2017年1月历史文章汇总

2017年1月1日

【推荐】Pandas数据处置速查表

【学习】决策树在商品购买能力预测案例中的算法实现

【学习】变の贝叶斯

【学习】Intel 收官开源之作--BigDL：构建在 Apache Spark 之上的分布式深度学习库

2017年1月2日

【推荐】阿里天池O2O优惠券消费行为预测竞赛优胜方案

【学习】tensorflow笔记：多层LSTM代码分析

【学习】机器学习基础训练营(1.23–1.27, 讲师来自UC Berkeley, CMU等)

【学习】Theano tutorial和卷积神经网络的Theano实现 Part1

2017年1月3日

【推荐】Ian Goodfellow的NIPS 2016教学讲座: GANs现已写成介绍性论文

【学习】加大伯克利分校计算机课程CS 294，2017年春季，深度强化学习

【学习】(论文+代码)Feedback Networks —— 反馈网络

【报名】微软亚洲研究院王太峰：浅谈分布式机器学习算法和工具

2017年1月4日

【推荐】用Spark分析Amazon八千万商品评价

【数据集】时间序列/信号处理/医学影像开源数据集

【学习】使用Python的时间序列数据可视化

【学习】百度PaddlePaddle深度学习平台：面向工程师，性能优先

2017年1月5日

【推荐】NLP必读经典文献100篇

【干货】循环神经网络（Recurrent）——介绍

【学习】基于Spark GraphX实现微博二度关系推荐实践

【学习】机器码农：深度学习自动编程
2017年1月6日

【推荐】手把手：TensorFlow实现简单图片识别系统

【干货】微软亚洲研究院王太峰：浅谈分布式机器学习算法和工具

【学习】直观理解信息论

【论文】Neural style transfer的理论解释

2017年1月7日

【推荐】神经网络与深度学习

【干货】深度学习新星：GANs的基本原理、应用和走向

【论文】(论文+代码)苹果发表的AI方面第一篇论文

【课程】大数据科学与应用系列讲座（自主模式）

2017年1月8日

【推荐】AlphaGo核心部分的Python原生重现

【学习】Bring TensorBoard to MXNet

【论文】Deep Reinforcement Learning for Dialogue Generation

【学习】技术人，为什么需要构建知识图谱

2017年1月9日

【推荐】机器学习法则：机器学习工程最佳实践

【学习】(论文+代码+数据)SalGAN：用生成对抗性网络进行视觉显著性预测

【论文】Deep Convolutional Denoising of Low-Light Images

【学习】350+ 数据结构编程面试问题

2017年1月10日

【推荐】NIPS 2016 Tutorial: 变分推断

【学习】TensorFlow + Inception + Raspberry Pi的视频连续分类(用CNN检测视频内容)

【学习】没有任何公式——直观的理解变分自动编码器VAE

【学习】增强学习的解释——学习基于长期回报的行为

2017年1月11日

【推荐】关于机器学习的领悟与反思 —— 张志华

【课程】麻省理工学院（MIT）公开课.S094：自主驾驶汽车的深度学习

【学习】这些杀手级应用不太冷——从语义网到知识图谱的回顾

【报名】微软亚洲研究院边江：机器学习驱动下的内容分发和个性化推荐

2017年1月12日

【推荐】THUOCL：清华大学开放中文词库

【学习】基于Keras实现CNN验证码识别的知乎爬虫

【学习】Cross-Validation（交叉验证）详解

【学习】对深度网络Dropout层的详尽分析

2017年1月13日

【推荐】Python自然语言处理(NLP)实践指南

【干货】微软亚洲研究院边江：机器学习驱动下的内容分发和个性化推荐

【学习】通俗理解神经网络BP传播算法

【学习】美团Apache Kylin精确去重指标优化历程

2017年1月14日

【推荐】Data Science Bowl 2017：肺癌检测竞赛(60多GB数据&奖金1百万美金)

【干货】2016CCF 大数据精准营销中搜狗用户画像挖掘优胜方案

【学习】基于深度学习的交通灯检测器，使用dlib和几个来自谷歌街景的图像

【学习】Integrating Lexical Contrast into Word Embeddings

2017年1月15日

【推荐】用深度学习识别红绿灯，介绍作者如何在10周内学习深度学习，并赢得了5000美元奖金

【论文】《Machine Learning that Matters》 论文辩证讨论ML研究的重要性和必要性（不要仅灌水）

【学习】推荐系统中基于深度学习的混合协同过滤模型

【学习】优化常用不等式速查