【導讀】轉載來自ty4z2008（GItHub）整理的機器學習&深度學習知識資料大全薈萃，包含各種論文、代碼、視頻、書籍、文章、數據等等。是學習機器學習和深度學習的必備品！
ty4z2008前言：希望轉載的朋友，你可以不用聯繫我．但是一定要保留原文連結，因為這個項目還在繼續也在不定期更新．希望看到文章的朋友能夠學到更多．此外:某些資料在中國訪問需要梯子.
昨天介紹了第一篇：
【乾貨薈萃】機器學習&深度學習知識資料大全集(一)（論文/教程/代碼/書籍/數據/課程等）
今天第二篇：
介紹:使用卷積神經網絡的圖像縮放.
介紹:ICML2015 論文集,優化4個+稀疏優化1個；強化學習4個，深度學習3個+深度學習計算1個；貝葉斯非參、高斯過程和學習理論3個；還有計算廣告和社會選擇.ICML2015 Sessions.
介紹:使用卷積神經網絡的圖像縮放.
《Microsoft researchers accelerate computer vision accuracy and improve 3D scanning models》
http://blogs.technet.com/b/inside_microsoft_research/archive/2015/06/08/microsoft-researchers-accelerate-computer-vision-accuracy-and-improve-3d-scanning-models.aspx
介紹:，第28屆IEEE計算機視覺與模式識別(CVPR)大會在美國波士頓舉行。微軟研究員們在大會上展示了比以往更快更準的計算機視覺圖像分類新模型，並介紹了如何使用Kinect等傳感器實現在動態或低光環境的快速大規模3D掃描技術.
介紹:(文本)機器學習可視化分析工具.
介紹:機器學習工具包/庫的綜述/比較.
介紹:數據可視化最佳實踐指南.
介紹:Day 1、Day 2、Day 3、Day 4、Day 5.
介紹:深度學習之「深」——DNN的隱喻分析.
介紹:混合密度網絡.
介紹:數據科學家職位面試題.
介紹:準確評估模型預測誤差.
介紹:Continually updated Data Science Python Notebooks.
介紹:How to share data with a statistician.
介紹:來自Facebook的圖像自動生成.
介紹:How to share data with a statistician.
介紹:(Google)神經(感知)會話模型.
介紹:The 50 Best Masters in Data Science.
介紹:NLP常用信息資源.
介紹:語義圖像分割的實況演示,通過深度學習技術和概率圖模型的語義圖像分割.
介紹:Caffe模型/代碼:面向圖像語義分割的全卷積網絡,模型代碼.
介紹:深度學習——成長的煩惱.
介紹:基於三元樹方法的文本流聚類.
介紹:Free Ebook:數據挖掘基礎及最新進展.
介紹:深度學習革命.
介紹:數據科學(實踐)權威指南.
介紹:37G的微軟學術圖譜數據集.
介紹:生產環境(產品級)機器學習的機遇與挑戰.
介紹:神經網絡入門.
介紹:來自麻省理工的結構化稀疏論文.
介紹:來自雅虎的機器學習小組關於在線Boosting的論文 .
介紹:20個最熱門的開源(Python)機器學習項目.
介紹:C++並行貝葉斯推理統計庫QUESO,github code.
《《Deep learning》Yann LeCun, Yoshua Bengio, Geoffrey Hinton (2015) 》
http://www.nature.com/nature/journal/v521/n7553/full/nature14539.html
介紹:Nature:LeCun/Bengio/Hinton的最新文章《深度學習》,Jürgen Schmidhuber的最新評論文章《Critique of Paper by "Deep Learning Conspiracy" (Nature 521 p 436)》.
介紹:基於Scikit-Learn的預測分析服務框架Palladium.
介紹:John Langford和Hal Daume III在ICML2015上關於Learning to Search的教學講座幻燈片.
介紹:讀完這100篇論文 就能成大數據高手,國內翻譯.
介紹:NLP課程《社交媒體與文本分析》精選閱讀列表.
介紹:寫給開發者的機器學習指南.
介紹:基於維基百科的熱點新聞發現.
介紹:(Harvard)HIPS將發布可擴展/自動調參貝葉斯推理神經網絡.
介紹:面向上下文感知查詢建議的層次遞歸編解碼器.
介紹:GPU上基於Mean-for-Mode估計的高效LDA訓練.
介紹:從實驗室到工廠——構建機器學習生產架構.
