1um等于多少u”_中华文本库
1um=多少麦 - 1 um(1 微米)=0.001mm(0.001 毫米) 原因:∵1mm=1000um 1um=0.001mm\ 是 mil 吗?我们在设计电路时经常用这个单位. 1 i...
1.jar、commons-lang-2.5.jar、commons-logging-1....再从 UEditer 官网下载 Mini 版的 JSP 版本压缩包...在 var um = UM.getEditor('myEditor'); $('...
注 2:定位测是用确定本仪器是否正常,故每天开机测前,必须作此一动作 ,如果...1um = 单位 公制 um:请於系 □ 内输入 1.0,单位 □ 输入 um 英制 u&...
=1千克=2斤=20兩=2.2磅 1吨=103開 1度=1000瓦/小時 1ft=12〞 1sf=144inch2 1〞=1000mil=u〞 1mil=0.001〞 =1000u〞 1mm=1000um 1頓...
u Um -T 0 T 2T t 0 i(mA) 10 3 5 8 ...(1)求三个电路端电压的有效值 各为多少( 求三个...(2)若外施电压为直流电压 相当于ω=0),且等于 ...
1.2um 0.25um 0.25um 市场价格 1780.27 元 5269.21 元 9696.02 元 6) ...HP-PLOT U 色谱柱 说明:HP-PLOT U 柱是在熔融石英毛细管柱上涂渍并键合二...
(1)波形 (2)函数表达式 (3)复数 (4)相量 正弦量的波形表示 u(t) Um ?...一个复数可以用几种形式来表示,用代数式表示有: A ? a ? jb a ,b都是...
电工培训讲义一、基础知识(1) 1、 电工术语 1) ...电流大小等于单位时间内通过导体横截面积电荷的多少,...瞬时值: i=ImSinωt U=UmSinωt e=EmSinωt...
u& (micro inch) 微英吋,即 10-6(1 2. um(micro meter) 微米,...(-6)) 1 毫米等于多少丝.1 丝等于多少缪 1 km =1000 m 1m 1 foot=12...
inch:英寸 mil:密耳 mm:毫米 cm:厘米 1mil=0.0254mm=25.4um 1mm=39.37mil 1inch=1000mil=25.4mm 文档贡献者 yuexiacr 贡献于 ...&p&写答案的时候还是大年初一，写完已是初二了...先祝大家新年快乐！&/p&&p&很早有知乎好友邀请我来答这个问题了，之前各种原因没回答，现在来答一波。&/p&&p&其实我觉得这个问题和之前我回答过的问题很像....：&a href=&https://www.zhihu.com/question/& class=&internal&&计算机专硕研一新生求教自然语言处理学习？&/a&&/p&&p&然后在那里的回答，我是直接简单讲了自己的学习历程和一些感想：&a href=&https://www.zhihu.com/question//answer/& class=&internal&&Evan：计算机专硕研一新生求教自然语言处理学习？&/a&，我觉得现在总的来说还是，基础的重要性和平时多记笔记等方法论是收益最多的吧。&/p&&p&当然，在那个问题下的很多回答都不错，&/p&&p&比如 &a class=&member_mention& href=&//www.zhihu.com/people/d286dd0e41cdc8a91df1358& data-hash=&d286dd0e41cdc8a91df1358& data-hovercard=&p$b$d286dd0e41cdc8a91df1358&&@Serena Gao&/a& 的回答：&a href=&https://www.zhihu.com/question//answer/& class=&internal&&Serena Gao：计算机专硕研一新生求教自然语言处理学习？&/a&和 &a class=&member_mention& href=&//www.zhihu.com/people/72251acafadb8c& data-hash=&72251acafadb8c& data-hovercard=&p$b$72251acafadb8c&&@呜呜哈&/a& 的回答：&a href=&https://www.zhihu.com/question//answer/& class=&internal&&呜呜哈：计算机专硕研一新生求教自然语言处理学习？&/a&&/p&&blockquote&个人觉得，他们的回答比现在这个问题的高票回答干多了。这也应该是题主比较想要的。&/blockquote&&p&&br&&/p&&p&然后，对于cs224n，我也觉得应该是学了一些基础之后再看比较好吧，但也不用限制太死，也可以稍微先看看，若发现消化不了，再可以去看其他基础。对于NLP小白来说，我觉得可以先看看&b&吴军老师的《数学之美》或者李航老师的《统计学习方法》&/b&等等，先了解一下NLP，这两本书一个特别有趣，一个特别实用，值得一看。&/p&&p&对于个人我比较喜欢看视频学习，（也许大家都一样），但看综述或者书籍也不错的，比如宗成庆老师 的《统计自然语言处理》或者&a href=&//link.zhihu.com/?target=https%3A//arxiv.org/abs/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&概述自然语言处理&/a&。还有其他等等可以看看之前我贴出的回答，总之学习资料有很多，但需要结合自己的实际来学习~~。&/p&&p&&br&&/p&&p&日常推荐我的专栏：&a href=&https://zhuanlan.zhihu.com/yzhihao& class=&internal&&AI遇见机器学习&/a&~~欢迎关注。&/p&
写答案的时候还是大年初一，写完已是初二了...先祝大家新年快乐！很早有知乎好友邀请我来答这个问题了，之前各种原因没回答，现在来答一波。其实我觉得这个问题和之前我回答过的问题很像....：然后在那里的回答，…
&p&昨天总结了深度学习的资料，今天把机器学习的资料也总结一下(友情提示：有些网站需要&科学上网&^_^)&/p&&p&　　推荐几本好书：&/p&&p&1.&b&Pattern Recognition and Machine Learning&/b& (by Hastie, Tibshirani, and Friedman's )&/p&&p&2.&b&Elements of Statistical Learning&/b&(by Bishop's)&/p&&p&　　这两本是英文的,但是非常全，第一本需要有一定的数学基础，第可以先看第二本。如果看英文觉得吃力，推荐看一下下面几本英文书。&/p&&p&3.&b&机器学习实战&/b&&/p&&p&4.&b&集体智慧编程&/b&&/p&&p&5.&b&统计学习方法&/b&&/p&&p&6.&b&机器学习&/b&&/p&&p&Ps：我个人的学习方法就是看书，因为我觉得看书比较快，视频太慢了，有些不懂的地方会找一些MOOC视频来理解，这样效率比较高。入门的话看以上推荐的几本书还是很好入门的，中英文均可，把一本书吃透比所有都看过但所有都不记得要好。&/p&&p&&br&&/p&&p&　　以下是搜集的其他资料，我看过的会有一些小说明：&/p&&p&&b&Summary:&/b&&/p&&p&Online courses:&/p&&p&1.&b&Andrew Ng's &u&&a href=&http://link.zhihu.com/?target=https%3A//class.coursera.org/ml-005/lecture& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Machine Learning at Coursera&/a&&/u&&/b&&/p&&p&　　很多人接触的第一个关于机器学习的视频大概就是Andrew Ng的课，入门课，讲的清晰易懂，涉及数学的方面也没有讲的很深奥，基本上都能听懂。如果数学基础差，也可以在网上搜一下这个课程的学习笔记，很多人总结的还是很好的，也很详细。唯一的不好就是这么课的编程语言是Octave，呃，相当于开源版的Matlab，但是在工作中用的不多（其实基本上不用。。），Python用的会比较多一点，所以可以看这个课程了解算法背后的原理，再用其他的编程语言(如Python，java等)来实现。&/p&&p&2.&b&&u&&a href=&http://link.zhihu.com/?target=https%3A//www.coursera.org/learn/ml-foundations/home/welcome& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Machine Learning Foundations: A Case Study Approach&/a&&/u& by UW's Carlos Guestrin and Emily Fox&/b&&/p&&p&　　除了介绍机器学习算法以外，还介绍了推荐系统和深度学习，这两个概念现在很火，值得一看。此外，讲的非常有趣，用的是Python，而且是真实数据集，看完可以直接上手工业界的项目了~&/p&&p&3. &b&&u&&a href=&http://link.zhihu.com/?target=https%3A//lagunita.stanford.edu/courses/HumanitiesSciences/StatLearning/Winter2016/about& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Intro to Statistical Learning&/a&&/u& by Trevor Hastie and Rob Tibshirani&/b&&/p&&p&深入讲算法背后的统计和数学知识，相对于前两个课程，可能没那么有趣，毕竟数学 = =，而且在讲R的实操的时候会很啰嗦，有一些测试时错的，不太建议入门看这个，想补数学知识可以直接看上文说到的李航老师的《统计学习方法》。&/p&&p&其他：　&/p&&p&4. Mining Massive Datasets&/p&&p&5. Recommender Systems&/p&&p&6. Machine Learning Summer School:&a href=&http://link.zhihu.com/?target=https%3A//www.youtube.com/playlist%3Flist%3DPLZSO_6-bSqHQCIYxE3ycGLXHMjK3XV7Iz& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://www.&/span&&span class=&visible&&youtube.com/playlist?&/span&&span class=&invisible&&list=PLZSO_6-bSqHQCIYxE3ycGLXHMjK3XV7Iz&/span&&span class=&ellipsis&&&/span&&/a&&u&&i&&a href=&http://link.zhihu.com/?target=https%3A//www.youtube.com/playlist%3Flist%3DPLZSO_6-bSqHQCIYxE3ycGLXHMjK3XV7Iz& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&https://www.youtube.com/p&/a&&a href=&http://link.zhihu.com/?target=https%3A//www.youtube.com/playlist%3Flist%3DPLZSO_6-bSqHQCIYxE3ycGLXHMjK3XV7Iz& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&laylist?list=PLZSO_6-bSqH&/a&&a href=&http://link.zhihu.com/?target=https%3A//www.youtube.com/playlist%3Flist%3DPLZSO_6-bSqHQCIYxE3ycGLXHMjK3XV7Iz& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&QCIYxE3ycGLXHMjK3XV7Iz&/a&&/i&&/u&&/p&&hr&&p&&b&Books:&/b&&/p&&p&1. Hastie, Tibshirani, and Friedman's &u&&a href=&http://link.zhihu.com/?target=http%3A//statweb.stanford.edu/%7Etibs/ElemStatLearn/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&The Elements of Statistical