我们利用层次化的表达建模不同实体之间的交互关系，应用在了推荐、检索、点击率预测等多个场景当中，新鲜出炉~ CIKM 2015 Oral [Collaborative Prediction for Multi-entity Interaction With Hierarchical Representation]。论文下载O网页链接@爱可可-爱生活

我们利用卷积神经网络建模用户行为，实现个性化广告与购物场景下的点击率预测，CIKM 2015 [A Convolutional Click Prediction Model] 论文下载：O网页链接@好东西传送门

【万物皆数】“数学之旅没有尽头，数学不可比拟的永久性和万能性及他对时间和文化背景的独立性是其本质的直接后果。数学的世界需要一代又一代人的不懈努力。无论数学的那个方向，其中都蕴含着数学的美妙与神奇。”O万物皆数

如何在论文中画出漂亮的插图？O如何在论文中画出漂亮的插图？这是一个提高论文B格的方法，身边写论文的朋友转走吧

金矿边上卖铁锹：Dato为数据科学家提供机器学习系统 | 工欲善其事，必先利其器。机器学习的关键是使用数据训练模型，而处理大量的训练数据则需要大规模机器学习系统。极致优化单机性能，使得个人电脑就能处理一些原来分布式集群才能处理任务。大规模机器学习的使用门槛被大大降低O网页链接

【斯坦福大学人工智能实验室研发出各种运动的机器人】斯坦福大学人工智能实验室研发出专攻乒乓球等各种运动的机器人，并在教授的帮助下，利用应用视觉、触觉反馈、力度传感和位置感测等来创造适合各种运动的机器人，看来未来举办机器人奥运会也不是不可能的事情。O网页链接

一次用完今天五次提交机会，一月之后等掉成狗再战。友情提示，组合多个模型的时候可能单个模型能过agreement test但是组合过不了，要慎重。这是Random Forest＋xgboost＋Keras MLP的组合结果，没有其他feature。

REmap发布，可在R中绘制基本的百度迁徙图 - 雪晴数据网 文章链接O网页链接作者@郎大为Chiffon| REmap是一个基于@EChartsO网页链接的一个R包。主要的目的是为广大数据玩家提供一个简便的，可交互的地图数据可视化工具。目前托管在githubO网页链接@统计之都

百度张亚勤：百度正在索引真实世界连接人与服务-人物动态-人工智能实验室-中国人工智能网-Powered by www.AiLab.cn 7月21日消息，在今日举行的互联网大会上，百度总裁张亚勤发表演讲，他指出，在过去的三十年，这个互联网所做的事其实很简单，一个是数字化，一个是IP化。而在未O网页链接

【Bengio最新博文：人工智能需要成千上万的科学家和工程师】OBengio最新博文：人工智能需要成千上万的科学家和工程师(分享自@今日头条)

CNN 各种库（cuda-convnet，caffe，torch7，cuda-convnet2，ccv）的卷积效率评测， for details see：O网页链接

Yoshua Bengio等撰写的 《Deep Learning》专著新更新版本（20150705），已从O网页链接网站下载各章节后整理为一个PDF文件，以便于学习及阅读，下载地址：O网页链接

Nvidia提供了一门在线Deep Learning过程，从零开始：O网页链接  不需要GPU，可以直接在云端运行

概率语言模型及其变形系列(2)-LDA及Gibbs Sampling - Coding for Dreams - 博客频道 - CSDN.NETO网页链接

【Google强化学习体系架构Gorila介绍】《Gorila: Google Reinforcement Learning Architecture》O网页链接  提供的译文《谷歌Gorila强化学习体系解析》O网页链接

【用递归神经网络生成手写体】O网页链接《Handwriting Generation with Recurrent Neural Networks》的演示，来自多伦多大学，论文《Generating Sequences With Recurrent Neural Networks》解释其原理。

NVIDIA CUDA在线培训，满满干货，赶紧转走：O网页链接

Bengio 《Deep Learning》新版草稿(20150705)  Yoshua Bengio等撰写的 《Deep Learning》专著新更新版本（20150705），已从O网页链接网站下载各章节后整理为一个PDF文件，以便于学习及阅读，下载地址：O网页链接 

#EsriUC#已经在GIScience学界广泛研究的时空密度热点分析和时空3D可视化可以在ArcGIS Pro1.1中直接使用啦@Esri中国2Convention Center

CVPR 2015 的所有讲座的视频（TechTalks from event: CVPR 2015）：O网页链接

《Use Random Forest: Testing 179 Classifiers on 121 Datasets》在很多场景下，可以先用随机森林或高斯SVM试试，因为它们在121个数据集上的179多种算法测试中平均精度占优；小心准备数据；最终确定前用抽查的方法对比多种算法O网页链接

《机器学习中的数学(3)：模型组合之 Boosting 与 Gradient Boosting》本来上一章的结尾提到，准备写写线性分类的问题，文章都已经写得差不多了，但是突然听说最近Team准备做一套分布式的分类器，可能会使用Random Forest来做…O网页链接（by leftnoteasy ）

用Random Forest解决回归问题，用Mean Square Error或者方差来计算信息增益。 训练的时候会发现得到的树是非常不平衡的，比如左子树有100个样本，右子树有10000个样本。这样右子树很快就因为树深度的限制而停止分裂了，导致训练不充分影响预测效果。请大家看看有什么解决办法？O网页链接

