机器之心

首页 > 资源 > 机器之心深度研学社每周干货:2017年第1周

资源

机器之心深度研学社每周干货:2017年第1周

2017-01-07 11:03:20      
0 0 0

Synced 深度研学社每周干货,每周五为大家推荐机器学习的入门教程、技术分析、以及资源分享。不多不少,每周进步一点点~

【入门书籍】Speech and Language Processing

by Daniel Jurafsky, James H. Martin

简介:作者 Daniel Jurafsky是斯坦福大学语言学系和计算机系的教授,James H. Martin是科罗拉多大学计算机系教授。这本书主要介绍当代计算机领域中的自然语言处理,内容涵盖广阔,涉及传统领域中的方方面面,对重要概念的解释清晰明了,并提供有详细的参考文献。适合对NLP感兴趣的入门者,可以对此领域有一个系统而又全面的了解。

链接:3rd ed. Draft https://web.stanford.edu/~jurafsky/slp3/

【技术分析】Adversarial Machine Learning at Scale

by  Alexey Kurakin,  Ian J. Goodfellow, Samy Bengio 

简介:作者Alexey Kurakin和Samy Bengio是Google Brain的科研人员, Ian J. Goodfellow是就职于OpenAI的科研人员。这篇论文研究对抗机器学习。对抗样本是被设计用来愚弄机器学习模型的恶意输入,对抗训练指的是在对抗样本上明确地训练模型的过程。论文中研究对抗训练在ImageNet中的应用,重点包括模型和数据集的规模化,在面临攻击时的稳健性,攻击的迁移性等。

链接:https://arxiv.org/pdf/1611.01236v1.pdf

【资源分享】Top 20 Python Machine Learning Open Source Projects

简介:KDnuggets盘点了Github上最为活跃的20个Python深度学习的项目,包括Scikit-learn、Pylearn2、NuPIC、Nilearn、PyBrain、Pattern、Fuel、Bob、skdata等等。每个项目附有commit和contributor的数量、项目简介和网址链接。

链接:http://www.kdnuggets.com/2015/06/top-20-python-machine-learning-open-source-projects.html

声明:本文由机器之心原创出品,版权归作者所有,转载请查看要求,机器之心对于违规侵权者保有法律追诉权。

  1. 网站转载请在文章开头粗体注明:本文转载自机器之心,标明作者,并附上本文链接。
  2. 微信公众号转载请在开头粗体注明:本文转载自机器之心,标明作者,并设置阅读原文链接为本文链接,微博转载请附上本文链接并@机器之心synced。
  3. 网站和微信转载具体文章后需来信至邮箱operation@jiqizhixin.com说明,备注转载文章标题、转载的微信号名称和转载日期。
  4. 机器之心只接受如上几种转载方式,其余均视为侵权,如需商业合作请致信bd@jiqizhixin.com。

相关文章

业界 | 深度学习硬件对比评测:英特尔FPGA和英伟达GPU哪个更好?

业界 | 深度学习硬件对比评测:英特尔FPGA和英伟达GPU哪个更好?

Yann LeCun清华演讲:深度学习与人工智能的未来

Yann LeCun清华演讲:深度学习与人工智能的未来

实用指南:如何为你的深度学习任务挑选最合适的 GPU?

实用指南:如何为你的深度学习任务挑选最合适的 GPU?

评论

共有0条评论,点击展开

同步到新浪微博