介紹:適合做數據挖掘的6個經典數據集(及另外100個列表).
介紹:Google面向機器視覺的深度學習.
介紹:構建預測類應用時如何選擇機器學習API.
介紹:Python+情感分析API實現故事情節(曲線)分析.
介紹:(R)基於Twitter/情感分析的口碑電影推薦,此外推薦分類算法的實證比較分析.
介紹:CMU(ACL 2012)(500+頁)面向NLP基於圖的半監督學習算法.
介紹:從貝葉斯分析NIPS，看同行評審的意義.
介紹:(RLDM 2015)計算強化學習入門.
介紹:David Silver的深度強化學習教程.
介紹:深度神經網絡的可解釋性.
介紹:Spark快速入門.
介紹:TalkingMachines:面向體育/政治和實時預測的機器學習.
介紹:Stanford社交網絡與信息網絡分析課程資料+課設+數據.
介紹:David Silver(DeeMind)的強化學習課程,slide.
介紹:基於Theano/GPU的高效深度學習.
介紹:來自微軟的<R編程入門>.
介紹:(Go)情感分析API服務Sentiment Server.
介紹:受限波爾茲曼機初學者指南.
介紹:Mining and Summarizing Customer Reviews ,Mining High-Speed Data Streams,Optimizing Search Engines using Clickthrough Data.
介紹:Nvidia深度學習課程.
介紹:2015年深度學習暑期課程，推薦講師主頁.
介紹:這是一篇關於百度文章《基於深度學習的圖像識別進展：百度的若干實踐》的摘要,建議兩篇文章結合起來閱讀.
介紹:視頻標註中的機器學習技術.
介紹:博士論文:(Ilya Sutskever)RNN訓練.
介紹:深度神經網絡的灰色區域：可解釋性問題，中文版.
介紹:Golang 實現的機器學習庫資源匯總.
介紹:深度學習的統計分析.
介紹:面向NLP的深度學習技術與技巧.
介紹:Kaggle's CrowdFlower競賽NLP代碼集錦.
介紹:斯坦福的自然語言理解課程.
介紹:Deep Learning與Shallow Learning 介紹
介紹:這是一本機器學習的電子書,作者Max Welling先生在機器學習教學上面有著豐富的經驗,這本書小但精緻.
介紹:由荷蘭阿姆斯特丹大學 & 谷歌瑞士著.
介紹:介紹個樂於總結和翻譯機器學習和計算機視覺類資料的博客,包含的內容：Hinton的CSC321課程的總結；Deep Learning綜述；Notes on CNN的總結；python的原理總結；Theano基礎知識和練習總結；CUDA原理和編程；OpenCV一些總結.
介紹:針對具體問題(應用場景)如何選擇機器學習算法(系列).
介紹:數據科學免費書分類集合
介紹:深度學習在語音合成最新進展有哪些？推薦MSRA的Frank Soong老師關於語音合成的深度學習方法的錄像和幻燈片與以及谷歌的LSTM-RNN合成介紹,論文
介紹:新書(可免費下載):數據科學的藝術
介紹:模式識別與機器學習書籍推薦,本書是微軟劍橋研究院大神Bishop所寫，算是最為廣為認知的機器學習教材之一，內容覆蓋全面，難度中上，適合研究生中文版 or 備份
介紹:數據可視化介紹(23頁袖珍小冊子)
《That’s So Annoying!!!: A Lexical and Frame-Semantic Embedding Based Data Augmentation Approach to Automatic Categorization of Annoying Behaviors using #petpeeve Tweets ∗》
https://www.cs.cmu.edu/~yww/papers/emnlp2015petpeeves.pdf
介紹:這篇論文榮獲EMNLP2015的最佳數據/資源獎優秀獎,標註的推特數據集
介紹:作者在深度學習的思考.
介紹:數據可視化常用工具軟體資源匯總
介紹:Buffalo大學教授Sargur Srihari的「機器學習和概率圖模型」的視頻課程
介紹:耶路撒冷希伯來大學教授Shai Shalev-Shwartz和滑鐵盧大學教授Shai Ben-David的新書Understanding Machine Learning: From Theory to Algorithms,此書寫的比較偏理論，適合對機器學習理論有興趣的同學選讀
介紹:機器學習學習清單
介紹:知乎上面的一篇關於NLP界有哪些神級人物？提問。首推Michael Collins
介紹:機器學習與NLP專家、MonkeyLearn聯合創始人&CEO Raúl Garreta面向初學者大體概括使用機器學習過程中的重要概念，應用程式和挑戰，旨在讓讀者能夠繼續探尋機器學習知識。
介紹:(IPN)基於Scikit-Learn的GBRT(Gradient Boost Regression Tree)教程，slide
介紹: 無需做深度學習就能用的分布式深度學習軟體.
