【deeplearning4j的CNN专题页】《Convolutional Networks》O网页链接
【真实与虚幻——深入神经网络】《Inceptionism: Going Deeper into Neural Networks》O网页链接pdf:O网页链接参阅O爱可可-爱生活 提供的译文《谷歌人工智能的奇幻梦境》O网页链接
【面向自动推荐/机器学习的评分/标注开放数据集列表】"Recommendation and Ratings Public Data Sets For Machine Learning"Movies/Music/Books/Food/Merchandise/Healthcare/Dating/Scholarly Paper Recommendation GitHub:O网页链接
[Communication Efficient Coresets for Empirical Loss Minimization, Reddi,uai15] 基于coreset概念，并据此分析了LR和SVM收敛性。O网页链接 随机梯度下降SGD是解决带L2正则经验风险最小化问题的常用技术，对于大规模问题，分布式实现又是必要的，由此带来的通信开销需要额外考虑。
Virtual Laboratories in Probability and Statistics （概率统计虚拟实验室）：O网页链接 一个相当不错的教学资源。
bat-country: an extendible, lightweight Python package for deep dreaming with Caffe and Convolutional Neural Networks - PyImageSearch#Inceptionsim已经被玩坏了#O网页链接
K-means是最常用的聚类算法之一：容易理解，实现不难，虽然会有local optimum，但通常结果也不差。但k-means也不是万金油，比如在一些比较复杂的问题和非线性数据分布上，k-means也会失败。普林斯顿博士David Robinson写了一篇不错的分析文章，介绍了几种k-means会失效的情形。O网页链接
RNN速成视频教程。主要针对RNN零基础但是想快速入门的童鞋。@老师木@龙星镖局@爱可可-爱生活（分享自@优酷）第一次录制公开课，下一次录的时间不一定，九成会停更。LRNN lec 1 @妖僧老馮 总想写点技术笔记，想把ML中的各种simple yet powerful的idea介绍一遍。没空写，但是有空说出来。
《Aligning Books and Movies: Towards Story-like Visual Explanations by Watching Movies and Reading Books》书籍语料镜像：O网页链接 多伦多大学一个很有意思的工作：用Skip-Thoughts Vector来连接电影和原著。论文：O网页链接11,038本书籍的语料库：O网页链接
【数据挖掘究竟是什么？】《What the Heck is Data Mining?》 by Jeffrey StricklandO网页链接
【18个深度学习资源】《18 Great Deep Learning Resources, most free》O网页链接pdf:O网页链接
《爱可可老师今日视野(15.07.12)》（ 分享自@简书）O网页链接
【NIST复杂网络资源列表】《Complex Network Resources》O网页链接pdf:O网页链接
【(Java)机器学习库QuickML】O网页链接GitHub:O网页链接
【简单Generative Adversarial Network(GAN)示例代码(Python)】O网页链接 ipython notebook:O网页链接
【论文+代码:生成式对抗网络GAN】《Generative Adversarial Networks》IJ Goodfellow, J Pouget-Abadie, M Mirza..., Y Bengio (NIPS2014)O网页链接GitHub(Python):O网页链接参阅O爱可可-爱生活
【教程:Spark+Flask搭建电影推荐服务】《Building a Movie Recommendation Service with Apache Spark & Flask》Part 1:O网页链接Part 2:O网页链接GitHub:O网页链接
【google deepdream可根据输入图片"引导"生成新图】O网页链接updated ipn:O网页链接采LSD之长(参阅O爱可可-爱生活
【(Python)基于DNN(Theano)的音乐风格识别】O网页链接
【论文:用Dropout做贝叶斯估计】《Dropout as a Bayesian Approximation: Insights and Applications》Y Gal, Z Ghahramani (ICML2015)O网页链接同作者另一篇《Dropout as a Bayesian Approximation: Representing Model Uncertainty in Deep Learning》(2015)O网页链接
【论文:面向无监督特征学习的非线性赫布学习】《Nonlinear Hebbian learning as a universal principle in unsupervised feature learning》C Brito, W Gerstner (ICML2015)O网页链接O网页链接
【论文:(Deepmind)深度强化学习的大规模并行方法(框架)】《Massively Parallel Methods for Deep Reinforcement Learning》A Nair, P Srinivasan, S Blackwell... (2015)O网页链接
【把个性化推荐做到"不留后路"的Stitch Fix】《Personalizing Beyond the Point of No Return》谁在做真正的个性化？Amazon-35%, LinkedIn-50%, Netflix-75%, StitchFix -100%O网页链接
【论文:卷积核网络】《Convolutional Kernel Networks》J Mairal, P Koniusz, Z Harchaoui, C Schmid (NIPS2014)O网页链接
【(Python)音乐结构分析框架MSAF】GitHub:O网页链接
【IPN:决策树分类速查】《Cheatsheet for Decision Tree Classification》O网页链接
【(R)简·奥斯汀作品的文本挖掘】《Text Mining Of The Complete Works Of Jane Austen》O网页链接
【亚历山大·格罗滕迪克】“我在孤独工作中掌握了成为数学家的要素……我从内心就知道我是一位数学家，做数学的人。这好像是种本能。”O孤独、圣殿与虚空 | 一位数学家的传奇人生
竞价搜索广告中的点击率预估法: 特征和模型 1）经典LR[WWW07]O网页链接及L1正则版[ICML07]O网页链接2）高质量特征+组合LR和BDT[ADKDD14]O网页链接3）加LDA话题特征[ACM-TIST15]O网页链接4）组合ANN和BDT[ICLR15]O网页链接 CTR预估真是百家争鸣，补充一些企业的方法。Google的FTRL，频率派在线学习，试了一下蛮work:O网页链接微软的probit regression贝叶斯派在线学习，个人感觉效果一般:O网页链接LinkedIn的矩阵LASER，ADMM学习，没尝试过:O网页链接不过怎么可以遗漏经典：Ad Click Prediction: a View from the TrenchesO网页链接，把机器学习需要做的事情基本说清
Apache Spark入门攻略 - 本文聚焦Apache Spark入门，了解其在大数据领域的地位，覆盖Apache Spark的安装及应用程序的建立，并解释一些常见的行为和操作。O网页链接
