纵深学习Deep

By admin in 天文学 on 2019年3月15日

  目前在学深度学习相关的事物,在网上收集到了有的不易的资料,以往集中一下:

Free Online Books

  1. Deep
    Learning66
     by
    Yoshua Bengio, Ian Goodfellow and Aaron Courville
  2. Neural Networks and Deep Learning42 by
    Michael Nielsen
  3. Deep Learning27 by
    Microsoft Research
  4. Deep Learning Tutorial23 by
    LISA lab, University of Montreal
  5. Deep
    Learning:An MIT Press
    Book

Courses

  1. Machine Learning10 by
    Andrew Ng in Coursera
  2. Neural Networks for Machine Learning12 by
    Geoffrey Hinton in Coursera
  3. Neural networks class2 by
    Hugo Larochelle from Université de Sherbrooke
  4. Deep Learning Course14 by
    CILVR lab @ NYU

Video and Lectures

  1. How To Create A Mind3 By
    Ray Kurzweil – Is a inspiring talk
  2. Deep Learning, Self-Taught Learning and Unsupervised Feature
    Learning2
     By
    Andrew Ng
  3. Recent Developments in Deep Learning2 By
    Geoff Hinton
  4. The Unreasonable Effectiveness of Deep
    Learning
     by Yann LeCun
  5. Deep
    Learning of
    Representations
     by
    Yoshua bengio
  6. Principles of Hierarchical Temporal
    Memory
     by Jeff Hawkins
  7. Machine Learning Discussion Group – Deep Learning w/ Stanford AI
    Lab1
     by
    Adam Coates
  8. Making Sense of the World with Deep Learning1 By Adam Coates
  9. Demystifying Unsupervised Feature
    Learning 
    By Adam
    Coates
  10. Visual Perception with Deep Learning3 By
    Yann LeCun
  11. Oxford Deep
    Learning –
    Nando de
    Freitas 
    :在Oxford开设的吃水学习课程,有整整录制

Papers

  1. ImageNet Classification with Deep Convolutional Neural
    Networks5
  2. Using Very Deep Autoencoders for Content Based Image Retrieval2
  3. Learning Deep Architectures for AI2
  4. CMU’s list of papers7
  5. The Learning
    Machines
     –
    3个导论性质的稿子,让您大概掌握深度学习是怎么样,用来干什么的。
  6. Deep
    Learning
     –
    (Review Article in Nature, May 2015) 三大神 Yann LeCun, Yoshua
    Bengio, and Geoffrey Hinton的文章,不解释。
  7. Growing Pains in Deep
    Learning
  8. Deep Learning in Neural
    Networks
     –
    This technical report provides an overview of deep learning and
    related techniques with a special focus on developments in recent
    years. 重要看点是深浅学习近两年(二〇一二-二〇一五)的进行情状。

Tutorials

  1. UFLDL Tutorial 120
  2. Deep
    Learning Tutorial from
    Stanford
    :巴黎高师的官方Tutorial
  3. Deep Learning for NLP (without Magic)8
  4. A Deep Learning Tutorial: From Perceptrons to Deep Networks5

WebSites

  1. deeplearning.net7
  2. deeplearning.stanford.edu6
  3. Forum2

Datasets

  1. MNIST1 Handwritten
    digits
  2. Google House Numbers from
    street view
  3. CIFAR-10 and CIFAR-10034.  IMAGENET1
  4. Tiny Images1 80
    Million tiny images6.  Flickr
    Data
     100
    Million Yahoo dataset
  5. Berkeley Segmentation Dataset
    500

Frameworks

  1. Caffe92.  Torch73
  2. Theano3
  3. cuda-convnet25.  Ccv1
  4. NuPIC3
  5. DeepLearning4J:Java和Scala写的,能在Hadoop和斯Parker上利用,作用相当强劲

Miscellaneous

  1. Google Plus – Deep Learning
    Community
  2. Caffe Webinar4
  3. 100 Best Github Resources in Github for DL5
  4. Word2Vec3
  5. Caffe DockerFile2
  6. TorontoDeepLEarning
    convnet
  7. Vision data sets1
  8. Fantastic Torch Tutorial4 My
    personal favourite. Also check out gfx.js1

Github

  1. DeepLearn
    Toolbox
  2. Caffe Webinar4
  3. 100 Best Github Resources in Github for DL5
  4. Word2Vec3
  5. GitHub – Eniac-Xie/PyConvNet: Convolutional Neural Network for
    python
    users
     
    :多个简练的CNN完成(Python)

多少个常见应用领域

多少个常用的纵深学习代码库

  • H2O –
    1个开源的可扩展的库,协助Java, Python, Scala, and 奥迪Q7

  • Deeplearning4j –
    Java库,整合了Hadoop和Spark

  • Caffe –
    Yangqing Jia读博士的时候开发的,现在依旧由Berkeley维护。

  • Theano –
    最盛行的Python库

News

  • Deep Learning
    News
     –
    紧跟深度学习的资源新闻、钻探进展和连锁的创业好项目。

 

CV和NLP方面包车型客车运用(左边的链接是舆论,左侧的是代码)

 

终极一定得推荐那一个Github:

 

机器学习(Machine Learning)&深度学习(Deep
Learning)资料(Chapter
2)
(篇目一是机械学习的材质集聚,篇目二是深度学习的汇总,并且在不断更新中)

 

介绍:使用卷积神经互连网的图像缩放.

