【DataPyR:Python/R/Data Science...资源列表】O网页链接

【Keras：Python的深度学习快速原型框架】O网页链接Keras具有如下特点：可以很容易地和快速地做出原型（通过全模块化，极简主义，和可扩展性）；支持卷积网络（视觉）和递归神经网络（序列数据）以及两者的组合；无缝地运行在CPU和GPU之上。貌似很强大的样子。转需！

再看一遍，有一点点理解了。。。（深入探究递归神经网络：大牛级的训练和优化如何修成？-CSDN.NET）O网页链接

caffe 调参  Caffe with Spearmint (CWSM)发现github上的一个跟caffe相关的项目，写好prototxt文件后可以自动选择合适的参数O网页链接。正好最近在用caffe，下周有空试试。 

【IPN:用Python实现神经网络模型】《How to implement a neural network》Linear regression/Logistic classification function/Logistic regression (classification)/Hidden layer/Softmax classification function/VectorizationO网页链接ipn:O网页链接  最新更新 Part 5: Generalization of multiple layersO网页链接

【幻灯:神经(感知)机器翻译进展报告】《Neural Machine Translation: Progress Report》by Kyunghyun ChoO网页链接云:O网页链接参阅O爱可可-爱生活

[1507.08750] Action-Conditional Video Prediction using Deep Networks in Atari GamesO网页链接自带山寨游戏机的DQN玩Atari得分更高

【基于遗传算法的数据挖掘特征选择/模型优化】《Feature Selection and Model Optimization in Data Mining - Genetic Algorithm to the rescue》by Kirk Borne

【(Torch实例教学)基于Torch在CIFAR-10上跑出92.45%】《92.45% on CIFAR-10 in Torch》 by Sergey ZagoruykoO网页链接GitHub:O网页链接btw,O网页链接是Torch新开的官方Blog，值得关注

以色列巴伊兰大学Yoav Goldberg在ACL上关于词嵌入非常棒的讲座。word embeddings what, how and whither 幻灯片下载：O网页链接强烈推荐！ "Word Embeddings What, How And Whither" by Yoav Goldberg 云:O网页链接

【论文: [微软]面向实时目标检测的RPN+Faster R-CNN】《Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks》S Ren, K He, R Girshick, J Sun (2015)O网页链接  R-CNN, Fast R-CNN, Faster R-CNN, 坐等下一篇 Fastest R-CNN.[

【基于遗传算法的数据挖掘特征选择/模型优化】《Feature Selection and Model Optimization in Data Mining - Genetic Algorithm to the rescue》by Kirk Borne

【开源大数据框架推荐文章100篇】《100 open source Big Data architecture papers for data professionals》O网页链接

【分布式语义模型(DSM)训练/验证数据集EVALution】GitHub:O网页链接《EVALution 1.0: an Evolving Semantic Dataset for Training and Evaluation of Distributional Semantic Models》E Santus, F YungO网页链接

【开源:(MIT)概念网ConceptNet 5】O网页链接GitHub:O网页链接

【论文:用csLDA主题模型解决众包文档标注分歧】《Making the Most of Crowdsourced Document Annotations: Confused Supervised LDA》P Felt, E Ringger, J Boyd-Graber, K Seppi (CoNLL2015)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  《Advances In Natural Language Processing》已开放免费阅读:O网页链接pdf:O网页链接

【Jeffrey De Fauw的Kaggle diabetic retinopathy竞赛参赛记录&体会&代码】《Detecting diabetic retinopathy in eye images》O网页链接 作者发布的源码"Fifth place solution of the Kaggle Diabetic Retinopathy competition" GitHub:O网页链接

【二维矩阵映射交互可视化】《The Magnificent 2d Matrix》O网页链接GitHub:O网页链接

【Visualizing Rust's type-system】O网页链接对Rust编程语言的可视化展示。

【Mike：Rust是近15年最佳工程实践的集大成者】Rust语言随着1.0版本发布后获得了极大的关注，可是国内在实践方面的案例甚少，为了让感兴趣的人进一步深入了解Rust，我们邀请了 ...O网页链接

