机器学习日报 2016-02-24 自然语言处理与深度学习；LDA算法漫游指南；什么是机器学习：一...
机器学习日报 2016-02-24[*]译文《什么是机器学习：一次权威定义之旅》 @爱可可-爱生活
[*]论文:面向模型评估/选择/比较的贝叶斯预测方法综述 @爱可可-爱生活
[*]50PB海量数据排序，谷歌是如何做的？ @数据分析精选
[*]LDA算法漫游指南 @数急
[*]幻灯:自然语言处理与深度学习 @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17条，本期的Web版有完整内容19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://tp2.sinaimg.cn/1402400261/50/5713579194/1 爱可可-爱生活 网页链接 2016-01-06 14:24
经验总结 Jason Brownlee 博客
【什么是机器学习——引经据典咬文嚼字篇】《What is Machine Learning: A Tour of Authoritative Definitions and a Handy One-Liner You Can Use - Machine Learning Mastery》by Jason Brownlee http://t.cn/8F2i4F7 译文《什么是机器学习：一次权威定义之旅》http://t.cn/8FDHTtE
http://ww4.sinaimg.cn/large/5396ee05jw1ezpra809kij20eo0e03zx.jpg
http://tp2.sinaimg.cn/1402400261/50/5713579194/1 爱可可-爱生活 网页链接 2016-02-24 20:06
统计
【论文:面向模型评估/选择/比较的贝叶斯预测方法综述(87页)】《A survey of Bayesian predictive methods for model assessment, selection and comparison》A Vehtari, J Ojanen (2012)http://t.cn/RG913kG
http://ww1.sinaimg.cn/large/5396ee05jw1f1aokgn3y9j20cl0dqwgt.jpg
http://tp2.sinaimg.cn/2722723393/50/40085064640/1 数据分析精选 网页链接 2016-02-24 16:15
谷歌 行业动态
【50PB海量数据排序，谷歌是如何做的？】用于大规模数据集并行运算的MapReduce诞生之后，谷歌工程师对其进行了大规模随机数据的排序测试。最近，他们向外界披露了过去几年的测试数据和经验总结，特别是50PB海量数据的排序，对于关注数据处理的技术人员来说很有借鉴意义http://t.cn/RG9ltJ8
http://ww2.sinaimg.cn/large/a2497641jw1f1ahwfs0ccj20hs09awf4.jpg
http://tp4.sinaimg.cn/1758081527/50/5720173426/1 数急 网页链接 2016-02-24 12:55
算法 资源 书籍 主题模型
#LDA算法漫游指南# 去年7月发布至今已过去好几个月，书名也去除算法两字，改为《LDA漫游指南》，能有6万多读者也是读者对我的肯定，希望读者能帮忙转发，让知识帮助更多的人。大家的帮助也给了我未来新作品的写作动力。今年我将写一些新作品，感谢大家帮助支持。谢谢！
http://ww2.sinaimg.cn/large/68ca31f7jw1f1ac02mqshj20ku112jug.jpg
http://tp2.sinaimg.cn/1402400261/50/5713579194/1 爱可可-爱生活 网页链接 2016-02-24 05:46
经验总结 深度学习 自然语言处理 博客
【幻灯:自然语言处理与深度学习】《Natural Language Processing meets Deep Learning | Cambridge Coding Academy》by Ekaterina Kochmar http://t.cn/RG92fs9
http://ww1.sinaimg.cn/large/5396ee05jw1f19zpotmj5j20go0c0di9.jpg
最新动态
http://tp1.sinaimg.cn/1952460384/50/5740873625/1 牛津-小裁缝 网页链接 2016-02-24 18:00
资源 PDF
伦敦、新加坡、北京地铁大数据比较－Variability in Regularity: Mining Temporal Mobility Patterns in London, Singapore and Beijing Using Smart-Card Data，我上传了“ZHONG-PLOSONE-2016.pdf”文件到#新浪微盘#http://t.cn/RG98nD8，http://t.cn/RG98nDQ
