机器学习(Machine Learning)&深度学习(Deep Learning)资料汇总

• 《Deep Learning in Neural Networks: An Overview》

 

• 《A Gentle Introduction to Scikit-Learn: A Python Machine Learning Library》

 

 

• 《How to Layout and Manage Your Machine Learning Project》

 

 

• 《Machine Learning is Fun!》

 

 

• 《R语言参考卡片》

 

 

• 《Choosing a Machine Learning Classifier》

 

 

• 《An Introduction to Deep Learning: From Perceptrons to Deep Networks》

 

 

• 《The LION Way: Machine Learning plus Intelligent Optimization》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:http://intelligent-optimization.org/LIONbook/
• 《深度学习与统计学习理论》

 

 

• 《计算机科学中的数学》

 

 

• 《信息时代的计算机科学理论(Foundations of Data Science)》

 

 

• 《Data Science with R》

 

 

• 《Twenty Questions for Donald Knuth》

 

 

• 《Automatic Construction and Natural-Language Description of Nonparametric Regression Models》

 

 

• 《ICLR 2014论文集》

 

 

• 《Introduction to Information Retrieval》

 

 

• 《Machine learning in 10 pictures》

 

 

• 《雅虎研究院的数据集汇总》

 

 

• 《An Introduction to Statistical Learning with Applications in R》

 

 

• Best Machine Learning Resources for Getting Started

 

 

• My deep learning reading list

 

 

• Cross-Language Information Retrieval

 

 

• 探索推荐引擎内部的秘密，第 1 部分: 推荐引擎初探

 

 

• 《Advice for students of machine learning》

 

 

• 分布式并行处理的数据

 

 

• 《“机器学习”是什么？》

 

 

• 《2014年国际机器学习大会ICML 2014 论文》

 

 

• 《Machine Learning for Industry: A Case Study》

 

 

• 100 Best GitHub: Deep Learning

 

 

• 《UFLDL-斯坦福大学Andrew Ng教授“Deep Learning”教程》

 

*《Deep Learning for Natural Language Processing and Related Applications》

 

• Understanding Convolutions

 

 

• 《Machine Learning Summer School》

 

 

• 《Awesome Machine Learning》

 

 

• 斯坦福《自然语言处理》课程视频

 

 

• 《Deep Learning and Shallow Learning》

 

 

• 《Recommending music on Spotify with deep learning》

 

 

• 《Neural Networks and Deep Learning》

 

 

• 《Java Machine Learning》

 

介绍：机器学习最基本的入门文章，适合零基础者

• 《机器学习经典论文/survey合集》

 

• 《机器学习视频库》

 

 

• 《机器学习经典书籍》

 

 

• 《16 Free eBooks On Machine Learning》

 

 

• 《A Large set of Machine Learning Resources for Beginners to Mavens》

 

 

• 《机器学习最佳入门学习资料汇总》

 

 

• 《Sibyl》

 

 

• 《Deep Learning》

 

 

• 《Neural Network & Text Mining》

 

介绍:计算机视觉入门之前景目标检测1（总结）

• 《Deep Learning – important resources for learning and understanding》

 

• 《Machine Learning Theory: An Introductory Primer》

 

 

• 《Neural Networks and Deep Learning》

 

 

• 《Python 网页爬虫 & 文本处理 & 科学计算 & 机器学习 & 数据挖掘兵器谱》

 

 

• 《神奇的伽玛函数(上)》

 

 

• 《分布式机器学习的故事》

 

 

• 《机器学习提升之道（Level-Up Your Machine Learning）》

 

 

• 《Machine Learning Surveys》

 

 

• 《Deep Learning Reading list》

 

 

• 《Deep Learning: Methods and Applications》

 

 

• 《Machine Learning Summer School 2014》

 

 

• 《Sibyl: 来自Google的大规模机器学习系统》

 

 

• 《Building a deeper understanding of images》

 

 

• 《Bayesian network 与python概率编程实战入门》

 

 

• 《AMA: Michael I Jordan》

 

介绍:常见面试之机器学习算法思想简单梳理

• 《怎么选择深度学习的GPUs》

介绍:对话机器学习大神Michael Jordan

• • 介绍:还有２，３部分。

http://blog.sina.com.cn/s/blog_46d0a3930101gs5h.html

• 《Deep Learning 101》

 

• 《UFLDL Tutorial》

 

 

• 《Toronto Deep Learning Demos》

 

 

• 《Deep learning from the bottom up》

 

 

• 《R工具包的分类汇总》

 

 

• 《机器学习常见算法分类汇总》

 