【词向量行业应用实例:NYT R&D文本协同标注实验项目EDITOR】O网页链接参阅《Collaborative Annotation for Scientific Data Discovery and Reuse》O网页链接

清华唐杰老师指导的本科生Zhilin Yang(现CMU博一)的获1等奖的本科论文 总结为了一篇arXiv15文章: Multi-Source Bayesian Embeddings for Learning Social Knowledge GraphsO网页链接附ijcai15: Yang在重复购买行为预测中赢得了Top3；Tang在杨强老师主持的panel2上提了关于机器学习的问题

nlpir-ictclas最近授权到期，麻烦大家访问实验室的github下载最新版本和最新授权，本次授权到年底，到期后会继续发放新版本和新授权。访问地址O网页链接在线演示O网页链接感谢大家的支持！

自然语言处理 （三） 之 word embedding 篇， NLP系列文章之三O自然语言处理 (三)　之　word embedding文章介绍了著名的、通用的的三种 word embedding 模型： LSI, PMI 和 skip-gram, 介绍了它们间的联系与区别，结论是： skip-gram 等价于分解一个 shifted PPMI 矩阵，它和SVD间没有本质的差异，具体分析见文章中...

Machine translation: present & futureO网页链接(Kyunghyun Cho)

PTE: Predictive Text Embedding through Large-scale Heterogeneous Text NetworksO网页链接model三种关系：word-word，word-document，word-label，连成一个network。embedding方法基于之前他们提出的LINE~

【Text Understanding from Scratch实现代码开源】GitHub:O网页链接@G_Auss今天发布了论文《Text Understanding from Scratch》实现代码，基于Torch 7实现CNN字符级文本分类，赞！对该论文的推荐:O爱可可-爱生活评论文章:O爱可可-爱生活数据集重复问题修正说明《Dataset Duplication Issues for Text Understanding from Scratch (Resolved)》O网页链接参阅:O爱可可-爱生活

【Edwin Chen的经典LDA介绍文章(系列)】《Introduction to Latent Dirichlet Allocation》O网页链接《Topic Modeling the Sarah Palin Emails》O网页链接《Infinite Mixture Models with Nonparametric Bayes and the Dirichlet Process》O网页链接

【IPN:非参数LDA】《Nonparametric Latent Dirichlet Allocation》O网页链接参阅:O爱可可-爱生活

[论文]《Towards AI-Complete Question Answering: A Set of Prerequisite Toy Tasks》O网页链接讨论自动问答系统的评价方法，并提出改进的Memory Networks模型，用深度学习做自动QA  The bAbI project:O网页链接Slide:《Artificial Tasks for Artificial Intelligence》by Antoine Bordes, ICLR2015O网页链接云:O网页链接

【 基于Keras的QA实现(100+行代码)】其性能可与Facebook论文《Towards AI-Complete Question Answering: A Set of Prerequisite Toy Tasks》描述的方法相比 GitHub:O网页链接参阅O爱可可-爱生活

【《Algorithms, 4th Edition》(部分)习题的Python实现】"Algorthms by Robert Sedgewick(4th edition) partial exercises with python implementation" GitHub:O网页链接参阅:O网页链接

[1507.08750] Artificial Neural Networks Applied to Taxi Destination PredictionO网页链接出租去哪儿？MILA lab组队参加KaggleO网页链接500神经元的单层MLP，在GPU上跑半天，就拿到了第一名。

【Kaggle's Taxi Trajectory Prediction竞赛第一名访谈(深度学习的"非主流"应用)】《Taxi Trajectory Winners' Interview: 1st place, Team》O网页链接提供的译文《Taxi Trajectory Prediction竞赛冠军访谈：深度学习的"非主流"应用》O网页链接

【幻灯:科学计算最佳实践】《Best Practices in Scientific Computing》O网页链接《Best Practices for Scientific Computing》O网页链接软件开发最佳实践：重视可读性、让计算机做更多、增量改进、不要重复、合理规划错误、先实现再优化、记录目标和设计而非实现、充分协作