资料齐全

By admin in 天文学 on 2019年3月20日

 

转:【深度学习Deep
Learning】资料齐全

天文学, 

 方今在学深度学习相关的事物,在网上搜集到了有的正确的材质,今后集中一下:

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开设的纵深学习课程,有任何录制

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
     –
    叁个导论性质的小说,让您大致理解深度学习是怎么,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. 首要看点是深度学习近两年(2012-二〇一六)的进展境况。

Tutorials

  1. UFLDL Tutorial 120
  2. Deep Learning Tutorial from
    Stanford
    :澳大比什凯克国立的官方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Spark上使用,功用分外强劲

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
     
    :七个简约的CNN实现(Python)

多少个常见应用领域

多少个常用的纵深学习代码库

  • H2O –
    贰个开源的可扩张的库,支持Java, Python, Scala, and 揽胜极光

  • Deeplearning4j –
    Java库,整合了Hadoop和Spark

  • Caffe –
    Yangqing Jia读博士的时候开发的,今后仍旧由伯克利维护。

  • Theano –
    最风靡的Python库

News

  • Deep Learning
    News
     –
    紧跟深度学习的情报、研究进展和血脉相通的创业小项目。

 

CV和NLP方面包车型客车行使(左侧的链接是舆论,右侧的是代码)

 

终极一定得推荐那个Github:

 

机器学习(Machine Learning)&深度学习(Deep Learning)资料(Chapter
2)
(篇目一是机器学习的资料汇聚,篇目二是深浅学习的汇聚,并且在不断更新中)

 

介绍:使用卷积神经网络的图像缩放.

介绍:ICML二〇一四诗歌集,优化四个+稀疏优化三个;强化学习四个,深度学习三个+深度学习总括叁个;贝叶斯非参、高斯进程和上学理论3个;还有划算广告和社会采用.ICML2015
Sessions
.

介绍:使用卷积神经互联网的图像缩放.

介绍:,第贰8届IEEE总括机视觉与情势识别(CVP宝马X5)大会在U.S.杜塞尔多夫举办。微软钻探员们在大会上出示了比往年更快更准的处理器视觉图像分类新模型,并介绍了怎么使用Kinect等传感器落成在动态或低光环境的便捷大规模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/相比较.

介绍:数据可视化最好实践指南.

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:数据科学家职位面试题.

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:来自推特的图像自动生成.

介绍:How to share data with a statistician.

介绍:(谷歌(Google))神经(感知)会话模型.

介绍:The 50 Best Masters in Data Science.

介绍:NLP常用音讯能源.

介绍:语义图像分割的谜底演示,通过深度学习技能和可能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网络,模型代码.

介绍:深度学习——成长的烦恼.

介绍:基于三元树方法的公文流聚类.

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:数据科学(实践)权威指南.

介绍:37G的微软学术图谱数据集.

介绍:生产环境(产品级)机器学习的时机与挑衅.

介绍:神经网络入门.

介绍:来自加州圣地亚哥分校的构造化稀疏杂谈.

介绍:来自雅虎的机器学习小组关于在线Boosting的舆论 .

介绍:十多个最叫座的开源(Python)机器学习项目.

介绍:C++并行贝叶斯推理计算库QUESO,github code.

介绍:Nature:LeCun/Bengio/Hinton的新型篇章《深度学习》,Jürgen
Schmidhuber的摩登评论小说《Critique of Paper by “Deep Learning
Conspiracy” (Nature 521 p
436)》
.

介绍:基于Scikit-Learn的展望分析服务框架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篇论文就能成大数额高手,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:写给开发者的机器学习指南.

介绍:基于维基百科的热点新闻发现.

介绍:(Harvard)HIPS将公布可扩充/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上依据Mean-for-Mode推测的短平快LDA磨练.

介绍:从实验室到厂子——塑造机器学习生产架构.

介绍:适合做多少挖掘的陆个经典数据集(及此外玖十多个列表).

介绍:谷歌面向机器视觉的吃水学习.

介绍:构建预测类应用时怎么接纳机器学习API.

介绍:Python+心理分析API落成典故情节(曲线)分析.

