第856期机器学习日报(2017-01-21)
机器学习日报 2017-01-21
- 自然语言处理推荐学习路线及参考资料 @爱可可-爱生活
- Facebook 发布开源框架 PyTorch， Torch 被移植到 Python 生态圈 @网路冷眼
- 预训练词向量汇总 @爱可可-爱生活
- NTU-Coursera机器学习:过拟合(Overfitting)与正规化(Regularization) @算法组
- 六大前沿机器学习领域：增强学习、生成模型、记忆网络、微数据学习微模型、学习/推理硬件、模拟环境 @爱可可-爱生活
@好东西传送门 出品,由@AI100运营， 过往目录 见http://ml.memect.com
订阅：关注微信公众号 AI100（ID：rgznai100，扫二维码），回复“机器学习日报”，加你进日报群
本期话题有：
全部18 深度学习6 算法6 自然语言处理3 入门2 知识工程2 应用2 资源2
用日报搜索找到以前分享的内容： http://ml.memect.com/search/
今日焦点 (5)
自然语言处理 代码
【自然语言处理NLP推荐学习路线及参考资料】“自然语言处理NLP” by JustFollowUs GitHub:http://t.cn/RxP7uOH
深度学习 算法 GPU Python 神经网络
【Facebook 发布开源框架 PyTorch， Torch 终于被移植到 Python 生态圈】http://t.cn/RMFF6bh 本周，Facebook 的 AI 研究团队发布了一个 Python 工具包，专门针对 GPU 加速的深度神经网络（DNN）编程。它有望辅助、或在一定程度上替代，现有的 Python 数学、统计库（比如 NumPy）。它实现了机器学习框…全文： http://m.weibo.cn/1715118170/4066501490963369
入门 资源 自然语言处理 代码
【预训练词向量汇总】《The List of Pretrained Word Embeddings | Ahogrammer》by HIRONSAN http://t.cn/Rxhrbss GitHub(awesome-embedding-models):http://t.cn/RxhrGvv
知识工程 知识库
『NTU-Coursera机器学习:过拟合(Overfitting)与正规化(Regularization) – 机器学习知识库』http://t.cn/RMeAlyn
Nathan Benaich
【需要密切关注的六大AI/机器学习领域：增强学习、生成模型、记忆网络、微数据学习微模型、学习/推理硬件、模拟环境】《6 areas of artificial intelligence to watch closely》by Nathan Benaich @NathanBenaich/6-areas-of-artificial-intelligence-to-watch-closely-673d590aa8aa#.du1zqw4r6″>http://t.cn/RM879Hu
最新动态
2017-01-21 (12)
入门 Jason Brownlee
【机器学习漫游指南 最完整的入门书单（外文版）】http://t.cn/RxhHDcP 澳大利亚机器学习专家、畅销书作者 Jason Brownlee，对机器学习领域的各类优质书籍进行了盘点，汇总成这份阅读指南。在雷锋网所筛选的学习资源中，这堪称是迄今为止最全面、最完整、权威性比较高的一份 ML 书单，涵盖了最值得学…全文： http://m.weibo.cn/1715118170/4066499003803048
自然语言处理 主题模型
《基于 Gensim 的 Word2Vec 实践 – 某熊的全栈之路》by 王下邀月熊_Chevalier via:@SegmentFault http://t.cn/RMeUov4
算法 Python Thomas Huijskens 代码 统计
【(Python)高斯过程贝叶斯优化】’Python code for bayesian optimization using Gaussian processes’ by Thomas Huijskens GitHub: http://t.cn/RxhVMQt
算法 James Kobielus 统计
【机器学习与统计算法】《Machine Learning and Statistical Algorithms: Training With Everything We’ve Got》by James Kobielus http://t.cn/RxPxzbH
深度学习 算法 行业动态 神经网络
【深度学习创业机会谈】《Building A Deep Learning Neural Network Startup – Startup Grind》by Varun @startuphackers/building-a-deep-learning-neural-network-startup-7032932e09c”>http://t.cn/RxPIBEZ
代码
【机器学习推荐学习路线及参考资料】“机器学习Machine-Learning” by JustFollowUs GitHub:http://t.cn/RMqCf1k
应用 Hong Kong Baptist 论文 信息检索
《Semantic Evolutionary Concept Distances for Effective Information Retrieval in Query Expansion》V Franzoni, Y Li, C H.C.Leung, A Milani [Hong Kong Baptist University & University of Perugia] (2017) http://t.cn/RxvFtsT
代码 教育网站 论文
《FusionSeg: Learning to combine motion and appearance for fully automatic segmention of generic objects in videos》S D Jain, B Xiong, K Grauman [The University of Texas at Austin] (2017) http://t.cn/RxvkeRY Home:http://t.cn/RxvkeRH GitHub:http://t.cn/RxvkeRj
深度学习 算法 论文 神经网络
《Parsimonious Inference on Convolutional Neural Networks: Learning and applying on-line kernel activation rules》I. Theodorakopoulos, V. Pothos, D. Kastaniotis, N. Fragoulis (2017) http://t.cn/RxvkCcC
深度学习 应用 机器人 论文
《Higher-order Pooling of CNN Features via Kernel Linearization for Action Recognition》A Cherian, P Koniusz, S Gould [Australian Center for Robotic Vision & Data61/CSIRO] (2017) http://t.cn/Rxvktlg
知识工程 知识表现
《Reasoning in Non-Probabilistic Uncertainty: Logic Programming and Neural-Symbolic Computing as Examples》T R. Besold, A d Garcez, K Stenning, L v d Torre, M v Lambalgen University of Bremen & City University London & University of Edinburgh & University of Luxembourg & Univers…全文： http://m.weibo.cn/1402400261/4066223781913645
[
深度学习 算法 论文 神经网络
《Variational Dropout Sparsifies Deep Neural Networks》D Molchanov, A Ashukha, D Vetrov [Skolkovo Institute of Science and Technology & National Research University Higher School of Economics] (2017) http://t.cn/RxvDnhV
