2017年6月历史文章汇总

2017年1月历史文章汇总

2017年2月历史文章汇总

2017年3月历史文章汇总

2017年4月历史文章汇总

2017年5月历史文章汇总

2017年6月1日

【推荐】特征降维算法：优势与不足

【论文】CVPR
2017论文：视觉跟踪技术，基于深度强化学习的行动决策网络(附代码和数据)

【干货】深度学习在推荐领域的应用

【讲座】深度卷积神经网络结构设计：从更深到更宽

2017年6月2日

【推荐】机器学习综述、教程和书籍的阅读清单

【干货】清华大学在读博士石佳欣：珠算，一个贝叶斯深度学习库

【学习】迁移学习与深度学习预训练模型应用

【课程】Think
AI：百度技术学院深度学习实战最新课程上线

2017年6月3日

【推荐】七招处理非均衡数据

【干货】从存储、实时、安全的角度谈如何建立完整可用的企业大数据平台

【论文】SIGGRAPH
2017论文：基于图像的线艺重建（附代码和数据）

【报名】互联网大数据助力金融风控

2017年6月4日

【推荐】亚马逊AI博客：用机器学习自动调优数据库管理系统（DBMS）

【学习】基于图卷积网络的图深度学习

【学习】金融Python：算法交易

【学习】从选题到实验：合理规划科研流程

2017年6月5日

【推荐】上帝的巴别塔在崩塌？阿里翻译一年2500亿次调用，节省25亿美元

【学习】像人脑一样理解周围世界：脑启发的深度学习模型及其应用

【学习】用数学和神经科学为深度学习奠定基础

【报名】微软亚洲研究院主管研究员刘洋：智能几何建模与处理

2017年6月6日

【推荐】港理工在读博士李嫣然深入浅出GAN之应用篇（附160页PPT及视频）

【学习】从贝叶斯概率角度看深度学习

【论文】BundleFusion：实时全局一致的3D重建，使用动态表面重新整合技术(附代码)

【讲座】蒙特利尔大学助理教授唐建博士深度学习讲座“An
Introduction to Deep Learning”

2017年6月7日

【推荐】机器学习：基于层次的聚类算法

【学习】以数据的名义——浅谈三维几何的处理与分析（上）

【学习】以数据的名义——浅谈三维几何的处理与分析（下）

【学习】词向量直觉理解

2017年6月8日

【推荐】(Keras)Faster
R-CNN目标计数

【推荐】小米云深度学习平台的架构设计与实现

【学习】携程实时用户数据采集与分析系统

【学习】从洪荒到智能——数据驱动的材质属性建模发展历程

2017年6月9日

【推荐】PyTorch中文文档

【学习】可变形卷积网络：计算机新“视”界

【干货】港科大助理教授沈劭劼：基于单目视觉与惯导整合的定位与建图

【活动】微软亚洲研究院创研论坛
CVPR 2017 论文分享会

2017年6月10日

【推荐】一文了解强化学习

【学习】清华“高级机器学习”课程作业集锦
(2016-2017)

【学习】关于用户画像产品构建和应用的几点经验

【报名】微软亚洲研究院董悦：利用自增强学习训练神经网络生成材质纹理

2017年6月11日

【推荐】机器学习调优实战

【学习】特征选择的现实意义

【论文】Decentralized
Collaborative Learning of Personalized Models

【报名】图森未来CTO侯晓迪：自动驾驶中我们需要什么样的评测数据集？

2017年6月14日

【推荐】深度卷积神经网络图像分类综述

【学习】一个基于pytorch的图像分类框架

【学习】机器学习初学者教程：贝叶斯方法

【报名】MSRA袁路：深度学习如何让图片和视频在不同的艺术风格间自如切换？

2017年6月15日

【推荐】阿里妈妈首次公开自研CTR预估核心算法MLR

【学习】SLAM的现在与未来

【学习】Count-Min
Sketch 算法，解决大数据统计难题

【学习】图森未来CTO侯晓迪：自动驾驶中我们需要什么样的评测数据集？

2017年6月16日

【推荐】腾讯大数据已将第三代高性能计算平台Angel代码在Github上开放

【学习】Locality-Sensitive
Hashing 算法，大数据中快速找出相似对

【学习】如何用深度学习实现用户行为预测与推荐

【学习】MSRA袁路：深度学习如何让图片和视频在不同的艺术风格间自如切换？

2017年6月17日

【推荐】Instagram图片爬取、(人脸)索引与搜索

【学习】海量数据处理算法总结【超详解】

视频讲解|为什么神经网络参数不能全部初始化为全0

【报名】iTiS技术沙龙第6期
| 人工智能时代的创新与创业 | 创新工场技术副总裁/人工智能工程院副院长王咏刚

2017年6月20日

【推荐】特征向量/PCA/协方差/熵入门指南

视频讲解|0基础学习极大似然估计

【学习】自动驾驶汽车中都使用了哪些机器学习算法？

【学习】应用到文本领域的卷积方法

2017年6月23日

【推荐】《Scikit-Learn
Cookbook》中文翻译版

什么是自编码？

【学习】理解
Word2Vec 之 Skip-Gram 模型

2017年6月24日

【推荐】Facebook研究实习生曹哲：实时多人人体姿态识别

干货|李宏毅ML课程[1]Learning
Map

【学习】用户画像之用户性别识别

【活动】嘉宾分享系列之计算机视觉方向

2017年6月25日

【推荐】Python机器学习教程

【干货】分分钟带你杀入Kaggle
Top 1%

【学习】稀疏学习综述

【学习】深度学习网络大杀器之Dropout（II）——将丢弃学习视为集成学习之我见

2017年6月26日

【推荐】(dlib/OpenCV)多目标追踪

【学习】基于Spark的大规模机器学习在微博的应用

【课程】微软：深度学习详解

【讲座】深度学习的爆炸式增长--神经网络系统的技术和应用趋势

2017年6月27日

【推荐】《统计学习方法》的python实现

【学习】用LSTM处理超长序列

【学习】教你Machine
Learning玩转金融入门notes

【学习】怎样花两年时间去面试一个人？

2017年6月29日

【推荐】百度的开源中文主题建模工具集，包含文档主题推断工具、语义匹配计算工具以及基于工业级语料训练的三种主题模型

【学习】基于深度学习和经典方法的文本分类

【学习】自然语言处理技术（NLP）在推荐系统中的应用

【学习】随机森林（Random
Forest）

2017年6月30日

【推荐】清华大学计算机系副教授、博士生导师刘洋：基于深度学习的机器翻译

【学习】LSTM网络神经元解释性探索

【学习】为什么要对数据进行归一化处理？

【学习】简单通俗易懂：一个小例子完美解释Naive
Bayes（朴素贝叶斯）分类器