介绍:(Odyssey)基于推特(TWTR.US)/情绪分析的贺词电影推荐,别的推荐分拣算法的论据比较分析.

介绍:CMU(ACL 2012)(500+页)面向NLP基于图的半监察学习算法.

介绍:从贝叶斯分析NIPS,看同行业评比审的意义.

介绍:(奇骏LDM 二〇一六)总计强化学习入门.

介绍:戴维 Silver的深浅加深学习教程.

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社交互联网与音信互连网分析课程资料+课设+数据.

介绍:戴维Silver(DeeMind)的深化学习课程,slide.

介绍:基于Theano/GPU的快速深度学习.

介绍:来自微软的.

介绍:(Go)情绪分析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:二零一六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:百度的好多推行》的摘要,建议两篇小说结合起来阅读.

介绍:摄像标注中的机器学习技术.

介绍:博士杂文:(Ilya Sutskever)EnclaveNN锻炼.

介绍:深度神经网络的银色区域:可解释性难题,中文版.

介绍:Golang 完结的机器学习库能源汇总.

介绍:深度学习的总计分析.

介绍:面向NLP的吃水学习技术与技巧.

介绍:Kaggle’s CrowdFlower比赛NLP代码集锦.

介绍:伊利诺伊Madison分校的自然语言精晓课程.

介绍:Deep Learning与Shallow Learning 介绍

介绍:那是一本机器学习的电子书,笔者Max
Welling
文人在机器学习教学方面装有丰盛的经验,这本书小但精致.

介绍:由荷兰王国首尔大学 & 谷歌瑞士著.

介绍:介绍个乐于计算和翻译机器学习和计算机视觉类资料的博客,包蕴的剧情:Hinton的CSC321课程的下结论;Deep
Learning综述;Notes on
CNN的下结论;python的规律计算;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:针对具体难题(应用场景)怎么样挑选机器学习算法(连串).

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样?推荐MSRA的Frank
Soong老师关于语音合成的纵深学习格局的摄像和幻灯片与以及谷歌(谷歌(Google))的LSTM-冠道NN合成介绍,论文

介绍:新书(可免费下载):数据正确的章程

介绍:方式识别与机械和工具学习书本推荐,本书是微软瑞典皇家理工商讨院大神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,适合学士中文版 or 备份

介绍:数据可视化介绍(23页袖珍小册子)

介绍:那篇杂文荣获EMNLP2014的最好数据/能源奖杰出奖,标明的Facebook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大学教授Sargur Srihari的“机器学习和可能率图模型”的录像课程

介绍:乌鲁木齐希伯来高校讲授Shai Shalev-Shwartz和滑铁卢大学教师Shai
Ben-David的新书Understanding Machine Learning: From Theory to
Algorithms,此书写的相比较偏理论,适合对机器学习理论有趣味的同室选读

介绍:机器学习深造清单

介绍:网易上面的一篇关于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&首席营业官 Raúl
Garreta面向初学者大体总结使用机器学习进度中的首要概念,应用程序和挑衅,意在让读者能够一连寻找机器学习知识。

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,完成了来自彩票和处理的建制,以搜集用户对成品的愿意购买价格(WTP,willingness-to-pay)演练集。
E-commerce Recommendation with Personalized Promotion
[Zhao,RecSys15] 回归模型预测未知WTP,进步商户利润和顾客满意度

介绍:来自Berkeley分校的科普机器学习.

介绍:来自52ml的机器学习质地大汇总.

介绍:那本书的作者McKeown是贰零壹叁年世界第五个数据中国科学技术大学学(位于哥大)老板,她亦是ACL、AAAI和ACM
Fellow .

介绍:EMNLP-15文件摘要若干.

介绍:来自Netflix的Xavier 阿马特riain在Summer School 二〇一四 @
CMU上长达4钟头的告诉,共248页,是对引进系统一发布展的一回全面综合,个中还包含Netflix在个性化推荐方面包车型大巴一部分经历介绍.

介绍:(ECML PKDD 2016)大数据流挖掘教程,别的推荐ECML PKDD 2015
Tutorial列表
.