Learning&/a&&/u&&/p&&p&2. Bishop's &u&&a href=&http://link.zhihu.com/?target=http%3A//research.microsoft.com/en-us/um/people/cmbishop/prml/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Pattern Recognition and Machine Learning&/a&&/u&&/p&&p&3. David Barber's &u&&a href=&http://link.zhihu.com/?target=http%3A//web4.cs.ucl.ac.uk/staff/D.Barber/pmwiki/pmwiki.php%3Fn%3DBrml.HomePage& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Bayesian Reasoning and Machine Learning&/a&&/u&&/p&&p&4. Kevin Murphy's &u&&a href=&http://link.zhihu.com/?target=http%3A//www.cs.ubc.ca/%7Emurphyk/MLbook/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Machine learning: a Probabilistic Perspective&/a&&/u&&/p&&p&5. Foundations of Machine Learning,&a href=&http://link.zhihu.com/?target=http%3A//www.amazon.com/dp/X& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://www.&/span&&span class=&visible&&amazon.com/dp/&/span&&span class=&invisible&&X&/span&&span class=&ellipsis&&&/span&&/a&&u&&a href=&http://link.zhihu.com/?target=http%3A//www.amazon.com/dp/X& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Mehryar Mohri, Afshin Rostamizadeh, Ameet Talwalkar&/a&&/u&&/p&&p&6. Learning From Data, &u&&a href=&http://link.zhihu.com/?target=http%3A//www.amazon.com/gp/product/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Yaser S. Abu-Mostafa, Malik Magdon-Ismail, Hsuan-Tien Lin&/a&&/u&&/p&&p&7. Information Theory, Inference, and Learning Algorithms, &u&&a href=&http://link.zhihu.com/?target=http%3A//www.amazon.com/Information-Theory-Inference-Learning-Algorithms/dp/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&David J. C. MacKay&/a&&/u&[&u&&a href=&http://link.zhihu.com/?target=http%3A//free%2520pdf/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&free pdf&/a&&/u&]&/p&&p&8. All of Statistics, &u&&a href=&http://link.zhihu.com/?target=http%3A//www.amazon.com/All-Statistics-Statistical-Inference-Springer/dp/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Larry Wasserman&/a&&/u&&/p&&p&9. Probabilistic Graphical Models: Principles and Techniques, &u&&a href=&http://link.zhihu.com/?target=http%3A//www.amazon.com/Probabilistic-Graphical-Models-Principles-Computation/dp/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Daphne Koller, Nir Friedman&/a&&/u&&/p&&p&10. Gaussian Processes For Machine Learning, &u&&a href=&http://link.zhihu.com/?target=http%3A//www.amazon.com/Gaussian-Processes-Learning-Adaptive-Computation/dp/X& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Carl Edward Rasmussen, Christopher K. I. Williams&/a&&/u& [&u&&a href=&http://link.zhihu.com/?target=http%3A//free%2520pdf/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&free pdf&/a&&/u&]&/p&&p&11. &u&&a href=&http://link.zhihu.com/?target=http%3A//bit.ly/16bxAum& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Machine Learning with R&/a&&/u&&/p&&p&12. &u&&a href=&http://link.zhihu.com/?target=http%3A//bit.ly/1vHzOWS& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Building Machine Learning Systems with Python&/a&&/u&&/p&&p&13. &u&&a href=&http://link.zhihu.com/?target=http%3A//bit.ly/1GnnQdE& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Machine Learning with Spark&/a&&/u&&/p&&p&14.
&u&&a href=&http://link.zhihu.com/?target=http%3A//www.amazon.com/Computations-Hopkins-Studies-Mathematical-Sciences/dp//ref%3Dsr_1_1%3Fie%3DUTF8%26qid%3D%26sr%3D8-1%26keywords%3Dmatrix%2Bcomputations& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Matrix Computations (Johns Hopkins Studies in the Mathematical Sciences): Gene H. Golub, Charles F. Van Loan: 4: Amazon.com: Books&/a&&/u&&/p&&p&15.
&u&&a href=&http://link.zhihu.com/?target=http%3A//www.amazon.com/Convex-Optimization-Stephen-Boyd/dp//ref%3Dsr_1_1%3Fie%3DUTF8%26qid%3D%26sr%3D8-1%26keywords%3Dconvex%2Boptimization& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Amazon.com: Convex Optimization (3): Stephen Boyd, Lieven Vandenberghe: Books&/a&&/u&&/p&&p&&br&&/p&&p&16. Larry Wasserman's &u&&a href=&http://link.zhihu.com/?target=http%3A//www.amazon.com/All-Statistics-Statistical-Inference-Springer/dp/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&All of Statistics: A Concise Course in Statistical Inference&/a&&/u&&/p&&hr&&p&&b&Applications and advanced topics:&/b&&/p&&p&1. &u&&a href=&http://link.zhihu.com/?target=https%3A//www.coursera.org/course/nlangp& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Language modeling&/a&&/u& course and &u&&a href=&http://link.zhihu.com/?target=http%3A//www.cs.columbia.edu/%7Emcollins/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&notes&/a&&/u&&/p&&p&2. Deep learning: &u&&a href=&http://link.zhihu.com/?target=https%3A//www.coursera.org/course/neuralnets& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&ANN&/a&&/u& + &u&&a href=&http://link.zhihu.com/?target=http%3A//vision.stanford.edu/teaching/cs231n/syllabus.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&CNN&/a&&/u& +&u&&a href=&http://link.zhihu.com/?target=http%3A//www.socher.org/index.php/DeepLearningTutorial/DeepLearningTutorial& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&RNN&/a&&/u& + &u&&a href=&http://link.zhihu.com/?target=http%3A//cs224d.stanford.edu/index.