第913期机器学习日报(2017-03-19)

本文汇总了2017年3月19日的机器学习重点内容,包括Python自然语言处理工具库、Word2Vec教程、Spark机器学习数据流水线在广告检测的应用、机器学习在恶意链接检测的研究以及OpenAI的智能体自主通信学习等。此外,还介绍了机器学习日报的订阅方式和过往目录。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

机器学习日报 2017-03-19

@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

微信公众号:rgznai100

本期话题有:

全部18 深度学习6 自然语言处理5 算法3 视觉3 资源2 经验总结2 架构1 知识工程1 应用1

用日报搜索找到以前分享的内容: http://ml.memect.com/search/

今日焦点 (5)

一起大数据 网页版 2017-03-19 23:25

自然语言处理 Python

分享从伯乐在线看到的一篇好文章 《Python 自然语言处理(NLP)工具库汇总》 (分享自 @Python开发者 http://t.cn/RL0AL8U

爱可可-爱生活 网页版 2017-03-19 19:16

资源 自然语言处理 Chris Mccormick 代码 课程

【Word2Vec词向量教程/资源/注释版代码】《Word2Vec Tutorial》by Chris McCormick Part1.The Skip-Gram Model http://t.cn/Rc5RfJ2 Part2.Negative Sampling http://t.cn/R6w6Viw Word2Vec Resources: http://t.cn/R6w6ViZ Commented Source Code: http://t.cn/R6w6Vi7 pdf: http://t.cn/R6w6Viz

数盟社区 网页版 2017-03-19 13:37

架构 Spark

用Spark机器学习数据流水线进行广告检测 http://t.cn/R6ZYPP7

爱可可-爱生活 网页版 2017-03-19 07:59

论文

【机器学习恶意链接检测综述】《Malicious URL Detection using Machine Learning: A Survey》D Sahoo, C Liu, S C.H. Hoi [Singapore Management University] (2017) http://t.cn/R6zgcJK

爱可可-爱生活 网页版 2017-03-17 06:10

经验总结 Jack Clark Jon Gauthier Ryan Lowe 博客

【OpenAI:智能体自主通信学习】《Learning to communicate》by Igor Mordatch, Pieter Abbeel, Ryan Lowe, Jon Gauthier, Jack Clark http://t.cn/RiFieka ref: http://weibo.com/1402400261/EA9xMwkGn

最新动态

2017-03-19 (11)

一起大数据 网页版 2017-03-19 23:34

自然语言处理

从伯乐在线资源导航发现一个不错的东西《Stanford CoreNLP:一个独立的自然语言处理框架与服务》 Stanford CoreNLP 提供了一系列自然语言的分析工具,对于用户提供的一段文字,它都能提供出每个词语的组成与语法,与相互之间的依赖关系。 (分享自 @伯乐在线官方微博 http://t.cn/R4CAlnz

AI100 网页版 2017-03-19 23:12

会议活动 深度学习 ICLR 会议

http://t.cn/R6A5zcX 我觉得交叉对比 ICLR 2017(一个备受欢迎的深度学习大会)的论文决策(分为四类:Oral、Poster、Workshop 和 Reject)与所有论文在 arxiv-sanity上 被添加到某些人的库的次数是一件有趣的事情。ICLR 2017 决策的制定取决于在某段时间内区域主席和评论者的数量,以此来决定某篇论文…全文: http://m.weibo.cn/6080368657/4087151685892465
网路冷眼 网页版 2017-03-19 21:28

应用 自然语言处理 机器人 简仁贤

【竹间智能简仁贤:打破千篇一律的聊天机器人 | Chatbot的潮流】一个普通人容易从语调、动作、表情甚至环境中去捕捉到对情绪、情感的判断;但对机器来说,这个过程就很复杂。 http://t.cn/R6Zvk1w
爱可可-爱生活 网页版 2017-03-19 20:21

经验总结 Sung Kim 博客

【机器学习与艺术】《Machine Learning & Art》by Ji-Sung Kim http://t.cn/R6w02PV pdf: http://t.cn/R6w02Pf

SegmentFault 网页版 2017-03-19 17:05

视觉 算法 Python 分类

【7行Python的人脸识别】分享自 @SegmentFault,传送门: http://t.cn/R6w2CFQ 内容梗概: – 第 1 行 引入 OpenCV – 第 2 行 加载分类器 cv2.CascadeClassifier – 第 3 行 加载目标图片 imread – 第 4 行 多尺度检测 detectMultiScale – 第 5 行和第 6 行 为每个人脸画一个框 – 第 7 行 保存检测后的结…全文: http://m.weibo.cn/2036070420/4087059172105697

爱可可-爱生活 网页版 2017-03-19 15:34

Python 代码

【用Python/Scikit-Learn实现垃圾邮件过滤】《Email Spam Filtering : A python implementation with scikit-learn | Machine Learning in Action》 http://t.cn/R6Zeuip GitHub: http://t.cn/R6ZeuiN

爱可可-爱生活 网页版 2017-03-19 14:41

深度学习 资源 代码 课程

【深度学习论文与资源大列表(论文、预训练模型、课程、图书、软件、应用、相关列表等)】’Awesome Deep learning papers and other resources’ by endymecy GitHub: http://t.cn/Riibfgc

PaperWeekly 网页版 2017-03-19 09:15

知识工程 教育网站 知识库

本周值得读 | 大规模分类体系构建论文专题 – 本次专题介绍来自复旦大学知识工场实验室在大规模分类体系方面的最新工作进展。复旦大学知识工场实验室(简称知识工场 kw.fudan.edu.cn)专注于大规模知识图谱构建、管理与应用关键理论与技术研究。 http://t.cn/R6Zh7oD
爱可可-爱生活 网页版 2017-03-19 05:47

深度学习 算法 Python 代码 论文 神经网络

【Theano实现的RFNN(CNN结构感受野)】’RFNN – Structured Receptive Fields in Convolutional Neural Networks’ by Jörn Jacobsen GitHub: http://t.cn/R6znyrH ref:《Structured Receptive Fields in CNNs》(2016) http://t.cn/R6znyrQ

爱可可-爱生活 网页版 2017-03-19 05:25

深度学习 论文

《A Study of Complex Deep Learning Networks on High Performance, Neuromorphic, and Quantum Computers》T E. Potok, C Schuman, S R. Young… [Oak Ridge National Laboratory & USC Information Sciences Institute & University of Tennessee] (2017) http://t.cn/R6zRt7x

爱可可-爱生活 网页版 2017-03-19 05:09

算法 论文 神经网络

《Decorrelated Jet Substructure Tagging using Adversarial Neural Networks》C Shimmin, P Sadowski, P Baldi, E Weik, D Whiteson, E Goul, A Søgaard [Yale University & UC Irvine & MIT & University of Edinburgh] (2017) http://t.cn/R6zEPYm

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值