@Nietzsche_复杂网络机器学习的"PRML读书会"系列微博文章:O网页链接【几个版本的PRML笔记】Jian Xiao的《Notes on Pattern Recognition and Machine Learning (Bishop)》O网页链接Yuandong Tian的《Some notes on Pattern Recognition and Machine Learning》O网页链接ChillyRain的"PRML Notes"系列博文:O网页链接
集智年会18位主要演讲者PPT公开发布！全是干货！欢迎下载 搭车推一下集智年会2015参会者各位的ppt，涉及人工智能、深度学习、计算社会科学、物理学多个方面。O网页链接good book
PRML 看过很多SVM的资料，都没有这本书里边的完整简洁明了O网页链接 比一帮搞工程的写的所谓SVM学习心得当然是好的多，但是里面混淆概念的地方也很多，我一度以为我优化里学的Lagrange和ML学的不是同一个，单说SVM这一章，图书馆里随便找本叫SVM的书都比这说的细。
隐马尔科夫模型HMM(下)： 看了无数的论文，逛了无数的坛子也没把隐马弄明白，终于在July EDU的视频中和邹博的讲解下秒懂了。O网页链接
Fast Differentially Private Matrix Factorization[Liu,RecSys15]通过随机梯度朗之万动力学联系微分隐私到贝叶斯后验采样O网页链接
【"傻瓜版"Logistic回归介绍】《Logistic Regression (for dummies)》O网页链接
【Andrew Ng机器学习课程学习笔记】JerryLead总结版:O网页链接云:O网页链接
【(R)面向深度学习的线性代数速查】《Linear Algebra for Deep Learning in R》by Naimish AgarwalO网页链接
【博士论文:(Ilya Sutskever)RNN训练】《Training Recurrent Neural Networks》Ilya Sutskever, University of Toronto (2012)O网页链接云:O网页链接
【论文+代码:LSTM网络综合评测】《Benchmarking of LSTM Networks》Thomas M. Breuel (2015)O网页链接GitHub:O网页链接
【视频+讲义:nVIDIA深度学习课程】"Deep Learning Courses"O网页链接云:O网页链接
网上有个薛开宇的caffe学习笔记，转个比较全的集成版pdf:O网页链接
【(Python)NN训练过程可视化(附源码)】《Video of a neural network learning》by Go to the profile of Milo Spencer-HarperO网页链接GitHub(Neural Network Animation):
【(R)多层分类变量Impact Coding回归建模】《Modeling Trick: Impact Coding Of Categorical Variables With Many Levels》by Nina ZumelO网页链接
【给开发者的机器学习践行指南】《Machine Learning for Programmers: Leap from developer to machine learning practitioner》by Jason BrownleeO网页链接
【开源:病态矩阵的迭代求逆InverseProblem】"This function inverts ill conditioned matrices using an iterative solution to the Tikhonov regularization problem"O网页链接
[IPN] Kalman Filter textbook using Ipython NotebookO网页链接卡尔曼滤波器教材，用尽量少的数学和推导，传授直觉和经验，全部Python示例，内容覆盖卡尔曼滤波器、扩展卡尔曼滤波，无迹卡尔曼滤波等，包括练习和参考答案，提供PDF版 ipn:O网页链接云:O网页链接《Kalman and Bayesian Filters in Python》最新版(2015.8.9):O网页链接
【视频:结构深度学习】《Deep Learning with Structure, Charlie Tang, Uni of Toronto - RE.WORK Deep Learning Summit 2015》O网页链接云:O网页链接参阅:O爱可可-爱生活
【Machine Learning Group,University of Cambridge的Publications】O网页链接
【博士论文:面向语音识别/计算化学/自然语言处理的深度学习方法】《Deep learning approaches to problems in speech recognition, computational chemistry, and natural language text processing》George E. Dahl, University of Toronto (2015)O网页链接云:O网页链接
【硕士论文:神经网络Dropout优化】《Improving Neural Networks with Dropout》Nitish Srivastava,University of Toronto (2013)O网页链接云:O网页链接