介绍:ICML二零一五诗歌集,优化陆个+稀疏优化一个;强化学习5个,深度学习3个+深度学习总括贰个;贝叶斯非参、高斯进度和读书理论二个;还有划算广告和社会采用.ICML2015
Sessions
.

介绍:使用卷积神经网络的图像缩放.

介绍:,第贰8届IEEE计算机视觉与方式识别(CVP奇骏)大会在United States亚特兰洲大学举行。微软研商员们在大会上显得了比往年更快更准的电脑视觉图像分类新模型,并介绍了怎么着运用Kinect等传感器达成在动态或低光环境的迅猛大规模3D扫描技术.

介绍:(文本)机器学习可视化分析工具.

介绍:机器学习工具包/库的综合/比较.

介绍:数据可视化最佳实践指南.

介绍:Day
1
Day
2
Day
3
Day
4
Day
5
.

介绍:深度学习之“深”——DNN的隐喻分析.

介绍:混合密度网络.

介绍:数据化学家职位面试题.

介绍:准确评估模型预测误差.

介绍:Continually updated Data Science Python Notebooks.

介绍:How to share data with a statistician.

介绍:来自推特(TWTR.US)的图像自动生成.

介绍:How to share data with a statistician.

介绍:(谷歌)神经(感知)会话模型.

介绍:The 50 Best Masters in Data Science.

介绍:NLP常用新闻财富.

介绍:语义图像分割的真相演示,通过深度学习技术和概率图模型的语义图像分割.

介绍:Caffe模型/代码:面向图像语义分割的全卷积互联网,模型代码.

介绍:深度学习——成长的烦恼.

介绍:基于长富树方法的文件流聚类.

介绍:Free Ebook:数据挖掘基础及新型进展.

介绍:深度学习革命.

介绍:数据正确(实践)权威指南.

介绍:37G的微软学术图谱数据集.

介绍:生产条件(产品级)机器学习的时机与挑衅.

介绍:神经网络入门.

介绍:来自华盛顿圣路易斯分校的结构化稀疏诗歌.

介绍:来自雅虎的机器学习小组关于在线Boosting的舆论 .

介绍:二十四个最看好的开源(Python)机器学习项目.

介绍:C++并行贝叶斯推理总计库QUESO,github code.

介绍:Nature:LeCun/Bengio/Hinton的流行篇章《深度学习》,Jürgen
Schmidhuber的风行业评比杂文章《Critique of Paper by “Deep Learning
Conspiracy” (Nature 521 p
436)》
.

介绍:基于Scikit-Learn的前瞻分析服务框架Palladium.

介绍:John Langford和哈尔 Daume III在ICML二零一六上关于Learning to
Search的教学讲座幻灯片.

介绍:读完那100篇随想就能成大数额高手,国内翻译.

介绍:NLP课程《社交媒体与公事分析》精选阅读列表.

介绍:写给开发者的机械学习指南.

介绍:基于维基百科的热点音讯发现.

介绍:(Harvard)HIPS将文告可扩张/自动调参贝叶斯推理神经网络.

介绍:面向上下文感知查询建议的层系递归编解码器.

介绍:GPU上遵照Mean-for-Mode估算的高效LDA磨炼.

介绍:从实验室到厂子——构建机器学习生产架构.

介绍:适合做多少挖掘的6个经典数据集(及其它玖十多个列表).

介绍:谷歌面向机器视觉的深浅学习.

介绍:创设预测类应用时怎样抉择机器学习API.

介绍:Python+心理分析API完成传说情节(曲线)分析.

介绍:(Evoque)基于照片墙/心绪分析的口碑电影推荐,别的推荐分类算法的实证相比分析.

介绍:CMU(ACL 二〇一一)(500+页)面向NLP基于图的半监农学习算法.

介绍:从贝叶斯分析NIPS,看同行业评比审的意义.

介绍:(PRADOLDM 二〇一四)总括强化学习入门.

介绍:戴维 Silver的深度加深学习教程.

介绍:深度神经网络的可解释性.

介绍:斯Parker火速入门.

介绍:TalkingMachines:面向体育/政治和实时预测的机械学习.

介绍:Stanford社交网络与信息互连网分析课程资料+课设+数据.

介绍:大卫Silver(DeeMind)的强化学习课程,slide.

介绍:基于Theano/GPU的长足深度学习.

介绍:来自微软的.