介紹: 在亞馬遜數據和眾包Mechanical Turk上，實現了來自彩票和拍賣的機制，以收集用戶對產品的樂意購買價格（WTP，willingness-to-pay）訓練集。 E-commerce Recommendation with Personalized Promotion [Zhao,RecSys15] 回歸模型預測未知WTP，提升賣家利潤和消費者滿意度
介紹:來自伯克利分校的大規模機器學習.
《機器學習資料大匯總》
http://www.52ml.net/star
介紹:來自52ml的機器學習資料大匯總.
介紹:這本書的作者McKeown是2013年世界首個數據科學院（位於哥倫比亞大學）主任，她亦是ACL、AAAI和ACM Fellow .
介紹:EMNLP-15文本摘要若干.
介紹:來自Netflix的Xavier Amatriain在Summer School 2014 @ CMU上長達4小時的報告，共248頁，是對推薦系統發展的一次全面綜述，其中還包括Netflix在個性化推薦方面的一些經驗介紹.
介紹:(ECML PKDD 2015)大數據流挖掘教程,此外推薦ECML PKDD 2015 Tutorial列表.
介紹:Spark上的Keras深度學習框架Elephas.
介紹:Surya Ganguli深度學習統計物理學.
介紹:(系統/算法/機器學習/深度學習/圖模型/優化/...)在線視頻課程列表.
介紹:(PyTexas 2015)Python主題建模.
介紹:Hadoop集群上的大規模分布式機器學習.
介紹:基於LinkedIn數據得出的深度學習熱門"東家"排行.
介紹:(c++)神經網絡手把手實現教程.
介紹:香港中文大學湯曉鷗教授實驗室公布的大型人臉識別數據集： Large-scale CelebFaces Attributes (CelebA) Dataset 10K 名人，202K 臉部圖像，每個圖像40餘標註屬性.
介紹:面向機器視覺的無監督特徵學習,Ross Goroshin's webpage.
介紹:谷歌研究院Samy Bengio等人最近寫的RNN的Scheduled Sampling訓練方法論文.
介紹:機器學習基本算法簡要入門.
介紹:Github機器學習/數學/統計/可視化/深度學習相關項目大列表.
介紹:CMU的資訊理論課程.
介紹:谷歌研究院Samy Bengio等人最近寫的RNN的Scheduled Sampling訓練方法論文.
介紹:基於Hadoop集群的大規模分布式深度學習.
介紹:來自史丹福大學及NVIDIA的工作，很實在很實用。採用裁剪網絡連接及重訓練方法，可大幅度減少CNN模型參數。針對AlexNet、VGG等模型及ImageNet數據，不損失識別精度情況下，模型參數可大幅度減少9-13倍.
介紹:無需做深度學習就能用的分布式深度學習軟體,github.
介紹:當今世界最NB的25位大數據科學家,通過他們的名字然後放在google中搜索肯定能找到很多很棒的資源譯文.
介紹:Nils Reimers面向NLP的深度學習(Theano/Lasagne)系列教程.
介紹:主講人是陶哲軒,資料Probability: Theory and Examples,筆記.
介紹:數據科學(學習)資源列表.
介紹:應對非均衡數據集分類問題的八大策略.
介紹:重點推薦的20個數據科學相關課程.
介紹:遞歸神經網絡.
介紹:(HOG)學習筆記.
介紹:計算建模/計算神經學課程匯總.
介紹:(Yelp)基於深度學習的商業圖片分類.
介紹:免費在線書《Neural Networks and Deep Learning》神經網絡與深度學習。目前提供了前四章的草稿，第一章通過手寫數字識別的例子介紹NN，第二章講反向傳播算法，第三章講反向傳播算法的優化，第四章講NN為什麼能擬合任意函數。大量python代碼例子和交互動畫，生動有趣.中文版
介紹:數據科學大咖薦書(入門).
介紹:NLP 深度學習資源列表.
《GitXiv》
http://gitxiv.com/
介紹:很多arXiv上面知名論文可以在這個網站找到github的項目連結.
介紹:深度學習在視覺跟蹤的探索.
