机器学习资料

本文汇总了机器学习与深度学习领域的精选资源,包括课程项目、论文笔记、实用技巧及数据集等内容,覆盖特征选择、防止过拟合、推荐系统等多个方面。



机器学习


北理工机器学习课程Project题目汇总


特征选择方法

机器学习中防止过拟合的处理方法 


机器学习中的相似性度量

向量空间中的相似度度量方法

在分类中如何处理训练集中不平衡问题 


梯度下降、随机梯度下降和批量梯度下降

无约束优化方法读书笔记—入门篇

libsvm Minist Hog 手写体识别

最大似然估计(MLE)与最大后验估计(MAP) 

awesome-machine-learning

Machine-Learning-Tutorials

awesome-deep-vision

awesome-random-forest

DataSciencePython


awesome-machine-learning-cn

机器学习



深度学习

Deep Learning Papers

deeplearning-papernotes

深度学习资料汇总

近期深度学习论文汇总

谈谈如何训练一个性能不错的深度神经网络


CNN训练中的技巧


caffe的损失函数


谈谈深度学习中的 Batch_Size 


深度学习中的Data Augmentation方法和代码实现

Learning both Weights and Connections for Efficient Neural Network -- 论文笔记

浅析SAE与DBM(Deep Learning)

【论文笔记】Deep Neural Decision Forests



机器学习(Machine Learning)&深度学习(Deep Learning)资料汇总

机器学习(Machine Learning)&深度学习(Deep Learning)资料(下)


【深度学习Deep Learning】资料大全




TopDeepLearning


neural-network-papers


awesome-deep-learning


机器学习(Machine Learning)&深度学习(Deep Learning)资料


Deep Learning for Robotics 资源汇总

15款开源人工智能软件挨个数,哪一款是你的菜?




Non-negative Matrix Factorization 非负矩阵分解


《nature》 机器学习的3个热门分支 “深度学习”、“增强式学习”、“概率学习” 的最新综述


推荐系统


【推荐系统算法】PMF(Probabilistic Matrix Factorization)


Factorization Machines 学习笔记


斯坦福机器学习公开课笔记(十三)--推荐系统


开放的数据集整理


非常好的协同过滤入门文章


推荐系统的循序进阶读物(从入门到精通)





数据集

awesome-public-datasets


推荐系统常用数据集


常用图像数据集大全(分类,跟踪,分割,检测等)

常用图像数据集大全

计算机视觉著名数据集CV Datasets

机器学习相关数据库

learn python:a hard way

深度学习数据集(一)

深度学习数据集(二)


nlp资源


【语料库】语料库资源汇总

搜狗语料库

ICTCLAS 汉语词性标注集 中科院

NLP -- 公开数据收集

网络公开的免费文本语料训练数据集汇总


awesome-nlp

DL4NLP

Deep-Learning-for-NLP-Resources

nlp_tutorials

NLP-in-Python

stanford Natural Language Processing ——Dan Jurafsky, Christopher Manning

columbia university Natural Language Processing——Michael Collins

stanford-cs224u

stanford-cs224n

Python:自然语言处理 -- 索引






cv图像

图像处理代码库

来自西弗吉利亚大学li xin整理的CV代码合集

数据挖掘领域的主要会议




AI顶级国际会议列表
















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