介绍:(Go)情感分析API服务Sentiment Server.

介绍:受限波尔兹曼机初学者指南.

介绍:Mining and Summarizing Customer
Reviews 
,Mining
High-Speed Data
Streams
,Optimizing
Search Engines using Clickthrough
Data
.

介绍:Nvidia深度学习课程.

介绍:2016年深度学习暑期课程,推荐助教主页.

介绍:那是一篇有关百度文章《基于深度学习的图像识别进展:百度的若干实施》的摘要,建议两篇文章结合起来阅读.

介绍:录制标注中的机械学习技术.

介绍:硕士杂文:(Ilya Sutskever)HighlanderNN陶冶.

介绍:深度神经网络的黄色区域:可解释性难点,中文版.

介绍:Golang 完成的机器学习库能源汇总.

介绍:深度学习的总括分析.

介绍:面向NLP的吃水学习技能与技巧.

介绍:Kaggle’s CrowdFlower竞技NLP代码集锦.

介绍:复旦的自然语言领会课程.

介绍:Deep Learning与Shallow Learning 介绍

介绍:这是一本机器学习的电子书,作者Max
Welling
学子在机器学习教学方面装有丰硕的经验,那本书小但精致.

介绍:由荷兰多伦多大学 & 谷歌(Google)瑞士联邦著.

介绍:介绍个乐于总括和翻译机器学习和总计机视觉类资料的博客,包涵的内容:Hinton的CSC321课程的计算;Deep
Learning综述;Notes on
CNN的下结论;python的原理总计;Theano基础知识和练习总计;CUDA原理和编制程序;OpenCV一些总括.

介绍:针对现实问题(应用场景)怎么样选用机器学习算法(种类).

介绍:数据科学免费书分类集合

介绍:深度学习在语音合成最新进展有怎么着?推荐MSRA的Frank
Soong老师关于语音合成的深浅学习方法的拍片和幻灯片与以及谷歌(谷歌(Google))的LSTM-EscortNN合成介绍,论文

介绍:新书(可免费下载):数据正确的办法

介绍:形式识别与机具学习书本推荐,本书是微软巴黎高等师范研讨院大神Bishop所写,算是可是广为认知的机械学习课本之一,内容覆盖周全,难度中上,适合博士中文版 or 备份

介绍:数据可视化介绍(23页袖珍小册子)

介绍:那篇散文荣获EMNLP贰零壹肆的最佳数据/能源奖出色奖,标明的推特(Twitter)数据集

介绍:小编在深度学习的思考.

介绍:数据可视化常用工具软件财富汇总

介绍:Buffalo高校教师Sargur Srihari的“机器学习和概率图模型”的录像课程

介绍:瓦尔帕莱索希伯来大学教学Shai Shalev-Shwartz和滑铁卢高校教师Shai
Ben-大卫的新书Understanding Machine Learning: From 西奥ry to
Algorithms,此书写的可比偏理论,适合对机械学习理论有趣味的同室选读

介绍:机器学习深造清单

介绍:乐乎上边的一篇有关NLP界有何神级人物?提问。首推迈克尔 Collins 

介绍:机器学习与NLP专家、MonkeyLearn联合开创者&高管 Raúl
Garreta面向初学者大体回顾使用机器学习进度中的首要概念,应用程序和挑衅,意在让读者可以一连搜寻机器学习文化。

介绍:(IPN)基于Scikit-Learn的GBRT(Gradient Boost Regression
Tree)教程,slide

介绍: 无需做深度学习就能用的分布式深度学习软件.

介绍: 在亚马逊(亚马逊)数据和众包Mechanical
Turk上,完成了来自彩票和拍卖的体制,以搜集用户对产品的愿意购买价格(WTP,willingness-to-pay)陶冶集。
E-commerce Recommendation with Personalized Promotion
[Zhao,RecSys15] 回归模型预测未知WTP,进步商户利润和买主满足度

介绍:来自伯克利分校的大规模机器学习.

介绍:来自52ml的机械学习质感大汇总.

介绍:那本书的作者McKeown是贰零壹贰年世界第3个数据中国科学技术大学学(位于哥大)经理,她亦是ACL、AAAI和ACM
Fellow .

介绍:EMNLP-15文书摘要若干.

介绍:来自Netflix的Xavier 阿马特riain在Summer School 二零一六 @
CMU上长达4钟头的告诉,共248页,是对推荐系统提升的3遍周全综合,在那之中还包罗Netflix在性格化推荐方面包车型大巴部分经历介绍.

介绍:(ECML PKDD 二零一四)大数据流挖掘教程,其余推荐ECML PKDD 2015
Tutorial列表
.

介绍:Spark上的Keras深度学习框架Elephas.

介绍:Surya Ganguli深度学习总括物教育学.

介绍:(系统/算法/机器学习/深度学习/图模型/优化/…)在线摄像课程列表.

介绍:(PyTexas 2014)Python大旨建立模型.