《Beginners Guide: Apache Spark Machine Learning Scenario With A Large Input Dataset》
http://fullstackml.com/2015/10/29/beginners-guide-apache-spark-machine-learning-scenario-with-a-large-input-dataset/
介紹:Spark機器學習入門實例——大數據集(30+g)二分類.
介紹:保羅艾倫人工智慧實驗室表示，Google Scholar是十年前的產物，他們現在想要做進一步的提高。於是推出了全新的，專門針對科學家設計的學術搜尋引擎Semantic Scholar.
介紹:半監督學習,Chapelle.篇篇都是經典,作者包括Vapnik,Bengio,Lafferty,Jordan.此外推薦Xiaojin (Jerry) Zhu編寫的Introduction to Semi-Supervised Learning.
介紹:Spark機器學習入門實例——大數據集(30+g)二分類.
介紹:為入門者準備的深度學習與神經網絡免費資源.
介紹:Google 開源最新機器學習系統 TensorFlow,此外提供TensorFlow白皮書white paper of tensorflow 2015.hacker news,Google大牛解讀TensorFlow
介紹:三星開源的快速深度學習應用程式開發分布式平臺.
介紹:分布式機器學習工具包.
介紹:語義大數據——大數據/事件處理的語義方法.
介紹:LSTM(Long Short Term Memory)和RNN(Recurrent)學習教程.
介紹:Princeton Vision Group的深度學習庫開源.
《Ufora is a compiled, automatically parallel subset of python for data science and numerical computing》
http://ufora.github.io/ufora/
介紹:基於AWS的自動分布式科學計算庫Ufora,Why I Open Sourced Five Years of Work.
介紹:(PyCon SE 2015)深度學習與深度數據科學.
介紹:推薦南京大學機器學習與數據挖掘研究所所長——周志華教授的Google學術主頁.
介紹:免費書:面向數據科學的高級線性模型.
介紹:基於知識遷移的神經網絡高效訓練Net2Net.
介紹:徐亦達機器學習課程 Variational Inference.
介紹:深度神經網絡結構學習.
介紹:來自史丹福大學的Multimodal Deep Learning papers.
《深度學習簡析,TensorFlow,Torch,Theano,Mxnet》
http://chiffon.gitcafe.io/2015/11/16/long.html
介紹:深度學習簡析,TensorFlow,Torch,Theano,Mxnet.
介紹:這個專欄是一個stanford學生做的CS183c課程的一個note，該課程是由Reid Hoffman等網際網路boss級人物開設的，每節課請一位巨頭公司的相關負責人來做訪談，講述該公司是怎麼scale的。最新兩期分別請到了雅虎的梅姐和airbnb創始人Brian Chesky。.
介紹:基於分布式表示的自然語言理解(100+頁),論文.
介紹:推薦系統手冊.
介紹:理解LSTM網絡翻譯.
介紹:機器學習在quora中的應用.
介紹:思維學習——RL+RNN算法資訊理論.
介紹:數據科學家畢業後繼續學習的5種方式.
介紹:深度學習在神經網絡的應用.
介紹:上下文學習,代碼.
介紹:機器學習零基礎入門,代碼.
介紹:2015年度CCF優秀博士學位論文獎論文列表.
介紹:Learning to Hash Paper, Code and Dataset.
介紹:(PyData2015)基於Theano/Lasagne的CNN/RNN教程,github.
介紹:復旦大學邱錫鵬老師編寫的神經網絡與深度學習講義,ppt.
介紹:微軟亞洲研究院開源分布式機器學習工具包.
