【大数据Big Data技术综述】由于近年来互联网、云计算、移动和物联网的迅猛发展，Big Data是近来的一个技术热点，但从名字就能判断它并不是什么新词。毕竟，大是一个相对概念。历史上，数据库、数据仓库、数据集市等信息管理领域的技术，很大程度上也是为了解决大规模数据的问题O网页链接
Mike jordan & Tom Mitchell 两位教授 science 文章：Machine learning: Trends, perspectives, and prospectsO网页链接深刻探讨 deep learning, reinforcement learning & supervised, unsupervised learning. 有前瞻性，推荐+++
集合了一堆人才能写出一篇文章：An individual loss reserving model with independent reporting and settlement （O网页链接）
分享两个非常好的#theano#入门材料 : 1)适合从零开始的学习，每个exercise带你认识theano的一个模块O网页链接2) 都说是见过的最好的theano tutorialO网页链接@好东西传送门 Theano-Tutorials + theano_exercises
【Poster:统计方法在语言学分支领域的应用】《The State of the Stats: Current Use of Statistical Methods Across Linguistics Subfields》by Rachael Tatman, University of WashingtonO网页链接
【IPython Tips and Tricks】《IPython Tips and Tricks》O网页链接
【Data Storytelling最佳实践】《Best Practices in Data Storytelling》O网页链接
【深度学习对抗样本的误解与事实】《Deep Learning Adversarial Examples – Clarifying Misconceptions》by Ian Goodfellow [Google]O网页链接
【白皮书+代码:(Gnip)社交(时序)数据趋势检测】《Trend Detection In Social Data》O网页链接pdf:O网页链接GitHub:O网页链接相关: 《Trend or no trend : a novel nonparametric method for classifying time series》O网页链接
【不确定性条件下的决策(预测)——鲁棒优化方法介绍】《Decision Making Under Uncertainty: An Introduction to Robust Optimization》Part 1:O网页链接 Part 2:O网页链接
【(JS)图论可视化工具greuler】O网页链接
《Welcome to the AI Conspiracy: The ‘Canadian Mafia’ Behind Tech’s Latest Craze》O网页链接
【论文:复杂网络混合推荐方法】《Hybrid recommendation methods in complex networks》 A. Fiasconaro, M. Tumminello, V. Nicosia, V. Latora, and R. N. Mantegna (2014)O网页链接
【Science Review:自然语言处理最新进展】《Advances in natural language processing》J Hirschberg, CD ManningO网页链接最新一期《Science》有不少AI/机器学习方面的内容，请参阅O网页链接
【Science Review:机器学习趋势、观点及前景】《Machine learning: Trends, perspectives, and prospects》M. I. Jordan, T. M. MitchellO网页链接最新一期《Science》有不少AI/机器学习方面的内容，请参阅O网页链接
《爱可可老师今日视野(15.07.17)》（ 分享自@简书）O网页链接
【视频+幻灯:No. 1 Kaggler Owen Zhang分享的Kaggle经验与技巧】《Tips on Modeling Competitions on Kaggle - with No. 1 Kaggler Owen Zhang》O网页链接云:O网页链接参阅O爱可可-爱生活 Owen Zhang发布更新版《Winning Data Science Competitions - Some (hopefully) useful pointers》O网页链接云:O网页链接
【深度学习:经验 vs. 理论】《Deep Learning and the Triumph of Empiricism》by Zachary Chase LiptonO网页链接 提供的译文《深度学习和经验主义的胜利》O网页链接
【机器学习模型设计——精度&召回的故事】《Designing Machine Learning Models: A Tale of Precision and Recall》by Ariana Radianto, from AirbnbO网页链接 提供的译文《Airbnb欺诈预测机器学习模型设计：准确率和召回率的故事》O网页链接
IBM推出可分析语气的Watson Tone Analyzer | 帮助人类评估并调整书写沟通中的语气是人工智能和认知科学领域的一项有趣挑战，现在IBM的超级计算机Watson已经get了这项新技能。它可以从文字中分析出语气是喜悦还是愤怒，是开放还是随和，是自信还是犹豫。OIBM推出可分析语气的Watson Tone Analyzer;by@boxi
【布隆过滤器的故事】《What are Bloom filters? - A tale of code, dinner, and a favour with unexpected consequences.》O网页链接
【NetworkX社交网络分析】《Social network analysis with NetworkX》by Manojit NandiO网页链接
【异常检测在Netflix的应用】《Tracking down the Villains: Outlier Detection at Netflix》O网页链接 《Netflix使用的异常服务器侦测技术》O网页链接 这里可视化了DBSCNAN算法运行的过程，如果感兴趣的话可以看下。
我在国际期刊JOURNAL OF URBAN MANAGEMENT上组织了一个专辑，“Big/Open Data for Urban Management”，全文截稿日期是2015年8月31日，欢迎赐稿。具体详见：O网页链接
最新Science主题是Artificial Intelligence，除了Julia Hirschberg和Chris Manning关于NLP的综述Advances in natural language processing外，还有Jordan和Mitchell两位大牛关于机器学习的综述：Machine learning: Trends, perspectives, and prospects。又是一场学术饕餮盛宴。O网页链接
哥伦比亚大学计算机系主任Julia Hirschberg教授（我的硕士导师之一）和斯坦福大学Chris Manning在《科学》杂志撰文，介绍了自然语言处理的进展，包括机器翻译、口语对话系统、机器理解、社会媒体等。O网页链接
脸书人工智能实验室的SGD著名专家Leon Bottou在ICML的主题演讲上提出了机器学习的两大挑战：1）机器学习在软件工程的应用中存在的一些难点。2）现在的机器学习研究中的实验设计往往有很大的问题。幻灯片：O网页链接Leon思考很有深度，建议一看。
加州大学伯克利分校和卡内基梅陇的两位机器学习前辈Michael Jordan及Tom Mitchell今日在《科学》杂志上写了一篇不错的科普文章，介绍了当今机器学习的发展动向以及前景：O网页链接
【Science Review:机器学习趋势、观点及前景】《Machine learning: Trends, perspectives, and prospects》M. I. Jordan, T. M. MitchellO网页链接最新一期《Science》有不少AI/机器学习方面的内容，请参阅O网页链接
【白皮书+代码:(Gnip)社交(时序)数据趋势检测】《Trend Detection In Social Data》O网页链接pdf:O网页链接GitHub:O网页链接相关: 《Trend or no trend : a novel nonparametric method for classifying time series》O网页链接
arXiv论文： Massively Parallel Methods for Deep Reinforcement Learning，来自Google DeepmindO网页链接
哥伦比亚大学计算机系主任Julia Hirschberg教授（我的硕士导师之一）和斯坦福大学Chris Manning在《科学》杂志撰文，介绍了自然语言处理的进展，包括机器翻译、口语对话系统、机器理解、社会媒体等。O网页链接
加州大学伯克利分校和卡内基梅陇的两位机器学习前辈Michael Jordan及Tom Mitchell今日在《科学》杂志上写了一篇不错的科普文章，介绍了当今机器学习的发展动向以及前景：O网页链接