介绍:Hadoop集群上的普遍分布式机器学习.

介绍:基于LinkedIn数据得出的纵深学习热门”东家”排名.

介绍:(c++)神经网络手把手达成教程.

介绍:Hong Kong中大汤晓鸥教授实验室宣布的巨型人脸识别数据集:
Large-scale CelebFaces Attributes (CelebA) Dataset 10K 有名的人,202K
脸部图像,每种图像40余标注属性.

介绍:面向机器视觉的无监督特征学习,Ross Goroshin’s
webpage
.

介绍:谷歌研讨院萨姆y Bengio等人多年来写的XC60NN的Scheduled
萨姆pling操练方法诗歌.

介绍:机器学习为主算法简要入门.

介绍:Github机器学习/数学/总括/可视化/深度学习有关品种大列表.

介绍:CMU的消息论课程.

介绍:谷歌(谷歌(Google))研商院Samy
Bengio
等人近来写的帕杰罗NN的Scheduled
Sampling陶冶方法随想.

介绍:基于Hadoop集群的科学普及分布式深度学习.

介绍:来自耶路撒冷希伯来高校及NVIDIA的行事,很实在很实用。采取裁剪互联网连接及重磨炼方法,可大幅削减CNN模型参数。针对亚历克斯Net、VGG等模型及ImageNet数据,不损失识别精度情状下,模型参数可一点都不小缩小9-13倍.

介绍:无需做深度学习就能用的分布式深度学习软件,github.

介绍:当今世界最NB的二十八人大数据化学家,通过他们的名字然后放在google中找寻一定能找到很多很棒的能源译文.

介绍:Nils Reimers面向NLP的深度学习(Theano/Lasagne)类别教程.

介绍:主讲人是陶哲轩,资料Probability:
Theory and
Examples
,笔记.

介绍:数据正确(学习)财富列表.

介绍:应对非均衡数据集分类难点的八大策略.

介绍:重点引进的十多少个数据正确相关课程.

介绍:递归神经互联网.

介绍:(HOG)学习笔记.

介绍:总括建立模型/总结神经学课程汇总.

介绍:(Yelp)基于深度学习的买卖图片分类.

介绍:免费在线书《Neural Networks and Deep
Learning》神经网络与深度学习。近期提供了前四章的草稿,第一章因而手写数字识别的例子介绍NN,第②章讲反向传来算法,第一章讲反向传来算法的优化,第陆章讲NN为何能拟合任意函数。大批量python代码例子和相互动画,生动有趣.中文版

介绍:数据正确大咖荐书(入门).

介绍:NLP 深度学习能源列表.

介绍:很多arXiv下边盛名诗歌能够在这几个网站找到github的花色链接.

介绍:深度学习在视觉跟踪的探索.

介绍:Spark机器学习入门实例——大数据集(30+g)二分类.

介绍:Paul艾伦人工智能实验室表示,GoogleScholar是十年前的产物,他们将来想要做进一步的增加。于是推出了全新的,专门针对物管理学家设计的学问搜索引擎Semantic
Scholar.

介绍:半监察学习,Chapelle.篇篇都是经典,小编包罗Vapnik,Bengio,Lafferty,Jordan.其余推荐Xiaojin
(Jerry) Zhu
编写的Introduction
to Semi-Supervised
Learning
.

介绍:斯Parker机器学习入门实例——大数据集(30+g)二分类.

介绍:为入门者准备的深浅学习与神经网络免费财富.

介绍:谷歌 开源最新机器学习体系TensorFlow,此外提供TensorFlow白皮书white paper of tensorflow
2015
.hacker
news
,谷歌(Google)大牛解读TensorFlow

介绍:Samsung开源的便捷深度学习应用程序开发分布式平台.

介绍:分布式机器学习工具包.

介绍:语义大数据——大数据/事件处理的语义方法.

介绍:LSTM(Long Short Term Memory)和哈弗NN(Recurrent)学习教程.

介绍:Princeton Vision Group的纵深学习库开源.

介绍:基于AWS的电动分布式科学总计库Ufora,Why I Open Sourced Five Years
of
Work
.

介绍:(PyCon SE 二〇一六)深度学习与深度数据科学.

介绍:推荐南京大学机械学习与数据挖掘探讨所所长——周志华助教的谷歌(Google)学术主页.

介绍:免费书:面向数据科学的高级线性模型.

介绍:基于知识迁移的神经互连网高效磨练Net2Net.

介绍:徐亦达机器学习课程 Variational Inference.

介绍:深度神经网络结构学习.

介绍:来自牛津州立大学的Multimodal Deep Learning papers.

介绍:深度学习简析,TensorFlow,Torch,Theano,Mxnet.

介绍:那么些专栏是3个stanford学生做的CS183c课程的四个note,该学科是由Reid
霍夫曼等网络boss级人物设置的,每节课请一人巨头公司的连带官员来做访谈,讲述该公司是怎么scale的。最新两期分别请到了雅虎的梅姐和airbnb开创者Brian
Chesky。.