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&NLP&/a&&/u&&/p&&p&3. &u&&a href=&http://link.zhihu.com/?target=http%3A//www.amazon.com/Reinforcement-Learning-Introduction-Adaptive-Computation/dp/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Reinforcement learning&/a&&/u& and &u&&a href=&http://link.zhihu.com/?target=https%3A//www.udacity.com/course/cs373& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&robotics&/a&&/u&&/p&&p&4. &u&&a href=&http://link.zhihu.com/?target=http%3A//www.amazon.com/In-Search-Memory-Emergence-Science/dp/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Memory&/a&&/u& and &u&&a href=&http://link.zhihu.com/?target=http%3A//en.wikipedia.org/wiki/Sparse_distributed_memory& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&distributed&/a&&/u& &u&&a href=&http://link.zhihu.com/?target=https%3A//code.google.com/p/word2vec/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&representations&/a&&/u&&/p&&p&5. &u&&a href=&http://link.zhihu.com/?target=http%3A//www.amazon.com/Neural-Engineering-Representation-Neurobiological-Computational/dp//& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Neural models&/a&&/u& and &u&&a href=&http://link.zhihu.com/?target=http%3A//www.amazon.com/Computational-Neuroscience-Vision-Edmund-Rolls/dp/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&vision&/a&&/u&&/p&&p&6. &u&&a href=&http://link.zhihu.com/?target=http%3A//en.wikipedia.org/wiki/Cognitive_architecture& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Cognition&/a&&/u& and &u&&a href=&http://link.zhihu.com/?target=http%3A//rtw.ml.cmu.edu/rtw/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&lifelong learning&/a&&/u&&/p&&p&&br&&/p&&p&最后依然是Github的神总结：&u&&a href=&http://link.zhihu.com/?target=https%3A//github.com/ty4z2008/Qix/blob/master/dl.md& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&机器学习(Machine Learning)&深度学习(Deep Learning)资料(Chapter 1)&/a&&/u&&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//www.erogol.com/brief-history-machine-learning/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Brief History of Machine Learning》&/a&&/u&&/li&&/ul&&p&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.&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//www.idsia.ch/%7Ejuergen/DeepLearning15May2014.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Deep Learning in Neural Networks: An Overview》&/a&&/u&&/li&&/ul&&p&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.&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//machinelearningmastery.com/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》&/a&&/u&&/li&&/ul&&p&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.&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//machinelearningmastery.com/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》&/a&&/u&&/li&&/ul&&p&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.&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=https%3A//medium.com/code-poet/80ea3ec3c471& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Machine Learning is Fun!》&/a&&/u&&/li&&/ul&&p&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&u&&a href=&http://link.zhihu.com/?target=http%3A//blog.jobbole.com/67616/& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&blog.jobbole.com/67616/&/span&&span class=&invisible&&&/span&&/a&&/u&&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//cran.r-project.org/doc/contrib/Liu-R-refcard.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《R语言参考卡片》&/a&&/u&&/li&&/ul&&p&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&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//blog.echen.me//choosing-a-machine-learning-classifier/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Choosing a Machine Learning Classifier》&/a&&/u&&/li&&/ul&&p&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:&u&&a href=&http://link.zhihu.com/?target=http%3A//www.52ml.net/15063.html& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://www.&/span&&span class=&visible&&52ml.net/15063.html&/span&&span class=&invisible&&&/span&&/a&&/u&&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//www.toptal.com/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》&/a&&/u&&/li&&/ul&&p&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：&u&&a href=&http://link.zhihu.com/?target=http%3A//www.cnblogs.com/xiaowanyer/p/3701944.html& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://www.&/span&&span class=&visible&&cnblogs.com/xiaowanyer/&/span&&span class=&invisible&&p/3701944.html&/span&&span class=&ellipsis&&&/span&&/a&&/u&&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//vdisk.weibo.com/s/ayG13we2vxyKl& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《The LION Way: Machine Learning plus Intelligent Optimization》&/a&&/u&&/li&&/ul&&p&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:&u&&a href=&http://link.zhihu.com/?target=http%3A//intelligent-optimization.org/LIONbook/& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&intelligent-optimization.org&/span&&span class=&invisible&&/LIONbook/&/span&&span class=&ellipsis&&&/span&&/a&&/u&&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//php-52cs.rhcloud.com/%3Fcat%3D7& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《深度学习与统计学习理论》&/a&&/u&&/li&&/ul&&p&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.&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?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》&/a&&/u&&/li&&/ul&&p&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：&u&&a href=&http://link.zhihu.com/?target=https%3A//github.com/ty4z2008/Qix/blob/master/Mathematics%2520for%2520Computer%2520Science& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Mathematics for Computer Science&/a&&/u&，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&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//research.microsoft.com/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)》&/a&&/u&&/li&&/ul&&p&介绍：信息时代的计算机科学理论,目前国内有纸质书购买，&u&&a href=&http://link.zhihu.com/?target=https%3A//itunes.apple.com/us/book/introduction-to-data-science/id& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&iTunes购买&/a&&/u&&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//vdisk.weibo.com/s/ayG13we2vx5qg& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Data Science with R》&/a&&/u&&/li&&/ul&&p&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。