介绍:Spark上的Keras深度学习框架Elephas.

介绍:Surya Ganguli深度学习计算物军事学.

介绍:(系统/算法/机器学习/深度学习/图模型/优化/…)在线录制课程列表.

介绍:(PyTexas 2014)Python核心建立模型.

介绍:Hadoop集群上的宽泛分布式机器学习.

介绍:基于LinkedIn数据得出的深浅学习热门”东家”排名.

介绍:(c++)神经互联网手把手完结教程.

介绍:香江中大汤晓鸥教师实验室宣布的巨型人脸识别数据集:
Large-scale CelebFaces Attributes (CelebA) Dataset 10K 名家,202K
脸部图像,每一个图像40余标注属性.

介绍:面向机器视觉的无监察和控制特征学习,Ross Goroshin’s
webpage
.

介绍:谷歌(谷歌(Google))研究院Samy Bengio等人多年来写的TucsonNN的Scheduled
Sampling练习方法诗歌.

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/深度学习相关项目大列表.

介绍:CMU的音信论课程.

介绍:谷歌研商院Samy
Bengio
等人多年来写的逍客NN的Scheduled
Sampling磨炼方法散文.

介绍:基于Hadoop集群的广泛分布式深度学习.

介绍:来自德克萨斯奥斯汀分校大学及NVIDIA的干活,很实在很实用。选拔裁剪互连网连接及重训练方法,可急剧压缩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,模型参数可相当大减少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2伍个人大数目物工学家,通过他们的名字然后放在google中搜寻一定能找到很多很棒的财富译文.

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:数据科学(学习)能源列表.

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21个数据正确相关课程.

介绍:递归神经网络.

介绍:(HOG)学习笔记.

介绍:计算建立模型/计算神经学课程汇总.

介绍:(Yelp)基于深度学习的小购销图片分类.

介绍:免费在线书《Neural Networks and Deep
Learning》神经网络与深度学习。如今提供了前四章的草稿,第一章透过手写数字识别的事例介绍NN,第2章讲反向传播算法,第2章讲反向传来算法的优化,第⑥章讲NN为何能拟合任意函数。大批量python代码例子和互相动画,生动有趣.中文版

介绍:数据科学大拿荐书(入门).

介绍:NLP 深度学习财富列表.

介绍:很多arXiv上边闻名随想可以在那些网站找到github的品种链接.

介绍:深度学习在视觉跟踪的探索.

介绍:斯Parker机器学习入门实例——大数据集(30+g)二分类.

介绍:保罗Alan人工智能实验室表示,谷歌(Google)Scholar是十年前的产物,他们未来想要做尤其的升高。于是推出了全新的,专门针对物法学家设计的学问搜索引擎Semantic
Scholar.

介绍:半督察学习,Chapelle.篇篇都以经典,笔者包蕴Vapnik,Bengio,Lafferty,Jordan.别的推荐Xiaojin
(Jerry) Zhu
编写的Introduction
to Semi-Supervised
Learning
.

介绍:Spark机器学习入门实例——大数据集(30+g)二分类.

介绍:为入门者准备的吃水学习与神经网络免费能源.

介绍:谷歌(Google) 开源最新机器学习系统
TensorFlow,其它提供TensorFlow白皮书white paper of tensorflow
2015
.hacker
news
,谷歌(Google)大腕解读TensorFlow

介绍:Samsung开源的火速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)和奔驰G级NN(Recurrent)学习教程.

介绍:普林斯ton Vision Group的深度学习库开源.

介绍:基于AWS的自发性分布式科学总括库Ufora,Why I Open Sourced Five Years
of
Work
.

介绍:(PyCon SE 二零一五)深度学习与深度数据科学.

介绍:推荐南大机器学习与数量挖掘切磋所所长——周志华教师的谷歌(Google)学术主页.

介绍:免费书:面向数据正确的高级线性模型.

介绍:基于知识迁移的神经网络高效锻炼Net2Net.

介绍:徐亦达机器学习课程 Variational Inference.

介绍:深度神经互连网结构学习.