介绍:基于分布式表示的自然语言驾驭(100+页),论文.

介绍:推荐系统手册.

介绍:理解LSTM网络翻译.

介绍:机器学习在quora中的应用.

介绍:思维学习——PRADOL+XC90NN算法音讯论.

介绍:数据化学家完成学业后持续上学的5种方式.

介绍:深度学习在神经互连网的应用.

介绍:上下军事学习,代码.

介绍:机器学习零基础入门,代码.

介绍:二零一六寒暑CCF特出大学生学位杂谈奖散文列表.

介绍:Learning to Hash Paper, Code and Dataset.

介绍:(PyData2015)基于Theano/Lasagne的CNN/RNN教程,github.

介绍:北大高校邱锡鹏导师编写制定的神经互联网与深度学习课本,ppt.

介绍:微软澳洲研商院开源分布式机器学习工具包.

介绍:语音识别的技能原理分析

介绍:迈克尔·I.Jordan的主页.根据主页能够找到很多能源。迈克尔·I.乔丹是闻明的微型总计机科学和计算学学者,首要钻探机器学习和人为智能。他的要害贡献包含提出了机械学习与总结学之间的联系,并推进机械学习界广泛认识到贝叶斯互连网的根本。

介绍:杰弗里·埃弗Rees特·辛顿
FXC90S是一人民代表大会不列颠及英格兰联合王国诞生的持筹握算机学家和心思学家,以其在神经网络方面包车型地铁孝敬知名。辛顿是反向传来算法和对待散度算法的发明人之一,也是深浅学习的主动推进者.通过他的主页能够挖掘到很多Paper以及杰出学生的paper,其余推荐他的学员Yann
Lecun
主页

介绍:Yoshua
Bengio是机器学习方向的牛人,假如你不亮堂能够翻阅对话机器学习大神Yoshua
Bengio(上)
,对电话机器学习大神Yoshua
Bengio(下)

介绍:google大规模深度学习应用演进

介绍:MIT出版的深度学习电子书,公开电子书

介绍:深度卷积神经互联网(CNN)提取特征的数学理论

介绍:推荐微软亚洲商讨院何恺明主页

介绍:《语音与语言处理》第2版(草稿)

介绍:Stanford新课”总括词汇语义学”

介绍:上海科学和技术高校王彧华先生的计算机器学习与机械和工具学习导论视频链接:密码:
r9ak
.概率基础

介绍:computational linguistics and deep
learning视频,推荐Deep
Learning: An Introduction from the NLP
Perspective

介绍:(布莱克Hat二零一六)深度学习应用之流量鉴定区别(协议鉴定区别/至极检查和测试),[slide])(https://www.blackhat.com/docs/us-15/materials/us-15-Wang-The-Applications-Of-Deep-Learning-On-Traffic-Identification.pdf),%5Bmaterial%5D(https://www.blackhat.com/docs/us-15/materials/us-15-Wang-The-Applications-Of-Deep-Learning-On-Traffic-Identification-wp.pdf)

介绍:三个引进系统的Java库

介绍:十大旨图的谱分解及其在互联网凌犯检查和测试中的应用(MC-GPCA&MC-GDL)

介绍:用Python学计臆度算学

介绍:datumbox-framework——Java的开源机器学习框架,该框架重点是提供多量的机器学习算法和计算检验,并能够处理中型小型框框的数据集

介绍:递归神经互连网awesome连串,涵盖了书本,项目,paper等

介绍:佩德罗多明戈斯是华盛顿大学的授课,首要研商方向是机器学习与数量挖掘.在二〇一四年的ACM
webinar会议,曾公布了有关盘点机器学习园地的中国共产党第五次全国代表大会门户主旨演说.他的个人主页拥有不少互为表里切磋的paper以及她的教师课程.

介绍:机器学习录像集锦

介绍:深度机器学习库与框架

介绍:那篇文章内的引进系统能源很丰硕,笔者很有心,摘录了《推荐系统实战》内引用的诗歌.

介绍:(天法学)贝叶斯方法/MCMC教程——总结实战

介绍:免费书:总计稀疏学习,笔者Trevor
Hastie
Rob
Tibshirani
都以新罕布什尔理工科业大学学的讲课,特雷沃Hastie更是在总计学学习上建树多多

介绍:景逸SUV分布式总计的发展,其余推荐(君越)天气变化可视化,(奥迪Q7)马尔可夫链入门

介绍:Nervana
Systems在Startup.ML的主旨研究琢磨会——心情分析与深度加深学习

介绍:深度学习卷积概念详解.

介绍:Python推荐系统开发库汇总.

介绍:超棒的神经网络课程,深刻浅出介绍深度学习,由HugoLarochelle(Yoshua Bengio的学士生,杰弗里Hinton此前的大学生后)主讲,强烈推荐.