ShanghaiTech Symposium on Data Science (SSDS 2015) 的视频已经可以下载了请戳O网页链接

Machine Learning Trick of the Day (1): Replica TrickO网页链接

【改变(主宰)世界的十大算法】《The real 10 algorithms that dominate our world》O网页链接pdf:O网页链接伯乐在线 提供的译文《真正统治世界的十大算法》O网页链接

秋季将在上科大信息学院第二次开设压缩感知和稀疏低秩模型的课程。John Wright将在哥伦比亚大学同步教授同一门课。八月闭关一个月写教案和教材。欢迎有自虐倾向的同学选修。推荐Recht的这个talk，其实压缩感知理论不是那么难O网页链接

顺便再请教一下：youtube下面有哪些统计或机器学习方面的视频集中的地方，目前只找到Michigan Statistics Seminar，再次感谢！找到一个好地方，Simons InstituteO网页链接

评论@TA小窝的博文【基于Pre-Train的CNN模型的图像分类实验】："你好，这里用在imagenet上训练好的网络进行新库（比如caltech）的测试，是把imagenet-caffe-ref.mat里的参数当做初始参数继续训练吗？这样的话，学习率..."查看原文：O基于Pre-Train的CNN模型的图像分类实验

Yann LeCun在CVPR2015上的talk：What's Wrong with Deep Learning? 视频地址：O网页链接

利用搭载NVIDIA Quadro的惠普Z620工作站，荷兰代尔夫特理工大学的学生设计了一套利用太阳能供电的快速水翼艇。Quadro专业显卡帮助学生们大幅优化了设计流程，快来看看他们是怎么做到的：LSolar-Powered Hydrofoil Boat Designed with Quadro GPU

[1507.06149] Data-free parameter pruning for Deep Neural NetworksO网页链接通过合并权重相近的神经元，大大降低网络模型的规模。比如用在 MNIST 训练出的 LeNet 上，约85%的参数可以去掉。

《爱可可老师今日视野(15.07.23)》（ 分享自@简书）O网页链接

【论文:(基于Highway Networks的)超深度网络训练】《Training Very Deep Networks》R Kumar Srivastava, K Greff, J Schmidhuber (2015)O网页链接参阅《Highway Networks》O爱可可-爱生活

【幻灯:(SmartNews)基于Word2Vec的全球大规模网页文档分类】《Globally Scalable Web Document Classification Using Word2Vec》by Kohei Nakaji (SmartNews)O网页链接云:O网页链接

【基于Chainer的生成式对抗网络简单实现】"Simple implementation of Generative Adversarial Nets using chainer"O网页链接

【基于Chainer的CNN超分辨率实现(类似waifu2x)】《deeplearning(chainer)で超解像やってみた》O网页链接waifu2x请参阅O爱可可-爱生活

【数据+代码:FiveThirtyEight作品——全美气温变化可视化】《What 12 Months Of Record-Setting Temperatures Looks Like Across The U.S》O网页链接GitHub(data+code):O网页链接更多FiveThirtyEight精彩案例代码&数据：O网页链接

【Kaggle's CrowdFlower竞赛第三名Quartet团队访谈】《CrowdFlower Winners' Interview: 3rd place, Team Quartet》O网页链接

ACL现任主席，ACM Fellow，斯坦福大学Chris Manning教授（O网页链接）应邀将于2015年8月3日上午9:30在哈尔滨工业大学新学生活动中心326房间做学术报告，介绍斯坦福NLP Group的最新研究成果，详细信息敬请期待！机会非常难得，欢迎各位老师、同学届时参加！@CIPS青工委@哈工大SCIR@刘挺

【Product Hunt数据挖掘——投票勾结检测】《Mining Product Hunt: Detecting Vote-Rings》O网页链接

【R聚类分析入门】《A gentle introduction to cluster analysis using R》O网页链接

【基于Spark/Cassandra的大规模签到数据聚类】《Clustering check-ins with Spark and Cassandra》O网页链接

【FiveThirtyEight经典数据可视化效果实现】《The Code Behind Building a FiveThirtyEight post》O网页链接GitHub:O网页链接FiveThirtyEight原文《Don’t Be Fooled By Baseball’s Small-Budget Success Stories》O网页链接

【GitHub上值得关注的数据科学家/教程推荐】《GitHub Special: Data Scientists to Follow & Best Tutorials on GitHub》O网页链接

【经典回顾:《Neural Networks: Tricks of the Trade)》】@李沐M老师强烈推荐过的NN调参tricks汇总O网页链接LeCun等人写的第一章《Efficient BackProp》开放下载:O网页链接@Erik-zou的中文介绍文章《神经网络训练中的Tricks之高效BP（反向传播算法）》O网页链接

【机器学习每日Trick系列之Replica Trick】《Machine Learning Trick of the Day》by Shakir Mohamed Part 1.Replica TrickO网页链接

【Google强化学习体系架构Gorila介绍】《Gorila: Google Reinforcement Learning Architecture》O网页链接  提供的译文《谷歌Gorila强化学习体系解析》O网页链接

【Content-Based推荐的局限性(关于同主题非主流内容的思考)】《Limits Of Content-Based Recommendations》O网页链接

【论文:面向流的总体后验和贝叶斯推理(总体变分贝叶斯方法)】《The Population Posterior and Bayesian Inference on Streams》J McInerney[Columbia], R Ranganath[Princeton], D Blei[Columbia] (2015)O网页链接