介绍:来自斯坦福高校的Multimodal Deep Learning papers.

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

介绍:那么些专栏是贰个stanford学生做的CS183c课程的三个note,该课程是由Reid
Hoffman等互连网boss级人物设置的,每节课请壹位巨头公司的有关管事人来做访谈,讲述该商厦是怎么scale的。最新两期分别请到了雅虎的梅姐和airbnb创办人Brian
Chesky。.

介绍:基于分布式表示的自然语言掌握(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——ENCOREL+SportageNN算法音讯论.

介绍:数据化学家毕业后继续读书的5种格局.

介绍:深度学习在神经互连网的应用.

介绍:上下管理学习,代码.

介绍:机器学习零基础入门,代码.

介绍:二零一四年度CCF杰出博士学位散文奖诗歌列表.

介绍:Learning to Hash Paper, Code and Dataset.

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

介绍:复旦大学邱锡鹏教育工小编编写制定的神经互联网与深度学习读本,ppt.

介绍:微软亚洲研商院开源分布式机器学习工具包.

介绍:语音识其余技艺原理分析

介绍:Michael·I.Jordan的主页.依据主页能够找到很多能源。迈克尔·I.Jordan是如雷贯耳的处理器科学和总括学学者,主要讨论机器学习和人造智能。他的根本进献蕴含提议了机器学习与总结学之间的维系,并推进机械学习界广泛认识到贝叶斯网络的最首要。

介绍:杰弗里·埃弗Rees特·辛顿
FEvoqueS是一人英帝国落地的持筹握算机学家和情感学家,以其在神经互连网方面包车型客车进献出名。辛顿是反向传来算法和自己检查自纠散度算法的发明人之一,也是深度学习的积极向上拉动者.通过他的主页能够挖掘到很多Paper以及优异学生的paper,此外推荐他的学习者Yann
Lecun
主页

介绍:Yoshua
Bengio是机器学习方向的牛人,假使您不知情能够翻阅对电话机器学习大神Yoshua
Bengio(上)
,对电话机器学习大神Yoshua
Bengio(下)

介绍:google大规模深度学习使用演进

介绍:MIT出版的纵深学习电子书,公开电子书

介绍:深度卷积神经互连网(CNN)提取特征的数学理论

介绍:推荐微软欧洲切磋院何恺明主页

介绍:《语音与语言处理》第1版(草稿)

介绍:Stanford新课”总计词汇语义学”

介绍:上海哈工大刘庆龙华先生的总括机器学习与机械和工具学习导论录制链接:密码:
r9ak
.可能率基础

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

介绍:(BlackHat二〇一四)深度学习应用之流量鉴定识别(协议鉴定识别/卓殊检查和测试),[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:二个引进系统的Java库

介绍:六大旨图的谱分解及其在网络侵犯检查和测试中的应用(MC-GPCA&MC-GDL)

介绍:用Python学总结总结学

介绍:datumbox-framework——Java的开源机器学习框架,该框架重点是提供大批量的机械学习算法和总括检验,并能够处理中型小型范围的数据集

介绍:递归神经互连网awesome连串,涵盖了书本,项目,paper等

介绍:Pedro多明戈斯是华盛顿高校的讲授,主要研讨方向是机械学习与数量挖掘.在二〇一四年的ACM
webinar会议,曾刊登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山头核心演说.他的个人主页拥有广大有关研究的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:那篇小说内的引荐系统财富很丰富,作者很有心,摘录了《推荐系统实战》内引用的杂文.

介绍:(天法学)贝叶斯方法/MCMC教程——计算实战

介绍:免费书:总计稀疏学习,小编Trevor
Hastie
Rob
Tibshirani
都是加州圣地亚哥分校州立大学的教授,特雷沃Hastie更是在总计学学习上建树多多

介绍:宝马X3分布式计算的开拓进取,此外推荐(君越)天气变化可视化,(Kuga)马尔可夫链入门

介绍:Nervana
Systems在Startup.ML的核心研究切磋会——心境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,深远浅出介绍深度学习,由HugoLarochelle(Yoshua Bengio的博士生,杰弗里Hinton在此之前的大学生后)主讲,强烈推荐.

