更新《How to find the best model parameters in scikit-learn》O网页链接云:O网页链接 【视频:DataSchool的机器学习基本概念教学】《What is machine learning, and how does it work?》O网页链接Data School系列教程“Introduction to machine learning with scikit-learn”(基于Scikit-Learn的机器学习教程)第一讲，ipn:O网页链接云:O网页链接
黄亮也在尝试用CNN了: [DEPENDENCY TREE-BASED CONVOLUTION FOR SENTENCE MODELING, Ma,ACL15短文]O网页链接PS: 第二张图是2013年8月微博评论深度学习O黄亮-算法时代 评论指出这篇短文涉嫌抄袭北大软工所博士生Lili Mou等人的两篇arXiv文章。Mou在学校个人主页上的声明：“Two of my papers are deliberately plagiarized in an ACL short paper”O网页链接
Massively Parallel Methods for Deep Reinforcement Learning，来自Google DeepmindO网页链接
既然Torch这么叼，那贴个CVPR'15的Torch Tutorial吧。讲稿连接O网页链接
"Neural CRF Parsing"伯克利Dan Klein的NLP组ACL15文章:Neural CRF Parsing [Durrett & Klein,ACL15] 在CRF parsing中打分anchored规则产生式时, 将原来的基于稀疏特征的线性势函数替换为通过前馈神经网络计算的非线性势函数. 组合稀疏的指示特征和稠密的embedding特征能进一步提升性能. 有代码O网页链接
在线实验室 //【想学编程吗？先来网上做做实验吧！】O网页链接（分享自@新闻资讯）
【适合做数据挖掘的6个经典数据集(及另外100个列表)】《6 Useful Databases to Dig for Data (and 100 more)》O网页链接
【视频+讲义:从实验室到工厂——构建机器学习生产架构】《From the Lab to the Factory: Building a Production Machine Learning Infrastructure (Cerner's Tech Talk series)》by Josh Wills from ClouderaO网页链接云(+Slide):O网页链接
【深度学习-LeCun、Bengio和Hinton的联合综述（上）】O网页链接一个月之前的文章——深度卷积网络在处理图像、视频、语音和音频方面带来了突破，而递归网络在处理序列数据，比如文本和语音方面表现出了闪亮的一面。 综述（下）链接：O网页链接
工业互联网：突破智慧和机器的界限--GE工业互联网白皮书-O网页链接
高斯过程代码 GPstuff - Gaussian process models for Bayesian analysis 4.6 O网页链接
IJCAI-15论文集已经可以全部开放下载了 Proceedings of the Twenty-Fourth International Joint Conference on Artificial Intelligence, Buenos Aires, Argentina, 25–31 July 2015. Edited by Qiang Yang and Michael Wooldridge, IJCAI.orgO网页链接
这位IIT计算机科学与工程副教授的#姓名只有一个词#Mausam。研究兴趣：信息抽取、常识抽取、多文档摘要、众包和马尔可夫决策过程。ACL15短文(录用率22.3%): Open IE；EMNLP13: Named Entity Recognition in Tweets。他也是IJCAI-15最佳论文评审委员O网页链接
黄亮也在尝试用CNN了: [DEPENDENCY TREE-BASED CONVOLUTION FOR SENTENCE MODELING, Ma,ACL15短文]O网页链接PS: 第二张图是2013年8月微博评论深度学习O黄亮-算法时代 评论指出这篇短文涉嫌抄袭北大软工所博士生Lili Mou等人的两篇arXiv文章。Mou在学校个人主页上的声明：“Two of my papers are deliberately plagiarized in an ACL short paper”O网页链接
【适合做数据挖掘的6个经典数据集(及另外100个列表)】《6 Useful Databases to Dig for Data (and 100 more)》O网页链接
【Y Bengio写的深度学习展望文章】《The Promise of Deep Learning》By Yoshua BengioO网页链接 《Bengio最新博文：深度学习展望》OBengio最新博文：深度学习展望参阅O格灵深瞳
【推荐给数据科学家的七个Python工具】《Seven Python Tools All Data Scientists Should Know How to Use》IPython/GraphLab Create/Pandas/PuLP/Matplotlib/Scikit-Learn/SparkO网页链接
【论文:在线看涨对国际金融市场影响之量化】《Quantifying the effects of online bullishness on international financial markets》H Mao, S Counts, J Bollen (2015)O网页链接相关报道《If Twitter Is Bullish, Maybe You Should Be Too》O网页链接
