【ICML2015深度学习专题讨论会总结】《Brief Summary of the Panel Discussion at DL Workshop@ICML2015》by KyungHyun ChoO网页链接 提供的译文《ICML 2015压轴讨论总结：6大神畅谈深度学习的未来》O网页链接//@爱可可-爱生活: pdf:O网页链接
【视频:特征工程】《Big Data: Week 3 Video 3 - Feature Engineering》by Ryan BakerO网页链接云:O网页链接
【深入了解特征工程】《Discover Feature Engineering, How to Engineer Features and How to Get Good at It》O网页链接
【IPN:(Python)去掉音频里那些"嗯"】《Removing 'Ummm's from Audio》O网页链接
【开源实现:面向机器翻译的Attention-based编/解码器】"Attention-based encoder-decoder model for machine translation"O网页链接
【免费书:数据科学生存指南】《The Field Guide to Data Science》by Booz Allen Hamilton "Understanding the DNA of Data Science"O网页链接云:O网页链接 There is no magical potion to cure the curse of dimensionality, but there is PCA
【基于Python的(Kaggle)恶意软件检测】《Examining Malware with Python》by Phil RothO网页链接Slide:O网页链接云:O网页链接
【"概率图模型(PGM)"】我在@知乎回答了问题: 概率图模型（PGM）有必要系统的学习一下么？ 很高兴看到有人提这个问题。概率图模型(PGM）是我的研究方向（发表的9篇论文中7篇是PGM），也曾做过CMU PGM这门课的TA，对这个方向深深喜爱。 先说说PGM的重要性。概率图…O谢澎涛: 概率图模型（PGM）有必要系统的学习一下么？ - 知乎来看看! 我在@知乎回答了问题: 概率图模型（PGM）有必要系统的学习一下么？ 很高兴看到有人提这个问题。概率图模型(PGM）是我的研究方向（发表的9篇论文中7篇是PGM），也曾做过CMU PGM这门课的TA，对这个方向深深喜爱。 先说说PGM的重要性。概率图…O谢澎涛: 概率图模型（PGM）有必要系统的学习一下么？ - 知乎来看看!PGM的一个短板是不大众化，加特征 加神经网络 大家都会。容易根据领域定制。如果概率编程高效之后或许PGM也会更加实用
《爱可可老师今日视野(15.07.25)》（ 分享自@简书）O网页链接
【Kaggle's Taxi Trip Time竞赛第三名BlueTaxi团队访谈】《Taxi Trip Time Winners' Interview: 3rd place, BlueTaxi》O网页链接
【IPN:聚类——Gaussian Mixture Model (GMM) vs. KMeans】O网页链接参阅:O爱可可-爱生活
【Python(拓扑/密度/谱)聚类库Pyclust】O网页链接Github:O网页链接
【ZS压缩的Google Books Ngram数据集】O网页链接ZS格式说明:O网页链接Google Books Ngram:O网页链接
Computer vision is not a statistical problem (Léon Bottou)， 很赞同：首先, 各个dataset都有bias, 在一个dataset上的 training samples 都只是来自population的少量的样本, 而我们知道 sample distribution != popular distribution,所以training得到的model，一般都不能extropolate (generalize);其次CNN的顶层的softmax概率并没有给出 Object uncertainty (variance), 因此当我们feed an object with a new label到CNN后，人是可以知道它是第1001类的，而cnn不知道。Zoubin组给出了怎样得到deep nets中label uncertainty （通过variational inference in Gaussian process）O网页链接 我们的工作也是想解决这个问题O网页链接用在一千类的ImageNet上训练好的CNN，给两万类的ImageNet分类。我们的想法很简单，理论深度不能和这篇文章相提并论，但scalability很好，也很管用。我瞎猜一句：用word vec代替label来train或有奇效
【解码蚂蚁蚂蚁世界背后的非同寻常的算法】O网页链接生物学家Deborah Gordon发现了蚂蚁世界无中心高效搜索的秘诀，这有可能改善计算机网络的效率。本文是对他的采访。。。
《RNN以及LSTM的介绍和公式梳理》 - DarkScope从这里开始 - 博客频道 - CSDN.NETO网页链接 最近看了不少RNN的，记录一下~~~~~
Tutorial推荐一下t2和t6(尤其是去年没参会的)。主讲人中杰森和黄亮是nlp领域犹太人和华人的顶峰不需多说，这里主要为我的朋友matt做一下广告。matt编程和研究都是最近clsp学生的第一把交椅，讲解东西更是极为透彻，已经被选中在明年扛起cmu的ml课主讲的大旗。求扩散@算文解字@iB37@52nlp #ACL2015#
High performance servers without the event loop O网页链接
BOSC （Bioinformatics Open Source Conference）2015 的幻灯片和视频都陆续出来了O网页链接，信息量不小，亮点是开源大数据平台Arvados （谁让人家是赞助商）：O网页链接，这一块太火热了，有太多团队在做类似工作，但是内容跟不上，当前也就把BWA + GATK 这一套迁移过去了
【《Functional Programming in Python》免费电子书】讲解Python函数式编程的简明教程，PDF格式，下载地址：O网页链接转需！来自oreilly.com：
【ICML 2015压轴讨论总结：6大神畅谈深度学习的未来】OICML 2015压轴讨论总结：6大神畅谈深度学习的未来
【 飞跃式发展的后现代Python世界 】 如果现代Python有一个标志性特性，那么简单说来便是Python对自身定义的越来越模糊。在过去的几年的许多项目都极大拓展了Python，并重建了“Python”本身的意义。这是一篇Python对这些新技术、新库及模型响应的简短指南：O网页链接by jaggd @ cnblogs
【Awesome list of new features and technology in Java EE 7】O网页链接Java EE 7是Java企业平台最新版本，为（Web）应用程序开发提供了强大的动力，聚焦在稳定和现代化特性， 4个主要的方面：Concurrency, Batch, Websockets 和 JSON-P。转给Java平台做开发的童鞋们！
【凸优化概览】《Convex Optimization Overview》by Zico Kolter (updated by Honglak Lee)O网页链接Convex Optimization Overview 2008『cs229-cvxopt.pdf』O网页链接
【论文+代码:高效并行自组织映射(SOM)库Somoclu】《Somoclu: An Efficient Parallel Library for Self-Organizing Maps》P Wittek, SC Gao, IS Lim, L Zhao (2015)O网页链接适合做高维稀疏数据可视化 GitHub:O网页链接介绍文章O网页链接
《纽约时报》写了一篇文章介绍菲尔兹奖获得者、华裔数学神童陶哲轩的传奇人生。O网页链接看不了的也可以看《悉尼先驱晨报》较早之前的文章：O网页链接
《自己动手写贝叶斯分类器给图书分类》首先，这是一个机器学习初学者兼非数学科班出身的非典型工程师的自学记录。所以本文不会特别理论，也不会太深入地讲解公式，但是会非常有目的性，针对一个特别现实的问题，从头开始分享解决方案，包括某些优化方案。O网页链接（by 电流 ）