介紹:語音識別的技術原理淺析
介紹:麥可·I.喬丹的主頁.根據主頁可以找到很多資源。麥可·I.喬丹是知名的計算機科學和統計學學者，主要研究機器學習和人工智慧。他的重要貢獻包括指出了機器學習與統計學之間的聯繫，並推動機器學習界廣泛認識到貝葉斯網絡的重要性。
介紹:傑弗裡·埃弗裡斯特·辛頓 FRS是一位英國出生的計算機學家和心理學家，以其在神經網絡方面的貢獻聞名。辛頓是反向傳播算法和對比散度算法的發明人之一，也是深度學習的積極推動者.通過他的主頁可以發掘到很多Paper以及優秀學生的paper,此外推薦他的學生Yann Lecun主頁
介紹:Yoshua Bengio是機器學習方向的牛人,如果你不知道可以閱讀對話機器學習大神Yoshua Bengio（上）,對話機器學習大神Yoshua Bengio（下）
介紹:google大規模深度學習應用演進
介紹:MIT出版的深度學習電子書,公開電子書
介紹:深度卷積神經網絡(CNN)提取特徵的數學理論
介紹:推薦微軟亞洲研究院何愷明主頁
介紹:《語音與語言處理》第三版(草稿)
介紹:Stanford新課"計算詞彙語義學"
介紹:上海交大張志華老師的統計機器學習與機器學習導論視頻連結:密碼: r9ak .概率基礎
介紹:computational linguistics and deep learning視頻,推薦Deep Learning: An Introduction from the NLP Perspective
介紹:(BlackHat2015)深度學習應用之流量鑑別(協議鑑別/異常檢測),[slide])(https://www.blackhat.com/docs/us-15/materials/us-15-Wang-The-Applications-Of-Deep-Learning-On-Traffic-Identification.pdf),material
介紹:一個推薦系統的Java庫
介紹:多中心圖的譜分解及其在網絡入侵檢測中的應用(MC-GPCA&MC-GDL)
介紹:用Python學計算統計學
介紹:datumbox-framework——Java的開源機器學習框架，該框架重點是提供大量的機器學習算法和統計檢驗，並能夠處理中小規模的數據集
介紹:遞歸神經網絡awesome系列,涵蓋了書籍,項目,paper等
介紹:Pedro Domingos是華盛頓大學的教授,主要研究方向是機器學習與數據挖掘.在2015年的ACM webinar會議,曾發表了關於盤點機器學習領域的五大流派主題演講.他的個人主頁擁有很多相關研究的paper以及他的教授課程.
介紹:機器學習視頻集錦
介紹:深度機器學習庫與框架
介紹:這篇文章內的推薦系統資源很豐富,作者很有心,摘錄了《推薦系統實戰》內引用的論文.
介紹:(天文學)貝葉斯方法/MCMC教程——統計實戰
介紹:免費書:統計稀疏學習,作者Trevor Hastie與Rob Tibshirani都是史丹福大學的教授,Trevor Hastie更是在統計學學習上建樹很多
介紹:R分布式計算的進化,此外推薦(R)氣候變化可視化,(R)馬爾可夫鏈入門
介紹:Nervana Systems在Startup.ML的主題研討會——情感分析與深度強化學習
介紹:深度學習卷積概念詳解.
介紹:Python推薦系統開發庫匯總.
介紹:超棒的神經網絡課程，深入淺出介紹深度學習，由Hugo Larochelle（Yoshua Bengio的博士生，Geoffrey Hinton之前的博士後）主講，強烈推薦.
介紹:斯坦福新課程,面向視覺識別的卷積神經網絡(Fei-Fei Li & Andrej Karpathy),slides+video,homework.
介紹:NIPS 2015會議總結第一部分,第二部分.
介紹:python機器學習入門資料梳理.
介紹:牛津大學著名視覺幾何組VGG在IJCV16年首卷首期: Reading Text in the Wild with Convolutional Neural Networks,Jaderberg。這篇期刊文章融合了之前兩篇會議(ECCV14,NIPS14ws)，定位和識別圖片中的文本(叫text spotting)。 端到端系統: 檢測Region + 識別CNN。論文、數據和代碼.
介紹:計算機視覺的一個較大的數據集索引, 包含387個標籤，共收錄了314個數據集合，點擊標籤雲就可以找到自己需要的庫了.
《Why SLAM Matters, The Future of Real-Time SLAM, and Deep Learning vs SLAM》
http://www.computervisionblog.com/2016/01/why-slam-matters-future-of-real-time.html
介紹:Tombone 對 ICCV SLAM workshop 的總結： the future of SLAM, SLAM vs deep learning 重點介紹了 monoSLAM 和 LSD-SLAM，而且討論了 feature-based 和 feature-free method 的長短。在全民deep learning做visual perception的時候，再來讀讀CV中的 geometry.
介紹:Nervana Systems的開源深度學習框架neon發布.
介紹:ICCV 2015的ImageNet比賽以及MS COCO競賽聯合研討會的幻燈片和視頻.
介紹:Python機器學習入門.
介紹:Neural Enquirer 第二版.
介紹:[Google]基於TensorFlow的深度學習/機器學習課程.
介紹:R-bloggers網站2015"必讀"的100篇文章,R語言學習的福音.
