Source: http://ml.memect.com/archive/2015-07-16/long.html
从实验室到工厂——构建机器学习生产架构
来自 @爱可可-爱生活 好东西传送门整理
关键词：架构, 资源, 视频
【视频+讲义:从实验室到工厂——构建机器学习生产架构】《From the Lab to the Factory: Building a Production Machine Learning Infrastructure (Cerner’s Tech Talk series)》by Josh Wills from Cloudera [1] 云(+Slide): [2] [1] https://www.youtube.com/watch?v=v-91JycaKjc&hd=1
[2] http://pan.baidu.com/s/1ntEG1Ot
Neural CRF Parsing
来自 @iB37 好东西传送门整理
关键词：算法, 自然语言处理, CRF, 教育网站, 神经网络
伯克利Dan Klein的NLP组ACL15文章:Neural CRF Parsing [Durrett & Klein,ACL15] 在CRF parsing中打分anchored规则产生式时, 将原来的基于稀疏特征的线性势函数替换为通过前馈神经网络计算的非线性势函数. 组合稀疏的指示特征和稠密的embedding特征能进一步提升性能. 有代码 [1] [1] http://nlp.cs.berkeley.edu/projects/neuralcrf.shtml
从互联网+到人工智能+
来自 @杨静Lillian 好东西传送门整理
关键词：应用, 杨静, 机器人
【杨静lillian】从互联网+到人工智能+ [1] 两会之后，互联网+成为席卷中国的热潮。不过，智能+越来越成为科技前沿的象征，无论是2025中国制造还是呼之欲出的“中国大脑”计划，以及机器人革命的颠覆前景，都让人工智能成为2015年乃至今后5年的最关键技术。 [1] http://weibo.com/p/1001603865333994769509
两个非常好的 theano 入门材料
来自 @Jell_Chou 好东西传送门整理
关键词：资源, 深度学习, Python, 代码, 课程
分享两个非常好的 #theano# 入门材料 : 1)适合从零开始的学习，每个exercise带你认识theano的一个模块 [1] 2) 都说是见过的最好的theano tutorial [2] @好东西传送门 [1] https://github.com/goodfeli/theano_exercises
[2] https://github.com/Newmu/Theano-Tutorials
PU(positive-unlabeled) Learning
来自 @iB37 好东西传送门整理
关键词：应用, 会议活动, ICML, 会议, 矩阵, 论文, 推荐系统
PU(positive-unlabeled) Learning for Matrix Completion [Hsieh et al,ICML’15] [1] PU学习的应用场景包括推荐系统和社会网络中仅有【正类】可观察实例(如点赞和好友关系),剩下的是未标注的实例,没有负类实例. 实验评估有链接预测. PS:arXiv’14的第2作者被替换为ICML’15上的第2作者 [1] http://arxiv.org/abs/1411.6081
完整版
点此链接查看全部31条：http://ml.memect.com/archive/2015-07-16/long.html