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（四）

Deep Learning（深度学习）学习笔记整理系列之（七）

 

• 《Tutorials Session A – Deep Learning for Computer Vision》

 

 

• 《FudanNLP》

 

 

• 《Open Sourcing ml-ease》

 

 

• 《机器学习周刊》

 

 

• 《线性代数》

 

 

• 《Big-data》

 

 

• 《machine learning for smart dummies》

 

 

• 《Entanglement-Based Quantum Machine Learning》

 

 

• 《How a Math Genius Hacked OkCupid to Find True Love》

 

 

• 《Underactuated Robotics》

 

 

• 《mllib实践经验(1)》

 

 

• 《Google Turns To Deep Learning Classification To Fight Web Spam》

 

 

• 《NLP常用信息资源》

 

 

• 《机器学习速查表》

 

 

• 《Best Papers vs. Top Cited Papers in Computer Science》

 

 

• 《InfiniTAM: 基于深度图像的体数据集成框架》

 

 

• 《Hacker’s guide to Neural Networks》

 

 

• 《Building a Production Machine Learning Infrastructure》

 

 

• 《Deep Learning Sentiment Analysis for Movie Reviews using Neo4j》

 

 

• 《DeepLearning.University – An Annotated Deep Learning Bibliography》

 

 

• 《A primer on deeping learning》

 

 

• 《Machine learning is teaching us the secret to teaching 》

 

 

• 《scikit-learn：用于机器学习的Python模块》

 

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。

• • 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

• 《吴立德《概率主题模型&数据科学基础》》

 

• 《机器学习入门资源不完全汇总》》

 

 

• 《收集从2014年开始深度学习文献》

 

 

• 《EMNLP上两篇关于股票趋势的应用论文 》

 

 

• 《Bengio组（蒙特利尔大学LISA组）深度学习教程 》

 

 

• 《学习算法的Neural Turing Machine 》

 

 

• 《Learning to Rank for Information Retrieval and Natural Language Processing》

 

 

• 《Rumor has it: Identifying Misinformation in Microblogs》

 

 

• 《R机器学习实践》

 

 

• 《大数据分析：机器学习算法实现的演化》

 

 

• 《图像处理，分析与机器视觉》

 

 

• 《LinkedIn最新的推荐系统文章Browsemaps》

 

 

• 《初学者如何查阅自然语言处理（NLP）领域学术资料》

 

 

• 《树莓派的人脸识别教程》

 

 

• 《利用深度学习与大数据构建对话系统 》

 

 

• 《经典论文Leo Breiman：Statistical Modeling: The Two Cultures 》

 

 

• 《Reproducing Kernel Hilbert Space》

 

 

• 《Hacker’s guide to Neural Networks》

 

介绍：【语料库】语料库资源汇总

• 《Reproducible Research in Computational Science》

 

• 《NYU 2014年的深度学习课程资料》

 

 

• 《计算机视觉数据集不完全汇总》

 

 

• 《Machine Learning Open Source Software》

 

 

• 《LIBSVM》

 

 

• 《Support Vector Machines》

 

 

• 《100 Best GitHub: Deep Learning》

 

 

• 《加州大学欧文分校(UCI)机器学习数据集仓库》

 

 

• 《Andrej Karpathy个人主页》

 

 

• 《Andrej Karpathy的深度强化学习演示》

 

 

• 《CIKM数据挖掘竞赛夺冠算法-陈运文》

 

 

• 《Geoffrey E. Hinton》

 

 

• 《自然语言处理的深度学习理论与实际》

 

 

• 《用大数据和机器学习做股票价格预测》

 

 

• 《关于机器学习的若干理论问题》

 

 

• 《深度学习在自然语言处理的应用》

 

 

• 《Undergraduate machine learning at UBC》

 

 

• 《人脸识别必读的N篇文章》

 

 

• 《推荐系统经典论文文献及业界应用》

 

 

• 《人脸识别必读的N篇文章》

 

 

• 《第十二届中国”机器学习及其应用”研讨会PPT》

 

 

• 《统计机器学习》

 

 

• 《机器学习导论》

 

 

• 《CIKM 2014主题报告的幻灯片》

 

 

• 《人工智能和机器学习领域有趣的开源项目》

 

介绍:此外作者还有一篇元算法、AdaBoost　python实现文章

• 《简明深度学习方法概述（一）》

 

• 《R language for programmers》

 

 

• 《谷歌地图解密：大数据与机器学习的结合》

 

介绍:空间数据挖掘常用方法

• 《PyNLPIR》

 

• 《深度卷积神经网络下围棋》

 

 

• 《NIPS审稿实验》

 