http://tp3.sinaimg.cn/1286528122/50/40028223938/1 微软亚洲研究院 网页链接 2016-02-24 17:45
【小李子今年终于能拿奥斯卡啦？我们的预测说：当然】2016年奥斯卡颁奖典礼将于2月28日在洛杉矶举行，在颁奖典礼开始之前@必应搜索 为大家准备了一份奥斯卡指南。现在在必应搜索框里输入“academy awards”或“Oscar”等关键词即可收到这份指南。奥斯卡奖名单预测，明星脸测试，红毯新闻等一站式放送！
http://ww2.sinaimg.cn/large/4caedc7agw1f1ajud2rdej20xd0p2wp4.jpg
微软亚洲研究院 网页链接 转发于2016-02-24 17:52
你长得最像哪位奥斯奖候选人？这份奥斯卡指南中包含了一个互动网站CelebsLike.me，上传你的照片，系统就会自动匹配与你最相似的明星脸哦！利用深层神经网络技术，微软研究员基于必应利用人脸和图像API搭建了目前世界上最大的图像识别引擎，丰富明星的面部信息，提高识别准确度。http://t.cn/RG95SaJ
微软亚洲研究院 网页链接 转发于2016-02-24 18:03
微软连续三年利用大数据分析对奥斯卡奖项的最终归属做出预测。在奥斯卡的24个奖项中,14年成功预测19个，15年成功预测20个，命中率达84%，今年的预测能否延续之前的成功战绩呢？目前在最佳男演员预测中，小李子以73%的获奖可能性远超法鲨和小雀斑等人，《荒野猎人》也以37%的胜率位居最佳影片前列 http://t.cn/RG98shY
自动化网官方微博 网页链接 转发于2016-02-24 20:46
#娱业聚焦# [给力] 微软连续三年利用大数据对奥斯卡奖项做出预测，命中率高达84%，今年能否延续战绩，奥斯卡奖项又将花落谁家？[思考]精彩尽在必应搜索！另外，想知道你长得最像哪位奥斯奖候选人吗？点击链接，微软等你来刷脸[围观] #人脸识别# http://t.cn/RG95SaJ
http://tp2.sinaimg.cn/1932835417/50/5714878873/1 西瓜大丸子汤 网页链接 2016-02-24 17:04
根据CBInsights（主要针对美国市场），在2010年有6次对人工智能的投资，总额4500万美元。2014年达到最高60次、3.94亿美元。2015年略有回落到54次、3.1亿美元。根据艾瑞咨询，中国市场2012年有9次投资，6200万人民币。2014年达到26次，8.1亿人民币。2015年继续保持大幅增长，到43次、14.23亿人民币。
http://ww4.sinaimg.cn/large/7334ba59jw1f1ajasz7ulj20sd0f1gmt.jpg
西瓜大丸子汤 网页链接 转发于2016-02-24 17:07
感想 1） 按金额，中国对AI创业的投资力度已达到美国的70%。考虑到劳动力成本，在人力投入上可能已超过美国。2）尽管这样两边投入的钱都还是好少啊，才2～3亿美元一年，和那些2c的应用不能比。
http://tp1.sinaimg.cn/2525235360/50/5682736090/1 百度 网页链接 2016-02-24 15:25
语音 行业动态
【百度深度语音识别系统入选MIT 2016十大突破技术】美国权威杂志《麻省理工评论》将语音接口列为2016年十大突破技术之一，百度硅谷人工智能实验室（SVAIL）最新的研究成果——新一代深度语音识别系统Deep Speech 2位列其中。这也是本次评选入选的唯一来自中国科技公司的科技成果。http://t.cn/RG90PVl
http://ww4.sinaimg.cn/large/968408a0jw1f1ageiomuxj20c71sqdry.jpg
自动化网官方微博 网页链接 转发于2016-02-24 19:06
百度硅谷人工智能实验室（SVAIL）最新的研究成果——新一代深度语音识别系统Deep Speech 2位列其中。[围观] #人工智能# #语音识别#
http://tp1.sinaimg.cn/1642316384/50/5651361487/1 刘江总编 网页链接 2016-02-24 12:18
深度学习 Ryan Dahl 代码
Nodejs的创造者Ryan Dahl不搞Node以后，消失了好一阵，最近又开始在GitHub活跃，改玩Go和深度学习（Tensorflow、vgg16之类）了，还有一个深度学习词典：http://t.cn/RG96oTc 当然也不奇怪，他本来就是弄数学的，博士没读完只拿了硕士学位，之前主要用C/C++和Ruby，偶然发现V8性能不错，才开始玩JS的
