机器学习日报 2016-02-03 深度学习主题课程；Machine Learning & Artificial Intelligence；微软亚洲研.
机器学习日报 2016-02-03[*]2015 机器学习颁奖礼 by 龙星镖局 @龙星镖局
[*]微软亚洲研究院年度技术观点合集 @微软亚洲研究院
[*]Wikipedia:统计学习理论 @爱可可-爱生活
[*]课程资料:(UC Berkeley)深度学习主题课程 @爱可可-爱生活
[*]Machine Learning & Artificial Intelligence – Same but Different @爱可可-爱生活
@好东西传送门 出品, 过往目录 见http://ml.memect.com
订阅：给 hao@memect.com 发封空信， 标题: 订阅机器学习日报
邮件版包括20条，本期的Web版有完整内容24条
用日报搜索找到以前分享的内容： http://ml.memect.com/search/今日焦点 (5)
http://tp4.sinaimg.cn/1830516311/50/40056293723/1 龙星镖局 网页链接 2016-02-03 21:05
龙星镖局 | 2015 机器学习颁奖礼 http://t.cn/RbFUuTi
龙星镖局 网页链接 转发于2016-02-03 21:13
这个版本是最新完整版 欢迎更多人分享自己眼中不错的工作[微笑]
刘江总编 网页链接 转发于2016-02-03 23:40
这种中立客观高水平的评奖很有意义。
龙星镖局 网页链接 转发于2016-02-03 23:43回复 @刘江总编 “这种中立客观高水平的评奖很有意...”
感谢刘总编的肯定，自知个人接触面有限，难免遗漏其他不错的工作，也恳请大家补充！
http://tp3.sinaimg.cn/1286528122/50/40028223938/1 微软亚洲研究院 网页链接 2016-02-03 18:56
经验总结 博客
【微软亚洲研究院年度技术观点合集】如今人工智能、机器学习和大数据已日渐深入到我们生活的每个角落，这些技术虽然抽象，但是却能够让我们随时随地得到我们的所要、实现所想。这是一场悄无声息却改变全球几亿人生活的隐形革命。过去一年微软究竟带来了哪些黑科技与新观点？请看>http://t.cn/RbgsP1Z
http://ww2.sinaimg.cn/large/4caedc7agw1f0mcblmvbuj219u0pg7a5.jpg
http://tp2.sinaimg.cn/1402400261/50/5713579194/1 爱可可-爱生活 网页链接 2016-02-03 16:36
统计
【Wikipedia:统计学习理论】《Statistical learning theory》http://t.cn/Rbkre7v
http://ww3.sinaimg.cn/large/5396ee05jw1f0m8hp6zzaj20w02zi7wh.jpg
http://tp2.sinaimg.cn/1402400261/50/5713579194/1 爱可可-爱生活 网页链接 2016-02-03 15:25
深度学习 资源 Joan Bruna 代码 课程 统计
【课程资料:(UC Berkeley)深度学习主题课程】"stat212b - Topics Course on Deep Learning for Spring 2016 - UC Berkeley, Statistics Department" by Joan Bruna GitHub:http://t.cn/Rbku6HC
爱可可-爱生活 网页链接 转发于2016-02-03 15:36
云:http://t.cn/Rbk3Zc1
http://tp2.sinaimg.cn/1402400261/50/5713579194/1 爱可可-爱生活 网页链接 2016-02-03 07:52
【机器学习 vs. 人工智能】《Machine Learning & Artificial Intelligence – Same but Different》by Pallavi Patilhttp://t.cn/Rbkc5Hq
最新动态
http://tp3.sinaimg.cn/1077585930/50/5743879485/1 Conda 网页链接 2016-02-03 22:17
架构 深度学习 视觉 Spark 行业动态 数据科学
#数据科学家# 数据科学家日报http://t.cn/RbkYeW7 内容摘要：1) 深度学习与计算机视觉系列(1)_基础介绍2) 关于春节回家，大数据告诉你的8件事3) 大数据不同的瑞士军刀：对比 Spark 和 MapReduce4) 黑客租用阿里云平台攻击淘宝，9900万账户信息遭
http://tp4.sinaimg.cn/1449482283/50/5630314085/1 老齐Py 网页链接 2016-02-03 21:20
自然语言处理 统计
用朴素贝叶斯进行文本分类 http://t.cn/Rbk3Dug 分享自 lxw的大数据田地 创建的《lxw的大数据田地》http://t.cn/Ryk25w8 （想看更多？下载@开发者头条 App：http://t.cn/RbDwo9P ）
http://ww4.sinaimg.cn/large/5665582bjw1f0mgp44entj20c846kwzm.jpg
http://tp4.sinaimg.cn/1830516311/50/40056293723/1 龙星镖局 网页链接 2016-02-03 21:10
行业动态
为何谷歌围棋AI AlphaGo可能会把李世石击溃 @张俊林say 的大作 确实很到位 http://t.cn/RbF4UFT
张俊林say 网页链接 转发于2016-02-03 22:47
写得太好了，是我目前看到技术流分析得最透彻的一篇！强力转起！[哈哈][嘻嘻]附上CSDN版http://t.cn/RbFbLyl
张俊林say 网页链接 转发于2016-02-03 22:52回复 @三思柯南 “问题在于，99%的人类围棋九段根本...”