&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//www.informit.com/articles/article.aspx%3Fp%3D2213858& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Twenty Questions for Donald Knuth》&/a&&/u&&/li&&/ul&&p&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。&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?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》&/a&&/u&&/li&&/ul&&p&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...&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//openreview.net/venue/iclr2014& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《ICLR 2014论文集》&/a&&/u&&/li&&/ul&&p&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&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//www-nlp.stanford.edu/IR-book/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Introduction to Information Retrieval》&/a&&/u&&/li&&/ul&&p&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：&u&&a href=&http://link.zhihu.com/?target=http%3A//www-nlp.stanford.edu/IR-book/information-retrieval.html& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&www-nlp.stanford.edu/IR&/span&&span class=&invisible&&-book/information-retrieval.html&/span&&span class=&ellipsis&&&/span&&/a&&/u&&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//www.denizyuret.com/2014/02/machine-learning-in-5-pictures.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Machine learning in 10 pictures》&/a&&/u&&/li&&/ul&&p&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&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//webscope.sandbox.yahoo.com/catalog.php%3Fdatatype%3Dl& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《雅虎研究院的数据集汇总》&/a&&/u&&/li&&/ul&&p&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。&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?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》&/a&&/u&&/li&&/ul&&p&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：&u&&a href=&http://link.zhihu.com/?target=https%3A//class.stanford.edu/courses/HumanitiesScience/StatLearning/Winter2014/about& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://&/span&&span class=&visible&&class.stanford.edu/cour&/span&&span class=&invisible&&ses/HumanitiesScience/StatLearning/Winter2014/about&/span&&span class=&ellipsis&&&/span&&/a&&/u&&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//machinelearningmastery.com/best-machine-learning-resources-for-getting-started/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Best Machine Learning Resources for Getting Started&/a&&/u&&/li&&/ul&&p&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&u&&a href=&http://link.zhihu.com/?target=http%3A//article.yeeyan.org/view/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&中文版&/a&&/u&。如果你不怎么熟悉，那么我建议你先看一看中文的介绍。&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//blog.sina.com.cn/s/blog_bda0d2f10101fpp4.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&My deep learning reading list&/a&&/u&&/li&&/ul&&p&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。&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//www.morganclaypool.com/doi/abs/10.ED1V01Y201005HLT008%3FjournalCode%3Dhlt& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Cross-Language Information Retrieval&/a&&/u&&/li&&/ul&&p&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&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//www.ibm.com/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&/a&&/u&&/li&&/ul&&p&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。 &u&&a href=&http://link.zhihu.com/?target=http%3A//www.ibm.com/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&/a&&/u&,&u&&a href=&http://link.zhihu.com/?target=http%3A//www.ibm.com/developerworks/cn/web/1103_zhaoct_recommstudy3/index.html%3Fca%3Ddrs-& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&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&/a&&/u&&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//mimno.infosci.cornell.edu/b/articles/ml-learn/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Advice for students of machine learning》&/a&&/u&&/li&&/ul&&p&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 o 诺依曼的名言: &Young man, in mathematics you don't understand things. You just get used to them.&&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?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&/a&&/u&&/li&&/ul&&p&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&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//blogs.technet.com/b/machinelearning/archive//what-is-machine-learning.aspx& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《“机器学习”是什么？》&/a&&/u&&/li&&/ul&&p&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&u&&a href=&http://link.zhihu.com/?target=http%3A//blogs.technet.com/b/machinelearning/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&博客&/a&&/u&，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&u&&a href=&http://link.zhihu.com/?target=http%3A//blogs.technet.com/b/machinelearning/archive//what-is-machine-learning.aspx& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&博文&/a&&/u&&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?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》&/a&&/u&&/li&&/ul&&p&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&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//blogs.technet.com/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》&/a&&/u&&/li&&/ul&&p&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。