介绍:华盛顿圣Louis分校新学科,面向视觉识其余卷积神经互连网(Fei-Fei Li & Andrej
Karpathy),slides+video,homework.

介绍:NIPS
2016集会总计第①有的,第③片段.

介绍:python机器学习入门资料梳理.

介绍:加州伯克利分校大学老牌视觉几何组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此前两篇会议(ECCV14,NIPS14ws),定位和甄别图片中的文本(叫text
spotting)。 端到端系统: 检查和测试Region + 识别CNN。故事集、数据和代码.

介绍:计算机视觉的二个较大的多少集索引,
包蕴38多少个标签,共收录了31陆个数据集合,点击标签云就能够找到本身索要的库了.

介绍:汤姆bone 对 ICCV SLAM workshop 的计算: the future of SLAM, SLAM
vs deep learning 重点介绍了 monoSLAM 和 LSD-SLAM,而且研商了
feature-based 和 feature-free method 的长度。在人民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公布.

介绍:ICCV 二零一六的ImageNet竞技以及MS COCO竞技联合研究研讨会的幻灯片和录像.

介绍:Python机器学习入门.

介绍:Neural Enquirer 第二版.

介绍:[Google]遵照TensorFlow的深浅学习/机器学习课程.

介绍:牧马人-bloggers网站2016″必读”的100篇小说,R语言学习的福音.

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

介绍:那是一本在线的吃水学习书本,合著者有伊恩 Goodfellow, Yoshua Bengio
和 亚伦 Courville.假若你是1个人新入门的学习者能够先看那本书籍Yoshua
Bengio: How can one get started with machine
learning?

介绍:UFLDL推荐的纵深学习阅读列表.

介绍:London州立大学布法罗分校贰零壹陆年仲春机械学习课程主页.

介绍:
Theano是主流的深浅学习Python库之一,亦协理GPU,入门相比较难.推荐Theano
tutorial
,Document

介绍:博士杂谈:神经网络计算语言模型.

介绍:文本数据的机器学习机关分类方法(下).

介绍:用本田UR-VNN预测像素,能够把被屏蔽的图形补充完整.

介绍:微软研讨院把其深度学习工具包CNTK,想进一步了然和学习CNTK的同班能够看明日发布的《CNTK白皮书》An
Introduction to Computational Networks and the Computational Network
Toolkit
.

介绍:
Carl曼滤波器教材,用尽量少的数学和演绎,传授直觉和经验,全体Python示例,内容覆盖卡尔曼滤波器、增添Carl曼滤波,无迹Carl曼滤波等,包涵演练和参考答案

介绍:在线免费书:面向数据正确的计算估测计算,科雷傲示例代码,很不利GitHub.

介绍:那本书是由Yoshua
Bengio撰写的教程,其剧情涵盖了学习人工智能研究所使用的吃水学习架构的读书财富,书中的项目已停止更新DeepLearnToolbox.

介绍:那是一份机器学习和纵深学习课程,文章和财富的清单。那张清单依照各类焦点开始展览创作,包含了过多与深度学习有关的项目、总括机视觉、抓好学习以及各样架构.

介绍:那是由多恩马丁策划收集的IPython台式机。话题涵盖大数额、Hadoop、scikit-learn和不易Python堆栈以及众多任哪个地方方的内容。至于深度学习,像是TensorFlow、Theano和Caffe之类的框架也均被含有当中,当然还有相关的一定构架和概念等.

介绍:开源的吃水学习服务,DeepDetect是C++完成的依照外部机器学习/深度学习库(近来是Caffe)的API。给出了图片磨练(ILSV昂CoraC)和文书陶冶(基于字的情愫分析,NIPS15)的样例,以及依据图片标签索引到ElasticSearch中github.

介绍:那是国外的二个科学和技术频道,涵盖了数量挖掘,分析以及数额科学类的小说.偶尔还有机器学习精选.

介绍:经典诗歌: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发表.

介绍:犹他州大学马特 Might教师推荐的硕士阅读清单.

介绍:开放数据集.