介绍:加州圣巴巴拉分校新科目,面向视觉识其余卷积神经互联网(Fei-Fei Li & Andrej
Karpathy),slides+video,homework.

介绍:NIPS
二零一六会议计算第2部分,第三有的.

介绍:python机器学习入门资料梳理.

介绍:洛桑联邦理管理高校盛名视觉几何组VGG在IJCV16年首卷首期: Reading Text in the
魏尔德 with Convolutional Neural
Networks,Jaderberg。那篇期刊小说融合了事先两篇会议(ECCV14,NIPS14ws),定位和辨认图片中的文本(叫text
spotting)。 端到端系统: 检查和测试Region + 识别CNN。杂文、数据和代码.

介绍:总结机视觉的三个较大的数目集索引,
包涵388个标签,共收音和录音了3十四个数据集合,点击标签云就能够找到自身要求的库了.

介绍:汤姆bone 对 ICCV SLAM workshop 的总计: the future of SLAM, SLAM
vs deep learning 重点介绍了 monoSLAM 和 LSD-SLAM,而且切磋了
feature-based 和 feature-free method 的尺寸。在老百姓deep
learning做visual perception的时候,再来读读CV中的 geometry.

介绍:Nervana Systems的开源深度学习框架neon宣布.

介绍:ICCV 二零一六的ImageNet竞赛以及MS COCO竞技联合研究钻探会的幻灯片和录制.

介绍:Python机器学习入门.

介绍:Neural Enquirer 第二版.

介绍:[Google]依照TensorFlow的深度学习/机器学习课程.

介绍:LAND-bloggers网站二〇一六”必读”的100篇文章,安德拉语言学习的福音.

介绍:推荐书籍:<机器学习:可能率视角>,样章Undirected graphical
models Markov random
fields
.

介绍:那是一本在线的深度学习书本,合著者有伊恩 Goodfellow, Yoshua Bengio
和 亚伦 Courville.如若你是一个人新入门的上学的儿童能够先看那本书籍Yoshua
Bengio: How can one get started with machine
learning?

介绍:UFLDL推荐的吃水学习阅读列表.

介绍:London州立学院布法罗分校2016年春日机械学习课程主页.

介绍:
Theano是主流的纵深学习Python库之一,亦援助GPU,入门相比难.推荐Theano
tutorial
,Document

介绍:硕士随想:神经互连网总括语言模型.

介绍:文件数据的机械学习活动分拣方法(下).

介绍:用RAV4NN预测像素,能够把被屏蔽的图样补充完整.

介绍:微软研讨院把其深度学习工具包CNTK,想进一步精通和学习CNTK的同室能够看今天宣布的《CNTK白皮书》An
Introduction to Computational Networks and the Computational Network
Toolkit
.

介绍:
卡尔曼滤波器教材,用尽量少的数学和演绎,传授直觉和经历,全体Python示例,内容覆盖Carl曼滤波器、扩张Carl曼滤波,无迹Carl曼滤波等,包涵练习和参考答案

介绍:在线免费书:面向数据科学的总计测算,CR-V示例代码,很科学GitHub.

介绍:这本书是由Yoshua
Bengio撰写的学科,其内容包蕴了就学人工智能研究所选用的吃水学习架构的求学财富,书中的项目已停止更新DeepLearnToolbox.

介绍:这是一份机器学习和深度学习课程,作品和能源的清单。那张清单依据各种主题开始展览写作,包罗了很多与深度学习有关的类型、计算机视觉、加强学习以及各类架构.

介绍:那是由多恩马丁策划收集的IPython台式机。话题涵盖大数量、Hadoop、scikit-learn和正确Python堆栈以及广大别样方面包车型大巴始末。至于深度学习,像是TensorFlow、Theano和Caffe之类的框架也均被含有当中,当然还有相关的特定构架和定义等.

介绍:开源的深浅学习服务,DeepDetect是C++完毕的依照外部机器学习/深度学习库(如今是Caffe)的API。给出了图片磨炼(ILSVPRADOC)和文件陶冶(基于字的情愫分析,NIPS15)的样例,以及依照图片标签索引到ElasticSearch中github.

介绍:这是海外的贰个科学技术频道,涵盖了多少挖掘,分析以及数据科学类的小说.偶尔还有机器学习精选.

介绍:经典杂谈:数据挖掘与总结学.

介绍:NIPS’2015 Tutorial by Yoshua Bengio.

介绍:Nervana Systems的开源深度学习框架neon公布.

介绍:犹他州大学马特 Might教师推荐的博士阅读清单.

介绍:开放数据集.

介绍:(edX)不强烈的不利——可能率论导论(MITx).

介绍:ENCORE语言开发常用软件/工具推荐.

介绍:动态回想互连网达成.