介紹:推薦書籍:<機器學習：概率視角>,樣章Undirected graphical models Markov random fields.
介紹:這是一本在線的深度學習書籍,合著者有Ian Goodfellow, Yoshua Bengio 和 Aaron Courville.如果你是一位新入門的學員可以先看這本書籍Yoshua Bengio: How can one get started with machine learning?.中文譯本
介紹:UFLDL推薦的深度學習閱讀列表.
介紹:紐約州立大學布法羅分校2015年春季機器學習課程主頁.
介紹: Theano是主流的深度學習Python庫之一，亦支持GPU,入門比較難.推薦Theano tutorial,Document
介紹:博士論文:神經網絡統計語言模型.
介紹:文本數據的機器學習自動分類方法(下).
介紹:用RNN預測像素，可以把被遮擋的圖片補充完整.
介紹:微軟研究院把其深度學習工具包CNTK,想進一步了解和學習CNTK的同學可以看前幾天公布的《CNTK白皮書》An Introduction to Computational Networks and the Computational Network Toolkit.
介紹: 卡爾曼濾波器教材，用儘量少的數學和推導，傳授直覺和經驗，全部Python示例，內容覆蓋卡爾曼濾波器、擴展卡爾曼濾波，無跡卡爾曼濾波等，包括練習和參考答案
介紹:在線免費書:面向數據科學的統計推斷，R示例代碼，很不錯GitHub.
介紹:這本書是由Yoshua Bengio撰寫的教程,其內容包含了學習人工智慧所使用的深度學習架構的學習資源,書中的項目已停止更新DeepLearnToolbox.
介紹:這是一份機器學習和深度學習教程，文章和資源的清單。這張清單根據各個主題進行撰寫，包括了許多與深度學習有關的類別、計算機視覺、加強學習以及各種架構.
介紹:這是由Donne Martin策劃收集的IPython筆記本。話題涵蓋大數據、Hadoop、scikit-learn和科學Python堆棧以及很多其他方面的內容。至於深度學習，像是TensorFlow、Theano和Caffe之類的框架也均被涵蓋其中，當然還有相關的特定構架和概念等.
介紹:開源的深度學習服務,DeepDetect是C++實現的基於外部機器學習/深度學習庫（目前是Caffe）的API。給出了圖片訓練（ILSVRC）和文本訓練（基於字的情感分析，NIPS15）的樣例，以及根據圖片標籤索引到ElasticSearch中github.
《Data Mining, Analytics, Big Data, and Data Science》
http://www.kdnuggets.com/
介紹:這是國外的一個科技頻道,涵蓋了數據挖掘,分析以及數據科學類的文章.偶爾還有機器學習精選.
介紹:經典論文:數據挖掘與統計學.
介紹:NIPS』2015 Tutorial by Yoshua Bengio.
介紹:Nervana Systems的開源深度學習框架neon發布.
介紹:猶他州大學Matt Might教授推薦的研究生閱讀清單.
介紹:開放數據集.
介紹:(edX)不確定性的科學——概率論導論(MITx).
介紹:R語言開發常用軟體/工具推薦.
介紹:動態記憶網絡實現.