介绍:(edX)不醒指标不错——可能率论导论(MITx).

介绍:Lacrosse语言开发常用软件/工具推荐.

介绍:动态纪念互联网达成.

介绍:英文主页

介绍:四十五个大数目解析最好学习财富(课程、博客、教程等)

介绍:深度学习的一揽子硬件指南,从GPU到RAM、CPU、SSD、PCIe,译文

介绍:kaiming开源文章

介绍:自然语言处理(NLP)权威指南

介绍:怎么样在社会媒体上做言语检查和测试?没有多少怎么做?Facebook官方揭露了3个10分金玉的数据集:12万标注过的Tweets,有70种语言

介绍:深度学习和机械学习重点集会ICLWrangler 二零一六录取小说

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/数据收集/内容设计有关财富引进

介绍:WikiTableQuestions——复杂真实问答数据集

介绍:(二〇一五版)三11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①次联袂发文,CAFFE和SPAEscortK完美组合,分布式深度学习混搭形式!github

介绍:深度学习(分类)文献集

介绍:深度学习阅读列表

介绍:探索帕杰罗包的好网站Awesome 42

介绍:MLbase是Prof. Dr. Tim
Kraska
的三个斟酌项目,MLbase是一个分布式机器学习管理类别

介绍:分布式深度学习平台SINGA介绍

介绍:斯Parker录像集锦

介绍:Highlander语言深度学习第三节:从零开首

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本最好机器学习免费书

介绍:ICCV15视频集

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

介绍:Learning to Rank简介

介绍:全世界深度学习专家列表,涵盖研讨者主页

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:深刻机器学习,2,3,4

介绍:Nando de
Freitas
在 Oxford
开设的纵深学习课程,课程youtube地址,谷歌(Google)DeepMind的钻研物军事学家,其余首页:computervisiontalks的剧情也很丰裕,假如您是做机械视觉方面的商量,推荐也看看其余内容.肯定收获也一点都不小.还有,那位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.紧跟深度学习的音讯、研讨进展和血脉相通的网络项目。从事机械学习,深度学习园地的恋人提出每一天看一看

介绍:马克斯out网络剖析

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运用,借使您从事生物工程领域,可以先读书一篇小说详尽介绍

介绍:深度学习在海洋生物音信学领域的选择

介绍:一些关于机器学习须求精通知识,对Yu Gang刚入门机器学习的同校应该读一读

介绍:清华大学机械学习用户组主页,网罗了加州戴维斯分校大学部分机器学习领域专家与情报

介绍:Randy
Olson’s
的一些数目解析与机械和工具学习项目库,是上学实践的好资料

介绍:Golang机器学习库,简单,易扩张

介绍:用斯维夫特开发苹果选取的倒是很多,而用来做机械学习的就相比较少了.斯维夫特Ai在那上面做了不少聚集.能够看看

介绍:怎么着向一个人伍周岁的毛孩(英文名:máo hái)子解释匡助向量机(SVM)

介绍: reddit的机械学习栏目

介绍:
计算机视觉领域的一部分牛人博客,超有实力的研究单位等的网站链接.做总计机视觉方向的爱侣提出多关心在那之中的财富

介绍:Hong Kong中大深度学习商讨主页,其余商量小组对二零一二年deep learning
的最新进展和连锁杂谈
做了整治,在那之中useful
links的始末很受益

介绍:
那是一篇有关寻找引擎的大学生杂谈,对明日普遍运用的物色引擎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(终究那类书相比较少).

介绍: 深度学习书本推荐(终究那类书相比少).

介绍: 贝叶斯定理在深度学习地点的商量故事集.

介绍:
来自谷歌(Google)大脑的新瓶装旧酒分布式梯度下跌.同时引进常见分布式深度互连网

介绍: 社交计算商讨有关难点综述.

介绍: 社交总计应用领域大概浏览,里面有些经典杂文推荐

介绍: 协同过滤在举荐系统应用.

介绍: 协同过滤在内容引进的研究.

介绍: 协同过滤经典散文.

介绍: 协同过滤算法.