介绍:英文主页

介绍:五十多少个大数量解析最佳学习财富(课程、博客、教程等)

介绍:深度学习的一应俱全硬件指南,从GPU到RAM、CPU、SSD、PCIe,译文

介绍:kaiming开源小说

介绍:自然语言处理(NLP)权威指南

介绍:如何在社会媒体上做言语检查和测试?没有数量如何做?推特(TWTR.US)官方发表了四个不胜宝贵的数据集:12万标号过的Tweets,有70种语言

介绍:深度学习和机械和工具学习重点集会ICLKuga 二〇一四接纳作品

介绍:机器学习——深度非技术指南

介绍:数据叙事入门指南——创新意识生成/数据搜集/内容设计相关财富引进

介绍:WikiTableQuestions——复杂真实问答数据集

介绍:(2014版)三二十一个超棒的免费大数据源

介绍:Ion Stoica和 迈克尔 I.
Jordan两位我们第②遍联合发文,CAFFE和SPA汉兰达K完美组合,分布式深度学习混搭格局!github

介绍:深度学习(分类)文献集

介绍:深度学习阅读列表

介绍:探索昂Cora包的好网站Awesome 42

介绍:MLbase是Prof. Dr. Tim
Kraska
的四个研究项目,MLbase是3个分布式机器学习管理种类

介绍:分布式深度学习平台SINGA介绍

介绍:斯Parker摄像集锦

介绍:福特Explorer语言深度学习第四节:从零伊始

介绍:图解机器学习

介绍:AMiner诗歌引用数据集(v7:2,244,021 papers and 4,354,534 citation
relationships)

介绍:10本最佳机器学习免费书

介绍:ICCV15视频集

介绍::(Yahoo)基于Hadoop/斯Parker的分布式Caffe完结CaffeOn斯Parker

介绍:Learning to Rank简介

介绍:举世深度学习专家列表,涵盖商量者主页

介绍:斯Parker生态超级项目集中

介绍:ACM IUI’16论文集[Conference Navigator

Proceedings](http://halley.exp.sis.pitt.edu/cn3/proceedingswithauthors.php?conferenceID=139)

介绍:深切机器学习,2,3,4

介绍:Nando de
Freitas
在 Oxford
开设的深度学习课程,课程youtube地址,GoogleDeepMind的钻研地经济学家,别的首页:computervisiontalks的剧情也很充分,假若你是做机械视觉方面包车型客车商讨,推荐也看看其余内容.肯定收获也十分的大.还有,这位youtube主页顶过的录像也很有分量

介绍:Geoffrey Hinton在Coursera开设的MOOC

介绍:深度学习世界的哈克er
news.紧跟深度学习的资源讯息、研商进展和连锁的网络项目。从事机械学习,深度学习世界的爱人提议每天看一看

介绍:马克斯out互连网剖析

介绍:NIPS领域的集会paper集锦

介绍:机器学习在生物工程领域的接纳,假使您从事生物工程领域,能够先读书一篇小说详尽介绍

介绍:深度学习在生物音信学领域的应用

介绍:一些有关机器学习必要明白知识,对于刚同志刚入门机器学习的同校应该读一读

介绍:浦项科技大学机器学习用户组主页,网罗了牛津高校部分机械学习领域专家与音信

介绍:Randy
Olson’s
的局地数量解析与机械和工具学习项目库,是读书实践的好材质

介绍:Golang机器学习库,简单,易扩张

介绍:用Swift开发苹果接纳的倒是很多,而用来做机械学习的就相比较少了.斯维夫特Ai在那方面做了不少聚集.能够看看

介绍:怎样向1个人四周岁的幼儿解释扶助向量机(SVM)

介绍: reddit的机械学习栏目

介绍:
总结机视觉领域的一些牛人博客,超有实力的商讨机关等的网站链接.做计算机视觉方向的情侣建议多关切其中的资源

介绍:东方之珠中大深度学习琢磨主页,其它商量小组对二零一三年deep learning
的最新进展和血脉相通杂文
做了整治,在那之中useful
links的内容很收益

介绍:
那是一篇有关寻找引擎的学士杂谈,对今天常见运用的摸索引擎google,bing等做了分析.对于做搜索类产品的很有技术参考价值

介绍: 深度学习书本推荐(终究那类书比较少).

介绍: 深度学习书本推荐(毕竟这类书比较少).

介绍: 贝叶斯定理在深度学习地点的商讨故事集.

介绍:
来自谷歌(谷歌)大脑的故伎重演分布式梯度降低.同时援引大面积分布式深度互联网

介绍: 社交总计研究有关难题综述.

介绍: 社交总计应用领域大概浏览,里面某些经典诗歌推荐

介绍: 协同过滤在引进系统应用.

介绍: 协同过滤在内容引进的商量.

介绍: 协同过滤经典杂文.

介绍: 协同过滤算法.

介绍: 亚马逊(亚马逊)对于联合过滤算法应用.

介绍: 协同过滤的隐式反馈数据集处理.

