【一种权重算法及其实现 | 不可能不确定】网页链接
【Random Thoughts : Learning Deep Learning】网页链接
【热门深度学习工具汇总】《Popular Deep Learning Tools – a review》网页链接 提供的译文《KDnuggets热门深度学习工具排行》网页链接
【NLP课程《社交媒体与文本分析》精选阅读列表】《Social Media & Text Analytics》by Wei Xu网页链接GitHub:网页链接
【(Python)Gensim集成基于Textrank的文本摘要模块】网页链接
【论文+Demo代码:深度网络(CNN)的深度可视化解析】《Understanding Neural Networks Through Deep Visualization》J Yosinski, J Clune, A Nguyen, T Fuchs, H Lipson (2015)网页链接实时CNN可视化Demo代码 GitHub:网页链接 最新深度可视化介绍及代码、Caffe模型、数据等相关资源下载页面《Understanding Neural Networks Through Deep Visualization》网页链接
【论文:NN输出的(PCA/ICA)无监督学习】《Unsupervised Learning on Neural Network Outputs》Yao Lu (2015)网页链接
【Python框架、库和软件资源大全(整理篇)】这里是汇集了从网络上收集的个种Python的资源。需要的拿走！网页链接
【《12步轻松搞定python装饰器》】也许因为装饰器确实很难懂。搞定装饰器需要你了解一些函数式编程的概念，当然还有理解在python中定义和调用函数相关语法的一些特点。网页链接
【Spark应用(基于Spark UI)的可视化理解】《Understanding your Spark application through visualization》网页链接 提供的译文《通过可视化来了解你的Spark应用程序》网页链接
【热门深度学习工具汇总】《Popular Deep Learning Tools – a review》网页链接 提供的译文《KDnuggets热门深度学习工具排行》网页链接
【Youtube最热门机器学习/神经网络/深度学习视频集锦】《My playlist – Top YouTube Videos on Machine Learning, Neural Network & Deep Learning》网页链接pdf:网页链接
【k-means算法MATLAB和opencv代码】网页链接
【《The Nature Of Code》】 by Daniel Shiffman <The nature of code> 介绍NN的电子书，遍敲代码边学习网页链接
【OpenCV 3.0 中 SVM 的用法有一些变化】，老程序需要修改才能编译。网页链接
【《用Python实现各种排序算法》】怎么用Python实现各种排序算法呢，请看下文。网页链接（来自： 简书 ）
【or-tools：谷歌优化开源工具（Google Optimization Tools）】网页链接谷歌的组合优化工具or-tools的介绍(可能需要架梯子）。GitHub托管地址:网页链接
【Google/Microsoft在ICML2015发表成果汇总】《ICML 2015 and Machine Learning Research at Google》网页链接pdf:网页链接《Microsoft Research at ICML, Lille》网页链接pdf:网页链接
【论文+幻灯+代码:基于RNN的观点挖掘】《opinion mining with deep recurrent nets》O. Irsoy, C. Cardie [Cornell] (EMNLP2014)网页链接Slide:网页链接代码(C++):网页链接数据:网页链接preprocessed:网页链接
【10大要点帮开发者用好机器学习】《10 keys to successful machine learning for developers》网页链接
【人脸识别上CNN算法总结】包括FB的DeepFace：网页链接，Google的FaceNet：网页链接，当然，还有国人的DeepID：网页链接
【DeepFace-Facebook的人脸识别】FB的DeepFace，早于DeepID和FaceNet，奠基之作网页链接
【Comments on Mark Schmidt's ICML tutorial for convex optimization】#ICML2015#网页链接
【很有用的R金融时序分析技巧】《R financial time series tips everyone should know about》网页链接
【资源列表:Python下的深度学习入门】《Getting started with Deep Learning (using Python)》Python Basics/Linear Algebra/Machine Learning/Theano/Deep Learning网页链接云:网页链接
【用R做贝叶斯统计(分析)】《Using R for Bayesian Statistics》O网页链接参阅:《Tutorial: Introduction to Bayesian Data Analysis with R》O爱可可-爱生活
【论文:面向增量学习的快速交叉验证】《Fast Cross-Validation for Incremental Learning》P Joulani, A György, C Szepesvári (2015)网页链接
【Instagram的热门排序】《Trending at Instagram》网页链接提供的译文《Instagram的热门趋势发现算法》网页链接
【论文:基于Attention-based编解码网络的多媒体内容描述(表示)】《Describing Multimedia Content using Attention-based Encoder--Decoder Networks》K Cho, A Courville, Y Bengio (2015)网页链接
【开源:(Python)用NMF实现的动态主题模型DTM】《dynamic-nmf: Dynamic Topic Modeling》GitHub:网页链接
【论文:卷积LSTM网络ConvLSTM】《Convolutional LSTM Network: A Machine Learning Approach for Precipitation Nowcasting》X Shi, Z Chen, H Wang, DY Yeung, WK Wong, WC Woo (2015)网页链接
【数据科学/机器学习入门指南】《Getting started with Data Science and Machine Learning》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
【开源:Python交互绘图库Toyplot】GitHub:网页链接Doc:网页链接
【开源:Python金融(分析工具)库PyThalesians】GitHub:网页链接
【用DIGITS2/多GPU实现深度学习性能翻倍】《Easy Multi-GPU Deep Learning with DIGITS 2》网页链接
【贾扬清：希望Caffe成为深度学习领域的Hadoop】剖析Caffe的起源、目标、差异性、现存的一些问题和改进工作网页链接
《爱可可老师今日视野(15.07.08)》网页链接
【Faculty Summit 2015早知道】明天就是微软研究院一年一度的学术盛会Faculty Summit啦！来自微软和学术界的计算专家们将围绕“人工智能”的主题，寻求更多机遇和突破。这里有关于计算未来的探讨，人工智能的前世今生，还有社交网络的巨大变革…观看直播视频>>网页链接直播安排请见下图>>推荐AI研讨会的直播，嘉宾包括PRML作者Chris Bishop, 斯坦福Fei-Fei Li, 麻省理工Josh Tenenbaum, 布朗大学Michael Littman，以及AI2的Oren Otzioni
【视频的"DeepDream化"处理】 DeepDream生成动图（代码）网页链接效果参见附件，友情提示，第二张图慎点，不要吓尿。
善科问答分享：Harish-Chandra (1923--1983). 学习李群表示论最应该记住的三位数学家之一。另两位是Cartan和Weyl，分别研究半单李代数表示和紧李群表示的分类（其实是相通的）。另一位就是Harish-Chandra研究了半单李群（非紧李群）表示的分类。网页链接
【免费书:搜索引擎——信息检索实战】《Search Engines: Information Retrieval in Practice》WB Croft, D Metzler, T Strohman (2010)网页链接云:网页链接
【#免费电子书#搜索引擎：实践中的信息检索（Search Engines: Information Retrieval in Practice）】网页链接这本书提供了一个概述信息检索的重要问题的概览，以及这些问题如何影响搜索引擎的设计和实施。重点是实现搜索引擎组件和底层的信息检索模型。下载地址：网页链接