介绍: 亚马逊对此联合过滤算法应用.

介绍: 协同过滤的隐式反馈数据集处理.

介绍: 计算机图形,几何等杂谈,教程,代码.做总计机图形的引进收藏.

介绍:
推荐哥大课程,稀疏代表和高维几何.12年由Elsevier、13年于今由PAMI(仍由Elsevier赞助)设立的青春探讨者奖(Young
Researcher
Award)授予完毕硕士学位后七年内获得特出进献的;由CV社区提名,在CVP昂科拉会议上宣告。2016年得主是哥伦比亚大学助理教授John赖特,09年《健壮人脸识其余稀疏表示法》引用已超5K.

介绍: CMU机器学习系有名助教AlexSmola在Quora对于《程序员怎样学习Machine
Learning》的建议:亚历克斯推荐了广大关于线性代数、优化、系统、和总括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:
软件工程领域今后也对机器学习和自然语言处理很感兴趣,有人生产了“大代码”的概念,分享了好多代码集合,并且认为ML能够用在推测代码Bug,预测软件作为,自动写新代码等职务上。大代码数据集下载

介绍:
深度学习实行目的识别的财富列表:包含途观NN、MultiBox、SPP-Net、DeepID-Net、法斯特汉兰达-CNN、DeepBox、MXC90-CNN、法斯特er
Odyssey-CNN、YOLO、DenseBox、SSD、Inside-Outside Net、G-CNN

介绍: Yann LeCun 二零一五深度学习课程的幻灯片(Deep Learning Course by
Yann LeCun at Collège de France
2015)百度云密码:
cwsm 原地址

介绍:
Stan福星机交互组五篇CHI16篇章。1.众包激励机制的作为工学商讨: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宗旨分类(如猫、狗属于宠物)。4.词嵌入结合目的识其余位移推断。5.砥砺出错以加快众包速度。

介绍: 自学数据正确

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,专为黑客创设,而非为物法学家而作。它用Rust开发,守旧的机械学习,现今的深度学习通吃。Leaf

介绍: GTC
2016
录制,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、相比较强化学习算法工具箱

介绍: 机器学习会议ICL奥德赛 二〇一六 杂文的代码集合

介绍: 此书是新加坡国立高校可能率图模型大牌达芙妮Koller所写,主要涉嫌的是贝叶斯互联网和马尔科夫逻辑互联网的learning和inference难点,同时又对P丙胺博莱霉素有深刻的论争解释,是上学可能率图模型必须要看的书籍。难度中上,适合有局地ML基础的钻研生.备份地址

介绍: 此书是加州圣巴巴拉分校大学资深新闻论专家大卫MacKay所写,出发角度与广大机械学习的图书都分歧,inference和MCMC那章写的最棒,难度中。适合博士和本科生。

介绍: 相当好的Convex
Optimization教材,覆盖了种种constrained和unconstrained
optimization方法,介绍了convex优化的基本概念和辩论。难度中,适合对优化和机械学习有早晚基础的人群

介绍:
本书是CMU机器学习系主管Mitchell早年写的机械学习课本,时代有点久远.难度不高。适合初大方,本科生,博士

介绍:
本书设计学习Kernel和SVM的各类理论基础,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:
德克萨斯奥斯汀分校总括系贰人大神的计算学习读本,偏总结和上学理论,须求对线性代数、计算和可能率论有早晚基础、难度高、适合大学生

介绍:
本书是盛名机器学习工具Weka小编辑撰写写的行使机器学习指引书、分外实用、难度低、适合文科和各类应用科学做参考

介绍:
本书也是一本相比受欢迎的NLP教科书,难度一般,主要覆盖计算NLP方法,是澳大伯尔尼国立的另一位民代表大会牌Chirs
manning所写

介绍:
在北美NLP最常用的讲义,华盛顿圣路易斯分校Jurafsky所写的自然语言处理入门教程,覆盖面比较圆满,难度中低。适合本科生和博士

介绍: 实战型教程,著名工具NLTK作者的文章,适合本科生和入门者边入手边学

 

 

参考文献:

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

2.纵深学习怎么着入门: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