棋感是可以通过深度学习学到的，AlphaGo那个SL落子策略其实学的就是棋感，说实话，我觉得高手的思路应该也是跟蒙特卡洛思路差不多的，不过是经过长期训练，自己可能感觉不到
张俊林say 网页链接 转发于2016-02-03 22:54回复 @疯疯癫癫关一起 “有个问题，AI AlphaGo能击败自己...”
能啊，它能击败过去的自己，并且通过这种方式学习
张俊林say 网页链接 转发于2016-02-03 23:22回复 @三思柯南 “必须要有证据证明高手的思路就是...”
这个确实没证据，我个人感觉人记忆能力低，但是通过长期经验逐步积累就等于在做采样，知道哪些走法好，哪些走法不好这种，不过对于人可能积累的时间要长
张俊林say 网页链接 转发于2016-02-03 23:27回复 @三思柯南 “为什么一些走法好于另一些呢？如...”
人感觉不会明确量化，但是有隐含的量化，比如这么走好多次都赢棋，以后就倾向这么走，这就是在做量化，机器量化比较容易，一般用赢棋次数处于走过这个棋的总次数就行
张俊林say 网页链接 转发于2016-02-03 23:32回复 @三思柯南 “那么按照这个原则，程序应该很容...”
机器还是不如人，主要围棋可下子的组合空间太大了，机器这么漫无目的的学其实效率也不太高
http://tp2.sinaimg.cn/5606690513/50/5735097632/1 技术头条 网页链接 2016-02-03 19:20
算法 SVM
【【R】支持向量机模型实现】 by @Datartisan http://t.cn/RbFzgeK（分享自 @技术头条）
http://tp3.sinaimg.cn/1939498534/50/40019071911/1 阿里技术嘉年华 网页链接 2016-02-03 18:11
深度学习 语音 自然语言处理
⑩【95188：BLSTM-DNN hybrid语音识别声学模型的第一个工业应用@双11实战】双11当天，蚂蚁金服客户中心整体服务量超过500万人次，94%以上通过人工智能技术驱动的自助服务解决，重要一环是呼叫中心的语音转文本服务，本文详解背后语音识别声学模型的背景及具体实现。http://t.cn/RbFvDL5
http://ww4.sinaimg.cn/large/739a6626jw1f0mb8k28ydj20j60ll0wu.jpg
http://tp3.sinaimg.cn/2149737874/50/5680789241/1 BaiGang- 网页链接 2016-02-03 17:36
我在 @知乎 回答了【谈谈你对大规模机器学习这个领域的理解和认识?】http://t.cn/Rbks7gV（想看更多？下载知乎 App：http://t.cn/zHpKgdA）
http://tp2.sinaimg.cn/1829165501/50/5598071518/1 王伟DL 网页链接 2016-02-03 17:16
经验总结 自然语言处理 博客
年底特别忙！NLP讨论和博文非常多，一直未时间顾及。今天刚好有时间回看一下。《新智元笔记：找茬拷问立氏parser》 http://t.cn/Rbkk5fy 挺有趣。白老师频频出招（哪个句子都不是等闲），李老师跟着应对，感觉甚是精彩。宋老师的句子现在还在回味，句子就这么硬着省略了长内容机器不好补。
http://tp3.sinaimg.cn/2558394370/50/40031674084/1 EMC易安信中国技术社区 网页链接 2016-02-03 17:00
应用 信息检索
【Data Protection Search简介（一）】Data Protection Search (DPSearch) 是一个可扩展、容错的索引编制和搜索虚拟应用装置。DPSearch 提供了一种快速且功能强大的方式，跨一个或多 个 Avamar 和/或 NetWorker 服务器搜索备份数据，然后恢复或下... http://t.cn/RbkBrWA
http://tp1.sinaimg.cn/5501429448/50/5717596146/1 视觉机器人 网页链接 2016-02-03 16:51
经验总结 深度学习 视觉 算法 博客 回归 可视化
#资源分享# caffe示例实现系列（2016-01）：http://t.cn/RbkgVh1 训练与测试Caffe、提取图像特征、图像分类、MNIST手写数字数据集上训练与测试LeNet、Flickr Style数据集上的风格识别、Flask web服务器上的图像分类demo、mageNet图像分类与滤波器的可视化、逻辑回归及其深化、用RCNN做检测
http://ww2.sinaimg.cn/large/0060jr72gw1f0m8wdo2hwj30fu0i9gqb.jpg