&u&&a href=&http://link.zhihu.com/?target=http%3A//research.microsoft.com/en-us/people/cburges/%3FWT.mc_id%3DBlog_MachLearn_General_DI& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Chirs Burges&/a&&/u&，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： &u&&a href=&http://link.zhihu.com/?target=http%3A//research.microsoft.com/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&/a&&/u& 此外，Burges还有很多有名的代表作，比如：&u&&a href=&http://link.zhihu.com/?target=http%3A//research.microsoft.com/pubs/67119/svmtutorial.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&A Tutorial on Support Vector Machines for Pattern Recognition&/a&&/u& &u&&a href=&http://link.zhihu.com/?target=http%3A//research.microsoft.com/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&/a&&/u&&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//meta-guide.com/software-meta-guide/100-best-github-deep-learning/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&100 Best GitHub: Deep Learning&/a&&/u&&/li&&/ul&&p&介绍:100 Best GitHub: Deep Learning&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?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》&/a&&/u&&/li&&/ul&&p&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&u&&a href=&http://link.zhihu.com/?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&/a&&/u&，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&u&&a href=&http://link.zhihu.com/?target=https%3A//github.com/jatinshah/ufldl_tutorial& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&& UFLDL Tutorial Code&/a&&/u&&/p&&blockquote&*&u&&a href=&http://link.zhihu.com/?target=http%3A//research.microsoft.com/pubs/217165/ICASSP_DeepTextLearning_v07.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Deep Learning for Natural Language Processing and Related Applications》&/a&&/u&&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。&/blockquote&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=https%3A//colah.github.io/posts/2014-07-Understanding-Convolutions/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Understanding Convolutions&/a&&/u&&/li&&/ul&&p&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&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//mlss2014.com/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Machine Learning Summer School》&/a&&/u&&/li&&/ul&&p&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。&u&&a href=&http://link.zhihu.com/?target=https%3A//www.youtube.com/user/smolix& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://www.&/span&&span class=&visible&&youtube.com/user/smolix&/span&&span class=&invisible&&&/span&&/a&&/u& （需FQ）&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=https%3A//github.com/josephmisiti/awesome-machine-learning& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Awesome Machine Learning》&/a&&/u&&/li&&/ul&&p&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&u&&a href=&http://link.zhihu.com/?target=http%3A//blog.jobbole.com/73806/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&中文介绍&/a&&/u&，&u&&a href=&http://link.zhihu.com/?target=https%3A//github.com/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&/a&&/u&&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//cs224d.stanford.edu/syllabus.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&斯坦福《自然语言处理》课程视频&/a&&/u&&/li&&/ul&&p&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。&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?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》&/a&&/u&&/li&&/ul&&p&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。&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//benanne.github.io//spotify-cnns.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Recommending music on Spotify with deep learning》&/a&&/u&&/li&&/ul&&p&介绍:利用卷积神经网络做音乐推荐。&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//neuralnetworksanddeeplearning.com/index.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Neural Networks and Deep Learning》&/a&&/u&&/li&&/ul&&p&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：&u&&a href=&http://link.zhihu.com/?target=https%3A//github.com/mnielsen/neural-networks-and-deep-learning& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://&/span&&span class=&visible&&github.com/mnielsen/neu&/span&&span class=&invisible&&ral-networks-and-deep-learning&/span&&span class=&ellipsis&&&/span&&/a&&/u& 爱好者的福音。&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//machinelearningmastery.com/java-machine-learning/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Java Machine Learning》&/a&&/u&&/li&&/ul&&p&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。&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?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》&/a&&/u&&/li&&/ul&&p&介绍：机器学习最基本的入门文章，适合零基础者&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//www.ctocio.com/hotnews/15919.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《机器学习常见算法分类汇总》&/a&&/u&&/li&&/ul&&p&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。&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//suanfazu.com/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》&/a&&/u&&/li&&/ul&&p&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。&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//work.caltech.edu/library/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《机器学习视频库》&/a&&/u&&/li&&/ul&&p&介绍：视频由加州理工学院（Caltech）出品。需要英语底子。&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//suanfazu.com/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》&/a&&/u&&/li&&/ul&&p&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。&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//efytimes.com/e1/fullnews.asp%3Fedid%3D121516& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《16 Free eBooks On Machine Learning》&/a&&/u&&/li&&/ul&&p&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。