【开源:(Java)在线Twitter情感判断Umigon】O网页链接Paper:O网页链接GitHub:O网页链接情感判断规则(表):O网页链接
【讲义:Aaron Courville的RNN教程】《Recurrent Neural Networks》by Aaron CourvilleO网页链接选自"IFT6266 – H2015 Representation Learning"，请参阅O爱可可-爱生活
【又一篇ICML 2015回顾】《ICML 2015 Review》by Paul MineiroO网页链接
【Twitter2009年全量数据集】《Twitter Social Graph 2009》"41.7 million user profiles, 1.47 billion social relations, 4,262 trending topics, and 106 million tweets"O网页链接
【Scaling Up Machine Learning: Parallel and Distributed Approaches】Scaling Up Machine Learning: Parallel and Distributed ApproachesO网页链接【Introduction:O网页链接】 【Tree ensembles:O网页链接】 【Graphical models:O网页链接】 【Summary】
【杀入Kaggle机器人检测竞赛前十的经验分享】《Getting into Top 10 in Kaggle Facebook Recruiting Competition》O网页链接
【视频:DataSchool的机器学习基本概念教学】《What is machine learning, and how does it work?》O网页链接Data School系列教程“Introduction to machine learning with scikit-learn”(基于Scikit-Learn的机器学习教程)第一讲，ipn:O网页链接云:O网页链接 更新《How to find the best model parameters in scikit-learn》O网页链接云:O网页链接
【视频:不依赖(大量)标注的文本分类——词向量应用】《Text By the Bay 2015: Mike Tamir, Classifying Text without (many) Labels》O网页链接云:O网页链接
【视频+讲义:(来自DL4J创始人Adam Gibson)深度学习及其机器视觉应用】《Practical Deep Learning and Its Applications: Computer Vision》by Adam GibsonO网页链接云(+Slide):O网页链接
【视频+讲义:(ILSVRC2014)Google面向机器视觉的深度学习】《Deep Networks for Computer Vision at Google – ILSVRC2014》O网页链接云:O网页链接Slide:O网页链接
PU(positive-unlabeled) Learning for Matrix Completion [Hsieh et al,ICML'15]O网页链接PU学习的应用场景包括推荐系统和社会网络中仅有【正类】可观察实例(如点赞和好友关系),剩下的是未标注的实例,没有负类实例. 实验评估有链接预测. PS:arXiv'14的第2作者被替换为ICML'15上的第2作者 PU-learning, B.Liu: 1) ICML02:Partially Supervised Classification; ICML03:Weighted Logistic Regression; IJCAI03:Rocchio & SVM; ICDM03:biased SVM; ECML05:Different Distributions 2) EMNLP10:Negative; ACL10:DistSim vs PUO网页链接
浙江大学CAD重点实验室“计算机图形学与大规模数据分析”的课件：O网页链接。涉及计算机图像图形学、大数据、可视化、机器学习等，例如：真实感图形绘制；跨媒体理解中的结构性学习；可视化技术成就淘宝数据之美-贾超（淘宝）；大数据的智能处理；基于物理的计算机动画；流行学习等等
IJCAI-15论文集已经可以全部开放下载了 Proceedings of the Twenty-Fourth International Joint Conference on Artificial Intelligence, Buenos Aires, Argentina, 25–31 July 2015. Edited by Qiang Yang and Michael Wooldridge, IJCAI.orgO网页链接
得益于现在更为强大的计算机、可用的海量丰富数据集以及先进的算法，我们终于可以跨越一个长期以来阻碍计算机科学发展的阈值。机器学习正在从一个高度人工化的阶段向另一个更为自动化的阶段进行快速转变。OBengio最新博文：深度学习展望
高斯过程代码， GPstuff - Gaussian process models for Bayesian analysis 4.6O网页链接
A Step by Step Backpropagation Example#反向传播BP算法教程#…O网页链接
Gaussian Process Summer School, 2015O网页链接
From Autoencoders to Autoregressive Models (Masked Autoencoders ICML Paper)O网页链接