 

• 《2014年最佳的大数据，数据科学文章》

 

介绍:Python实现线性回归,作者还有其他很棒的文章推荐可以看看

• 《使用RNN和Paragraph Vector做情感分析》

 

• 《NLPIR/ICTCLAS2015分词系统大会上的技术演讲 》

 

 

• 《Machine Learning is Fun!》

 

 

• 《CNN的反向求导及练习》

 

 

• 《正则表达式优化成Trie树 》

 

 

• 《Deep learning Reading List》

 

 

• 《Caffe》

 

 

• 《GoogLeNet深度学习模型的Caffe复现 》

 

 

• 《LambdaNet，Haskell实现的开源人工神经网络库 》

 

 

• 《百度余凯&张潼机器学习视频》

 

 

• 《杨强在TEDxNanjing谈智能的起源》

 

 

• 《深度RNN/LSTM用于结构化学习 0)序列标注Connectionist Temporal ClassificationICML06》

 

 

• 《Deep Learning实战之word2vec》

 

 

• 《Machine learning open source software》

 

 

• 《机器学习入门者学习指南》

 

 

• 《A Tour of Machine Learning Algorithms》

 

 

• 《2014年的《机器学习日报》大合集》

 

介绍:这是一篇关于图像分类在深度学习中的文章

• 《NLP中的中文分词技术》

 

• 《Using convolutional neural nets to detect facial keypoints tutorial》

 

 

• 《书籍推荐:Advanced Structured Prediction》

 

 

• 《An Introduction to Matrix Concentration Inequalities》

 

 

• 《The free big data sources you should know》

 

 

• 《A Brief Overview of Deep Learning》

 

 

• 《A Deep Dive into Recurrent Neural Nets》

 

 

• 《机器学习：学习资源》

 

 

• 《Statistical foundations of machine learning》

 

 

• 《A Deep Learning Tutorial: From Perceptrons to Deep Networks》

 

 

• 《Research priorities for robust and beneficial artificial intelligence》

 

 

• 《metacademy》

 

 

• 《FAIR open sources deep-learning modules for Torch》

 

介绍:本文虽然是写于2012年，但是这篇文章完全是作者的经验之作。

• 《Deep learning from the bottom up》

 

• 《Hands-On Data Science with R Text Mining》

 

 

• 《Understanding Convolutions》

 

 

• 《Introduction to Deep Learning Algorithms》

 

 

• 《Learning Deep Architectures for AI》

 

 

• 《Geoffrey E. Hinton个人主页》

 

 

• 《PROBABILITY THEORY: THE LOGIC OF SCIENCE》

 

 

• 《H2O》

 

 

• 《ICLR 2015会议的arXiv稿件合集》

 

 

• 《Introduction to Information Retrieval》

 

 

• 《Information Geometry and its Applications to Machine Learning》

 

 

• 《Legal Analytics – Introduction to the Course》

 

 

• 《文本上的算法》

 

 

• 《NeuralTalk》

 

 

• 《Deep Learning on Hadoop 2.0》

 

 

• 《Practical recommendations for gradient-based training of deep architectures》

 

 

• 《Machine Learning With Statistical And Causal Methods》

 

 

• 《Machine Learning Course 180’》

 

介绍: 机器学习中的数学，作者的研究方向是机器学习，并行计算如果你还想了解一点其他的可以看看他博客的其他文章

• 《Deep Learning for Answer Sentence Selection》

 

• 《Learning Semantic Representations Using Convolutional Neural Networks for Web Search 》

 

 

• 《Awesome Public Datasets》

 

 

• 《Search Engine & Community》

 

 

• 《spaCy》

 

 

• 《Collaborative Filtering with Spark》

 

 

• 《Topic modeling 的经典论文》

 

 

• 《Move Evaluation in Go Using Deep Convolutional Neural Networks》

 

 

• 《机器学习周刊第二期》

 

 

• 《Learning more like a human: 18 free eBooks on Machine Learning》

 

 

• 《Recommend :Hang Li Home》

 

 

• 《DEEPLEARNING.UNIVERSITY – AN ANNOTATED DEEP LEARNING BIBLIOGRAPHY》

 

 

• 《MLMU.cz – Radim Řehůřek – Word2vec & friends (7.1.2015)》

 

 

• 《Introducing streaming k-means in Spark 1.2》

 

 

• 《LDA入门与Java实现》

 

 

• 《AMiner – Open Science Platform》

 

 

• 《What are some interesting Word2Vec results?》

 

 

• 《机器学习公开课汇总》

 

 

• 《A First Course in Linear Algebra》