&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//www.erogol.com/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》&/a&&/u&&/li&&/ul&&p&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&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?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》&/a&&/u&&/li&&/ul&&p&介绍：入门的书真的很多，而且我已经帮你找齐了。&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//users.soe.ucsc.edu/%7Eniejiazhong/slides/chandra.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Sibyl》&/a&&/u&&/li&&/ul&&p&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。&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//www.slideshare.net/ssuser9cc1bd/piji-li-dltm& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Neural Network & Text Mining》&/a&&/u&&/li&&/ul&&p&介绍:关于(Deep) Neural Networks在 NLP 和 Text Mining 方面一些paper的总结&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//www.cnblogs.com/lxy2017/p/3927226.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《前景目标检测1（总结）》&/a&&/u&&/li&&/ul&&p&介绍:计算机视觉入门之前景目标检测1（总结）&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//www.52ml.net/17004.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《行人检测》&/a&&/u&&/li&&/ul&&p&介绍:计算机视觉入门之行人检测&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//www.kdnuggets.com/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》&/a&&/u&&/li&&/ul&&p&介绍:Important resources for learning and understanding . Is awesome&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//www.toptal.com/machine-learning/machine-learning-theory-an-introductory-primer& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Machine Learning Theory: An Introductory Primer》&/a&&/u&&/li&&/ul&&p&介绍:这又是一篇机器学习初学者的入门文章。值得一读&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//neuralnetworksanddeeplearning.com/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Neural Networks and Deep Learning》&/a&&/u&&/li&&/ul&&p&介绍:在线Neural Networks and Deep Learning电子书&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//www.52nlp.cn/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》&/a&&/u&&/li&&/ul&&p&介绍:python的17个关于机器学习的工具&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//www.flickering.cn/%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)》&/a&&/u&&/li&&/ul&&p&介绍:下集在这里&u&&a href=&http://link.zhihu.com/?target=http%3A//www.flickering.cn/%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(下)&/a&&/u&&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//cxwangyi.github.io/notes/-distributed-machine-learning.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《分布式机器学习的故事》&/a&&/u&&/li&&/ul&&p&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&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?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）》&/a&&/u&&/li&&/ul&&p&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。&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//www.mlsurveys.com/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Machine Learning Surveys》&/a&&/u&&/li&&/ul&&p&介绍:机器学习各个方向综述的网站&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//deeplearning.net/reading-list/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Deep Learning Reading list》&/a&&/u&&/li&&/ul&&p&介绍:深度学习阅资源列表&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//research.microsoft.com/pubs/219984/DeepLearningBook_RefsByLastFirstNames.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Deep Learning: Methods and Applications》&/a&&/u&&/li&&/ul&&p&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&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//pan.baidu.com/s/1pJ0ok7T& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Machine Learning Summer School 2014》&/a&&/u&&/li&&/ul&&p&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）&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?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》&/a&&/u&&/li&&/ul&&p&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&u&&a href=&http://link.zhihu.com/?target=http%3A//www.infoq.com/cn/news/2014/07/google-sibyl& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&google sibyl&/a&&/u&&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//googleresearch.blogspot.com/2014/09/building-deeper-understanding-of-images.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Building a deeper understanding of images》&/a&&/u&&/li&&/ul&&p&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。&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=https%3A//github.com/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》&/a&&/u&&/li&&/ul&&p&介绍:贝叶斯学习。如果不是很清可看看&u&&a href=&http://link.zhihu.com/?target=http%3A//www.infoq.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&/a&&/u&&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//www.reddit.com/r/MachineLearning/comments/2fxi6v/ama_michael_i_jordan/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《AMA: Michael I Jordan》&/a&&/u&&/li&&/ul&&p&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。& &/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//www.cnblogs.com/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）》&/a&&/u&&/li&&/ul&&p&介绍:常见面试之机器学习算法思想简单梳理,此外作者还有一些其他的&u&&a href=&http://link.zhihu.com/?target=http%3A//www.cnblogs.com/tornadomeet/tag/%25E6%259C%25BA%25E5%%25E5%25AD%25A6%25E4%25B9%25A0/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&机器学习与数据挖掘文章&/a&&/u&和&u&&a href=&http://link.zhihu.com/?target=http%3A//www.cnblogs.com/tornadomeet/tag/Deep%25E3%Learning/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&深度学习文章&/a&&/u&,不仅是理论还有源码。