【Awesome集合大全】覆盖平台、编程语言、前端开发、后端开发、计算机科学、大数据、理论、书籍、编辑器、游戏、开发环境、娱乐、数据库、资源、安全等主题，堪称Awesome之Awesome GitHub:O网页链接pdf:O网页链接参阅O爱可可-爱生活
【开源:(Python)Random Bits Regression+FTRL=Randomly Follow the Regularized Leader在线学习分类器】"Online Random Bit Regression with FTRL-Proximal in Python"O网页链接
【Deep Generative Models】Deep Generative ModelsO网页链接Bengio于8月12日在DL暑期班介绍深度生成模型，第15页开讲Denoising AE，第29页提到Helmholtz machine和Variational AE，结论目前最好的图像模型是 Generative Adversarial NetsO网页链接
百度余凯团队最新力作《基于深度学习的图像识别进展：百度的若干实践》，里面不少有价值的实践经验。作者：都大龙、余轶南、罗恒，其他作者：张健、黄畅、徐伟、余凯。《中国计算机学会通讯》第11卷第4期，2015年4月。我学习了一下，写了个摘要和个人体会，仅供参考，文献可下载。O网页链接
Michael Collins自然语言处理中的机器学习法 1) MIT03年。NLP任务: 词性标注 句法分析 WSD IE MT；ML方法: PCFG HMM 估计和平滑技术 EM算法 对数线性模型 核方法O网页链接2) 哥伦毕业12年。O网页链接3) coursera13年。O网页链接4）基本没有神经网络和深度学习法?
【无监督】【LSTM学习】视频表示<编码,解码>LSTM学习视频表示 Unsupervised Learning of Video Representations using LSTMs[Srivastava,ICML15] 用一个编码LSTM将视频序列映射为固定长度的表示，用一个/多个LSTM解码该表示可执行不同的任务，如重构输入序列或者预测未知序列。O网页链接无监督学习提升有监督活动识别任务
【机器学习算法比较】在不同语言或平台下的时间和性能分析比较非常有意思的一个比较：不同机器学习算法在不同语言或平台下的时间和性能分析比较，benchmark for scalability/speed and accuracy of machine learning libraries for classification，见：O网页链接
前些日子谷歌的博客O网页链接介绍了“造梦(inceptionism)”的方式可视化GoogLeNet classes。后来又好事者真的有样学样搞出来了O网页链接，源代码在这里O网页链接
【结构最大熵模型】结构最大熵模型SME，提升L1正则的最大熵算法 Structural Maxent Models [Cortes,ICML15] 条件SME/多项LR，联系二类/多类深度Boosting算法O网页链接最大熵模型很方便的加入各种特征，如输入变量的阈值函数。“结构”指从复杂性不断增加的函数族中选择特征，但更复杂模型的总参数权重要递减
【时间序列】【相似重复结构】【异常检测】【幻灯:时序重复结构(模式)挖掘——算法与应用】《Finding Repeated Structure in Time Series: Algorithms and Applications》by Abdullah Mueen, Eamonn Keogh (SDM2015 Tutorial)O网页链接
【深度高斯过程(GP)】【知识迁移学习】深度高斯过程(GP)知识迁移学习 Asymmetric Transfer Learning with Deep Gaussian Processes [Kandemir,ICML15]将目标域数据通过源域的第一层GP投影到源域的隐藏空间, 将目标域数据通过目标域的第一层GP投影到目标域的隐藏空间; 然后线性组合这两种表示,喂给目标域的第二层GPO网页链接
【迁移学习】【深度学习】【迁移学习实现深度学习模型再利用】《Recycling Deep Learning Models with Transfer Learning》by Zachary Chase LiptonO网页链接
【课程:(Dataquest.io)用Python做商业(数据)分析】《Python for Business Analysts - Learn how Python can supercharge your data analysis workflow》O网页链接
【抑制图像speckle噪声的Multilook技术】《Multilook Technique for speckle reduction》O网页链接
【Python核外Dataframes:Dask/OpenStreetMap】《Out-of-Core Dataframes in Python: Dask and OpenStreetMap》by Jake VanderplasO网页链接
【写给R菜鸟的ggplot2数据可视化指南】《Introduction to ggplot2 for people who don't know R》O网页链接