http://tp1.sinaimg.cn/5501429448/50/5717596146/1 视觉机器人 网页链接 2016-02-03 13:25
算法
#资源共享# #计算机图形学# 网格形变算法Gradient-Based Deformation、Laplacian-Based Deformation、As-Rigid-As-Possible；网格去噪算法bilateral filter、two-step framework、L0 Minimization；网格分割算法Random Walks；网格测地线算法Geodesics in Heat（2016-02）http://t.cn/RbkHqlv
http://ww4.sinaimg.cn/large/0060jr72gw1f0m2ya3eiyj30qu1qiniv.jpg
http://tp2.sinaimg.cn/1402400261/50/5713579194/1 爱可可-爱生活 网页链接 2016-02-03 07:53
【ImagineCup机器学习竞赛】《Machine Learning Challenge at the ImagineCup - Machine Learning - Site Home - TechNet Blogs》 http://t.cn/Rbkcf0b
http://icon.memect.com/https://segmentfault.com/a/1190000004407072 segmentfault:wzhvictor 网页链接 2016-02-03 07:00
Python
【Python数据结构——二叉搜索树的实现（下）】搜索树实现（续） 最后，我们把注意力转向二叉搜索树中最具挑战性的方法，删除一个键值（参见Listing 7）。首要任务是要找到搜索树中要删除的节点。如果树有一个以上的节点，我们使用 方法找到需要删除的节点。如果树只有一个节点，这意味着我们要删除树的根，但是我们仍然要检查根的键值是否与要删除的键值匹配。在以上两种情况下，如果没有找到该键， 操作就会报错。 Listing 7... http://memect.co/8mIINARTKYV
https://segmentfault.com/img/bVsDlo
http://tp1.sinaimg.cn/5219264476/50/5700434137/1 RU李华芳 网页链接 2016-02-03 06:52
说起文献综述这件事，我最近听到最震撼的事是同行的两位先进组了个10人左右的团，把本领域其中的一个分支领域的几千篇文献捋了一遍，如果不能用机器学习解决这件事，团队作业看起来的确是可行的做法，尤其是教授带学生团队做一遍，不仅对学界整体了解分支领域有好处，对学生做学问也有帮助。#为学#
阳志平1949 网页链接 转发于2016-02-03 07:25
我曾经一个人干过这个事情几次。整理学科经典论文是一个极佳治学方法。多，更多，更多意味着不同。读论文上千篇才能建立学术直觉。
http://tp2.sinaimg.cn/1402400261/50/5713579194/1 爱可可-爱生活 网页链接 2016-02-03 06:42
视觉 算法 回归 论文
【论文+代码:高光谱图像无监督回归降维(DRR)】《Dimensionality Reduction via Regression in Hyperspectral Imagery》V Laparra, J Malo, G Camps-Valls (2016) http://t.cn/Rbk5UsX MatLab DRR Toolbox:http://t.cn/Rbk5Usa
http://ww2.sinaimg.cn/large/5396ee05jw1f0lradpqcnj20ey0gdn0l.jpg
http://tp2.sinaimg.cn/1402400261/50/5713579194/1 爱可可-爱生活 网页链接 2016-02-03 05:24
资源 Jason Brownlee R语言 课程
【R语言机器学习项目手把手入门指南】《Your First Machine Learning Project in R Step-By-Step (tutorial and template for future projects) - Machine Learning Mastery》by Jason Brownlee http://t.cn/RbkG3vp
http://ww4.sinaimg.cn/large/5396ee05jw1f0lp2gwnqzj20hs0bqafc.jpg
页:
[1]