介绍: 总计机图形,几何等诗歌,教程,代码.做总结机图形的引荐收藏.

介绍:
推荐哥大课程,稀疏表示和高维几何.12年由Elsevier、13年现今由PAMI(仍由Elsevier赞助)设立的妙龄商量者奖(Young
Researcher
Award)授予完结大学生学位后七年内取得杰出进献的;由CV社区提名,在CVP君越会议上发表。二零一四年得主是哥伦比亚大学助理教师John赖特,09年《健壮人脸识别的稀疏表示法》引用已超5K.

介绍: CMU机器学习系盛名教师亚历克斯Smola在Quora对于《程序员怎么样学习Machine
Learning》的建议:亚历克斯推荐了无数关于线性代数、优化、系统、和计算领域的经典教材和资料.

介绍:
书籍推荐,深度学习基础.源码

介绍:
软件工程领域未来也对机械学习和自然语言处理很感兴趣,有人生产了“大代码”的定义,分享了好多代码集合,并且认为ML能够用在预测代码Bug,预测软件作为,自动写新代码等义务上。大代码数据集下载

介绍:
深度学习实行指标识别的财富列表:包含HavalNN、MultiBox、SPP-Net、DeepID-Net、Fast汉兰达-CNN、DeepBox、MSportage-CNN、法斯特er
Rubicon-CNN、YOLO、DenseBox、SSD、Inside-Outside Net、G-CNN

介绍: Yann LeCun 2015纵深学习课程的幻灯片(Deep Learning Course by
Yann LeCun at Collège de France
二零一四)百度云密码:
cwsm 原地址

介绍:
Stan寿星机交互组五篇CHI16篇章。1.众包激励机制的作为历史学切磋:批量结算比单任务的达成率高。2.在众包专家和新手间建立联系:微实习。3.词嵌入结合众包验证的词汇核心分类(如猫、狗属于宠物)。4.词嵌入结合目的识别的移动测度。5.鞭策出错以加速众包速度。

介绍: 自学数据科学

介绍:
本课是CS224D一节介绍TensorFlow课程,ppt,DeepDreaming
with
TensorFlow

介绍:
Leaf是一款机器学习的开源框架,专为黑客构建,而非为化学家而作。它用Rust开发,古板的机器学习,于今的吃水学习通吃。Leaf

介绍: GTC
2016
录像,MXnet的手把手深度学习tutorial,相关参考资料MXNet
Tutorial for NVidia GTC
2016.

介绍: OpenAI Gym:开发、比较强化学习算法工具箱

介绍: 机器学习会议ICL福特Explorer 二零一五 诗歌的代码集合

介绍: 此书是北卡罗来纳教堂山分校大学可能率图模型大牛达芙妮Koller所写,首要涉及的是贝叶斯网络和Marco夫逻辑互连网的learning和inference难题,同时又对P红霉素有深厚的争鸣解释,是上学可能率图模型不可不看的书籍。难度中上,适合有一对ML基础的钻研生.备份地址

介绍: 此书是耶鲁大学盛名音讯论专家大卫MacKay所写,出发角度与广大机械学习的书籍都不平等,inference和MCMC那章写的最好,难度中。适合博士和本科生。

介绍: 13分好的Convex
Optimization教材,覆盖了种种constrained和unconstrained
optimization方法,介绍了convex优化的基本概念和申辩。难度中,适合对优化和机具学习有自然基础的人工产后出血

介绍:
本书是CMU机器学习系老董Mitchell早年写的机器学习读本,时期有点久远.难度不高。适合初学者,本科生,学士

介绍:
本书设计学习Kernel和SVM的各类理论功底,需求较强的数学功底,适合对kernel和SVM感兴趣的同室选读Learning
with Kernels
PPT
,参考Learning
with
Kernels

介绍:
塞维利亚希伯来计算系二位大神的计算学习课本,偏总括和读书理论,须求对线性代数、总括和可能率论有一定基础、难度高、适合硕士

介绍:
本书是让人侧目机器学习工具Weka小编辑撰写写的运用机器学习指点书、十分实用、难度低、适合文科和种种应用科学做参考

介绍:
本书也是一本相比较受欢迎的NLP教科书,难度一般,主要覆盖计算NLP方法,是厦大的另1个人大牛Chirs
manning所写

介绍:
在北美NLP最常用的讲义,巴黎高师Jurafsky所写的自然语言处理入门教程,覆盖面比较完善,难度中低。适合本科生和硕士

介绍: 实战型教程,著名工具NLTK作者的编慕与著述,适合本科生和入门者边动手边学

 

 

参考文献:

1.纵深学习阅读清单:http://suanfazu.com/t/topic/245

2.纵深学习如何入门:https://www.zhihu.com/question/26006703/answer/63572833

 

 

 

发表评论

电子邮件地址不会被公开。 必填项已用*标注

网站地图xml地图
Copyright @ 2010-2019 亚洲必赢手机官网 版权所有