【牛津大学深度学习课程(2015)】《Deep learning at Oxford 2015》O网页链接Youtube:O网页链接牛津大学Nando de Freitas主讲的机器学习课程，重点介绍深度学习，还请来Deepmind的Alex Graves和Karol Gregor客座报告，内容、讲解都属一流，强烈推荐！ 云:O网页链接 Course materials(Lectures+Practicals):O网页链接GitHub:O网页链接
【幻灯:面向网络搜索和自然语言处理的深度学习(DSSM/RNN)】《Deep Learning for Web Search and Natural Language Processing》by Jianfeng Gao [Microsoft] (WSDM 2015)O网页链接云:O网页链接
【课程:(Dataquest.io)用Python做商业(数据)分析】《Python for Business Analysts - Learn how Python can supercharge your data analysis workflow》O网页链接
【Bayesian optimisation for smart hyperparameter search】 - Tim HeadO网页链接
【论文:面向Spark大数据推荐的协同过滤并行加速算法ALS-NCG】《Algorithmic Acceleration of Parallel ALS for Collaborative Filtering: Speeding up Distributed Big Data Recommendation in Spark》M Winlaw, M Hynes, A Caterini, H Sterck (2015)O网页链接
【视频+幻灯:Spark/GraphX大规模图分析优化经验分享】《Experience and Lessons Learned for Large-Scale Graph Analysis using GraphX》by Jason, DaiO网页链接云:O网页链接
【教程】【普林斯顿】【广义线性模型】Lecture Notes on Generalized Linear Models [Rodríguez, 07]. 二元响应的Logit模型（logistic，probit）。计数、列联表、存活数据的泊松模型。多元响应的多项LR 。O网页链接除了PDF版外还有MathJax编辑的网页版
【代码工具平台】【卡内基梅隆实验室】卡内基梅隆SELECT实验室开源代码. 1)并行坐标下降解L1正则风险最小化: 并行LASSO和稀疏LR [ICML11] 2)基于GraphLab的并行Gibbs采样 [AIStats11] 3)GraphLab:并行机器学习框架 [UAI10] 4)并行马尔科夫随机场MRF推理 树条件随机场CRF结构学习 分布式因子图推理 子模函数优化O网页链接
Memory, Reading, and Comprehension (pdf)O网页链接Phil Blunsom 8月10日在Deep Learning Summer School的讲座。讲到后面基本就是下面那篇论文了 【论文:语言翻译方面单层RNN+Memory优于更深层网络】《Learning to Transduce with Unbounded Memory》E Grefenstette, KM Hermann, M Suleyman, P Blunsom [DeepMind] (2015)O网页链接
【教程】【神经网络】《The Nature of Code》，Chapter 10. Neural NetworksO网页链接
融合多元信息的混合推荐: 用户间相似 产品间相似 用户产品间打分. HyPER: A Flexible and Extensible Probabilistic Framework for Hybrid Recommender Systems [Kouki,RecSys15] 混合推荐形式化为铰链损失的马克科夫随机场,用概率编程语言probabilistic soft logic构建推荐系统.O网页链接
《Python 不是 C》我一直使用 Python，用它处理各种数据科学项目。 Python 以易用闻名。有编码经验者学习数天就能上手（或有效使用它）。O网页链接（oschina 译）
【论文+代码+数据:面向情感标签分布预测的半监督递归自动编码器】《Semi-Supervised Recursive Autoencoders for Predicting Sentiment Distributions》 R Socher, J Pennington, E Huang, Andrew Y. Ng, C Manning (EMNLP 2011)O网页链接page(code+data):O网页链接
【博士论文:面向自然语言处理和机器视觉的递归深度学习】《Recursive Deep Learning for Natural Language Processing and Computer Vision》by Richard Socher (Stanford 2014) "2014 Arthur L. Samuel Best Computer Science PhD Thesis Award"O网页链接云:O网页链接
【论文+代码(Python/Theano):CNN句子分类】《Convolutional Neural Networks for Sentence Classification》Yoon Kim (EMNLP 2014)O网页链接GitHub:O网页链接GitXiv:O网页链接