&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//www.kdnuggets.com/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》&/a&&/u&&/li&&/ul&&p&介绍：Videolectures上最受欢迎的25个文本与数据挖掘视频汇总&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//timdettmers.wordpress.com//which-gpu-for-deep-learning/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《怎么选择深度学习的GPUs》&/a&&/u&&/li&&/ul&&p&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: &u&&a href=&http://link.zhihu.com/?target=http%3A//t.cn/RhpuD1G& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&t.cn/RhpuD1G&/span&&span class=&invisible&&&/span&&/a&&/u&&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//www.infoq.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》&/a&&/u&&/li&&/ul&&p&介绍:对话机器学习大神Michael Jordan&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//blog.sina.com.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》&/a&&/u&&/li&&/ul&&p&介绍:还有２，３部分。&u&&a href=&http://link.zhihu.com/?target=http%3A//blog.sina.com.cn/s/blog_46d0ah.html& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&blog.sina.com.cn/s/blog&/span&&span class=&invisible&&_46d0ah.html&/span&&span class=&ellipsis&&&/span&&/a&&/u&&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//blog.sina.com.cn/s/blog_46d0anf.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Deep Learning 教程翻译》&/a&&/u&&/li&&/ul&&p&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&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//markus.com/deep-learning-101/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Deep Learning 101》&/a&&/u&&/li&&/ul&&p&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！&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//ufldl.stanford.edu/wiki/index.php/UFLDL_Tutorial& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《UFLDL Tutorial》&/a&&/u&&/li&&/ul&&p&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。&u&&a href=&http://link.zhihu.com/?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&/a&&/u&&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//deeplearning.cs.toronto.edu/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Toronto Deep Learning Demos》&/a&&/u&&/li&&/ul&&p&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&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//metacademy.org/roadmaps/rgrosse/deep_learning& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Deep learning from the bottom up》&/a&&/u&&/li&&/ul&&p&介绍:机器学习模型，阅读这个内容需要有一定的基础。&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?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》&/a&&/u&&/li&&/ul&&p&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&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//www.ctocio.com/hotnews/15919.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《机器学习常见算法分类汇总》&/a&&/u&&/li&&/ul&&p&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.&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?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》&/a&&/u&&/li&&/ul&&p&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&u&&a href=&http://link.zhihu.com/?target=http%3A//blog.csdn.net/zouxy09/article/details/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&文章导航&/a&&/u&.非常的感谢作者总结。&/p&&blockquote&&u&&a href=&http://link.zhihu.com/?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）&/a&&/u&&br&&u&&a href=&http://link.zhihu.com/?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）&/a&&/u&&br&&u&&a href=&http://link.zhihu.com/?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）&/a&&/u&&br&&u&&a href=&http://link.zhihu.com/?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）&/a&&/u&&br&&u&&a href=&http://link.zhihu.com/?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）&/a&&/u&&br&&u&&a href=&http://link.zhihu.com/?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）&/a&&/u&&br&&u&&a href=&http://link.zhihu.com/?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）&/a&&/u&&/blockquote&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//research.microsoft.com/apps/video/default.aspx%3Fid%3Dl%3Di& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Tutorials Session A - Deep Learning for Computer Vision》&/a&&/u&&/li&&/ul&&p&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&u&&a href=&http://link.zhihu.com/?target=http%3A//msrvideo.vo.msecnd.net/rmcvideos/206976/dl/206976.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&下载&/a&&/u& 他是纽约大学教授，目前也在Facebook工作，他2014年的8篇&u&&a href=&http://link.zhihu.com/?target=http%3A//cs.nyu.edu/%7Efergus/pmwiki/pmwiki.php%3Fn%3DPmWiki.Publications& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&论文&/a&&/u&&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=https%3A//github.com/xpqiu/fnlp/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《FudanNLP》&/a&&/u&&/li&&/ul&&p&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。&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//engineering.linkedin.com/large-scale-machine-learning/open-sourcing-ml-ease& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Open Sourcing ml-ease》&/a&&/u&&/li&&/ul&&p&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&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//ztl2004.github.io/MachineLearningWeekly/index.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《机器学习周刊》&/a&&/u&&/li&&/ul&&p&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&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//v.163.com/special/opencourse/daishu.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《线性代数》&/a&&/u&&/li&&/ul&&p&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。 &u&&a href=&http://link.zhihu.com/?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&/a&&/u&&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//blog.andreamostosi.name/big-data/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Big-data》&/a&&/u&&/li&&/ul&&p&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。