http://ww1.sinaimg.cn/large/61e3c260jw1f1a7u7kqh2j20zk0k0wg6.jpg
http://tp3.sinaimg.cn/1735865350/50/1301056723/1 zwner 网页链接 2016-02-24 12:06
会议活动 资源 PDF WSDM 会议
在今年WSDM上，我们有一篇经验性的分析工作，用反馈控制机制去动态调整RTB广告的出价去将一些广告主需要的指标例如eCPC、竞价成功率或者CPM控制在目标值附近，稳定地满足广告主在效果上或者曝光度上的要求。感谢大树科技提供的在线平台支持。论文：http://t.cn/RG9iuvY
http://ww4.sinaimg.cn/large/67773406gw1f1aand7mtfj20sc0e6dk6.jpg
http://tp2.sinaimg.cn/1402400261/50/5713579194/1 爱可可-爱生活 网页链接 2016-02-24 11:28
会议活动 Page Presentation WSDM 会议
【论文:超越排序——搜索结果页面(SERP)整体优化】《Beyond Ranking: Optimizing Whole-Page Presentation》Y Wang, D Yin, L Jie, P Wang, M Yamada, Y Chang… (WSDM 2016)http://t.cn/RG9xBJk
http://ww4.sinaimg.cn/large/5396ee05jw1f1a9irheb7j209i0900u5.jpg
http://tp2.sinaimg.cn/3227020453/50/5656309782/1 自动化网官方微博 网页链接 2016-02-24 11:12
【人工智能将参与美空军决策】据美国《空军时报》22日报道，美国空军研究实验室正在大力发展人工智能技术，它不仅将自主驾驶车辆和航空器，还要将参与到更高层级的决策圈中。它能融合各方面的情报、监视和侦察信息，随后快速分类相关数据。#人工智能# http://t.cn/RG9MF0V
http://ww3.sinaimg.cn/large/c0586ca5jw1f1a94av5suj20dw07vdg3.jpg
http://tp2.sinaimg.cn/1402400261/50/5713579194/1 爱可可-爱生活 网页链接 2016-02-24 10:58
经验总结 博客 数据科学 统计
【Goodreads评论的多项式朴素贝叶斯分类】《A multinomial naïve Bayes classifier for Goodreads reviews - NYC Data Science Academy Blog》by annabohunova http://t.cn/RG9M2ch
http://ww2.sinaimg.cn/large/5396ee05jw1f1a8qjke5lj20qz0d6wkg.jpg
http://tp1.sinaimg.cn/5501429448/50/5717596146/1 视觉机器人 网页链接 2016-02-24 09:28
经验总结 视觉 算法 SVM 博客 神经网络
#资源分享# OpenCV的识别算法相关笔记（2015-06）：http://t.cn/RG9tAUp 人脸检测初探、基于OpenCV性别识别、人脸和性别识别、OpenCV颜色识别、个人的Github代码合集、OpenCV 神经网络、OpenCV中的SVM
http://ww1.sinaimg.cn/large/0060jr72gw1f1a64rp7fsj30dd091q4q.jpg
http://tp4.sinaimg.cn/1770891687/50/40086373345/1 phunter_lau 网页链接 2016-02-24 06:48
Kaggle
@李沐M 今天看到一个Linkedin上哥们的一键预测服务刷Kaggle，这个通用预测服务确实大有可为啊（目测后台仍然是xgboost，没跑了，我可以问问他） http://t.cn/RG9LQjV
http://tp2.sinaimg.cn/1402400261/50/5713579194/1 爱可可-爱生活 网页链接 2016-02-24 06:41
深度学习 论文
【论文:深度学习系统对抗样本黑盒攻击】《Practical Black-Box Attacks against Deep Learning Systems using Adversarial Examples》N Papernot, P McDaniel, I Goodfellow, S Jha, Z. B Celik, A Swami (2016) http://t.cn/RG9L9z4
http://ww1.sinaimg.cn/large/5396ee05jw1f1a19vwj9jj208x08oabl.jpg
页:
[1]