介紹:英文主頁
《Big Data Analysis Learning Resources: 50 Courses, Blogs, Tutorials, And More For Mastering Big Data Analytics》
http://www.ngdata.com/big-data-analysis-resources/
介紹:50個大數據分析最佳學習資源(課程、博客、教程等)
介紹:深度學習的全面硬體指南，從GPU到RAM、CPU、SSD、PCIe,譯文
介紹:kaiming開源作品
介紹:自然語言處理(NLP)權威指南
介紹:如何在社會媒體上做語言檢測？沒有數據怎麼辦？推特官方公布了一個十分難得的數據集：12萬標註過的Tweets，有70種語言
介紹:深度學習和機器學習重要會議ICLR 2016錄取文章
《Machine Learning: An In-Depth, Non-Technical Guide - Part 1》
http://www.innoarchitech.com/machine-learning-an-in-depth-non-technical-guide/
介紹:機器學習——深度非技術指南
《Data Storytelling 101: Helpful Tools for Gathering Ideas, Designing Content & More》
http://blog.hubspot.com/marketing/toolbox-for-data-storytelling
介紹:數據敘事入門指南——創意生成/數據採集/內容設計相關資源推薦
介紹:WikiTableQuestions——複雜真實問答數據集
介紹:(2016版)35個超棒的免費大數據源
介紹:Ion Stoica和 Michael I. Jordan兩位大家首次聯手發文，CAFFE和SPARK完美結合，分布式深度學習混搭模式！github
介紹:深度學習(分類)文獻集
介紹:深度學習閱讀列表
介紹:探索R包的好網站Awesome 42
介紹:MLbase是Prof. Dr. Tim Kraska的一個研究項目，MLbase是一個分布式機器學習管理系統
介紹:分布式深度學習平臺SINGA介紹
介紹:Spark視頻集錦
介紹:R語言深度學習第一節:從零開始
介紹:圖解機器學習
介紹:AMiner論文引用數據集(v7:2,244,021 papers and 4,354,534 citation relationships)
介紹:10本最佳機器學習免費書
《International Conference on Computer Vision (ICCV) 2015, Santiago》
http://videolectures.net/iccv2015_santiago/
介紹:ICCV15視頻集
介紹::(Yahoo)基於Hadoop/Spark的分布式Caffe實現CaffeOnSpark
介紹:Learning to Rank簡介
介紹:全球深度學習專家列表,涵蓋研究者主頁
介紹:Spark生態頂級項目匯總
介紹:ACM IUI'16論文集Conference Navigator - Proceedings
《Machine Learning: An In-Depth, Non-Technical Guide - Part 1》
http://www.innoarchitech.com/machine-learning-an-in-depth-non-technical-guide/
介紹:深入機器學習,2,3,4
介紹:Nando de Freitas在 Oxford 開設的深度學習課程,課程youtube地址,Google DeepMind的研究科學家,此外首頁:computervisiontalks的內容也很豐富,如果你是做機器視覺方面的研究,推薦也看看其他內容.肯定收穫也不小.還有,這位youtube主頁頂過的視頻也很有份量
介紹:Geoffrey Hinton在Coursera開設的MOOC
《Deep Learning News》
http://news.startup.ml/
介紹:深度學習領域的Hacker news.緊跟深度學習的新聞、研究進展和相關的創業項目。從事機器學習,深度學習領域的朋友建議每天看一看
介紹:Maxout網絡剖析
介紹:NIPS領域的會議paper集錦
介紹:機器學習在生物工程領域的應用,如果你從事生物工程領域,可以先閱讀一篇文章詳細介紹
介紹:深度學習在生物信息學領域的應用
介紹:一些關於機器學習需要知道知識,對於剛剛入門機器學習的同學應該讀一讀
介紹:劍橋大學機器學習用戶組主頁,網羅了劍橋大學一些機器學習領域專家與新聞
介紹:Randy Olson's的一些數據分析與機器學習項目庫,是學習實踐的好材料
介紹:Golang機器學習庫,簡單,易擴展
介紹:用Swift開發蘋果應用的倒是很多，而用來做機器學習的就比較少了.Swift Ai在這方面做了很多聚集.可以看看
介紹:如何向一位5歲的小朋友解釋支持向量機(SVM)
介紹: reddit的機器學習欄目
介紹: 計算機視覺領域的一些牛人博客，超有實力的研究機構等的網站連結.做計算機視覺方向的朋友建議多關註裡面的資源
介紹:香港中文大學深度學習研究主頁,此外研究小組對2013年deep learning 的最新進展和相關論文做了整理,其中useful links的內容很受益
介紹: 這是一篇關於搜尋引擎的博士論文,對現在普遍使用的搜尋引擎google，bing等做了分析.對於做搜索類產品的很有技術參考價值
介紹: 深度學習書籍推薦(畢竟這類書比較少).
介紹: 貝葉斯定理在深度學習方面的研究論文.
介紹: 來自谷歌大腦的重溫分布式梯度下降.同時推薦大規模分布式深度網絡
介紹: 社交計算研究相關問題綜述.
介紹: 社交計算應用領域概覽,裡面有些經典論文推薦
介紹: 協同過濾在推薦系統應用.
介紹: 協同過濾在內容推薦的研究.
介紹: 協同過濾經典論文.
因篇幅限制，完整版請：請關注專知公眾號（掃一掃最下面專知二維碼，或者點擊上方藍色專知），後臺回復「MLDL」 就可以獲取 機器學習&深度學習知識資料大全集的pdf第一篇下載連結~~; 後臺回復「MLDL2」 就可以獲取 機器學習&深度學習知識資料大全集的pdf第二篇下載連結~~