&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//yahoolabs.tumblr.com/post//machine-learning-for-smart-dummies& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《machine learning for smart dummies》&/a&&/u&&/li&&/ul&&p&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。&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//arxiv.org/abs/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Entanglement-Based Quantum Machine Learning》&/a&&/u&&/li&&/ul&&p&介绍:应对大数据时代，量子机器学习的第一个实验 &u&&a href=&http://link.zhihu.com/?target=http%3A//arxiv-web3.library.cornell.edu/pdf/.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&paper 下载&/a&&/u&&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//www.wired.com/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》&/a&&/u&&/li&&/ul&&p&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！&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=https%3A//www.edx.org/course/mitx/mitx-6-832x-underactuated-robotics-3511& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Underactuated Robotics》&/a&&/u&&/li&&/ul&&p&介绍:MIT的Underactuated Robotics于 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！&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//yanbohappy.sinaapp.com/%3Fp%3D498& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《mllib实践经验(1)》&/a&&/u&&/li&&/ul&&p&介绍:mllib实践经验分享&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//www.seobythesea.com/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》&/a&&/u&&/li&&/ul&&p&介绍:Google用Deep Learning做的antispam(反垃圾邮件)&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=https%3A//github.com/memect/hao/blob/master/awesome/nlp.md& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《NLP常用信息资源》&/a&&/u&&/li&&/ul&&p&介绍:NLP常用信息资源* &u&&a href=&http://link.zhihu.com/?target=https%3A//github.com/memect/hao/blob/master/awesome/nlp.md& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《NLP常用信息资源》&/a&&/u&&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=https%3A//github.com/soulmachine/machine-learning-cheat-sheet& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《机器学习速查表》&/a&&/u&&/li&&/ul&&p&介绍:机器学习速查表&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//arnetminer.org/conferencebestpapers& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Best Papers vs. Top Cited Papers in Computer Science》&/a&&/u&&/li&&/ul&&p&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&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?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》&/a&&/u&&/li&&/ul&&p&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。&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//karpathy.github.io/neuralnets/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Hacker's guide to Neural Networks》&/a&&/u&&/li&&/ul&&p&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&u&&a href=&http://link.zhihu.com/?target=https%3A//github.com/karpathy/convnetjs& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&ConvNetJS&/a&&/u&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&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//machinelearningmastery.com/building-a-production-machine-learning-infrastructure/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Building a Production Machine Learning Infrastructure》&/a&&/u&&/li&&/ul&&p&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&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//neo4j.com/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》&/a&&/u&&/li&&/ul&&p&介绍：使用&u&&a href=&http://link.zhihu.com/?target=http%3A//www.neo4j.org/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Neo4j&/a&&/u& 做电影评论的情感分析。&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//memkite.com/deep-learning-bibliography/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《DeepLearning.University – An Annotated Deep Learning Bibliography》&/a&&/u&&/li&&/ul&&p&介绍：不仅是资料，而且还对有些资料做了注释。&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//www.datarobot.com/blog/a-primer-on-deep-learning/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《A primer on deeping learning》&/a&&/u&&/li&&/ul&&p&介绍：深度学习入门的初级读本&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=https%3A//news.ycombinator.com/item%3Fid%3D8379571& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Machine learning is teaching us the secret to teaching 》&/a&&/u&&/li&&/ul&&p&介绍：机器学习教会了我们什么？&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?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》&/a&&/u&&/li&&/ul&&p&介绍：scikit-learn是在SciPy基础上构建的用于机器学习的Python模块。&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//www.infoq.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》&/a&&/u&&/li&&/ul&&p&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。&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//www.redblobgames.com/pathfinding/a-star/introduction.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《A*搜索算法的可视化短教程》&/a&&/u&&/li&&/ul&&p&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。&u&&a href=&http://link.zhihu.com/?target=https%3A//github.com/memect/hao/issues/256& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&合集&/a&&/u&&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?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》&/a&&/u&&/li&&/ul&&p&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&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//www.youku.com/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》&/a&&/u&&/li&&/ul&&p&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&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//ml.memect.com/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》&/a&&/u&&/li&&/ul&&p&介绍：好东西的干货真的很多&/p&&ul&&li&&u&&a href=&http://link.zhihu.com/?target=http%3A//memkite.com/deep-learning-bibliography/& class=&