数据分析/数据挖掘/机器学习---- 必读书目 经验
总结一下我读过的机器学习/数据挖掘/数据分析方面的书，有的适合入门，有的适合进阶，没有按照层次排列，先总结一下，等总结的差不多了再根据入门--->进阶分块写。下面列的书基本上我写的都是读完过的，不然不敢写，怕误人子弟
cy_ygs
[译] 如何选择合适的分布式机器学习平台 经验
导读：机器学习和深度学习是近年技术的热点，面对众多的机器学习平台如何进行选择，这是一个很困扰的问题。本文对分布式机器学习（ML）平台中使用的设计方法进行了调查，并提出了未来的研究方向。 本文比较了机器学习平台设计方法和使用指南，是我和
CoCoA：大规模机器学习的分布式优化通用框架 经验
mization》提出了一种用于机器学习的分布式优化的通用框架 CoCoA。机器之心技术顾问 Yanchen Wang 对该研究进行了深度解读。 引言 在做深度学习时，现代数据集的规模必需高效的设
机器学习实践中应避免的7种常见错误 经验
设。在统计建模中，也有很多算法来构造一个分类器，每种算法对数据也有各自的假设集合。 当处理少量数据时，因为实验成本很低，我们尽可能多的尝试各种算法，从而选出效果最优的算法。但提到“大数据”，提前分
jopen 美国最大婚恋交友网站eHarmony的机器学习实践 资讯
上周，我去洛杉矶参加了一个机器学习的meetup，一位主讲是eHarmony公司（美国最大的婚恋交友网站之一，通过性格测试来进行婚恋匹配的模式 ——百度百科）的Jon Morra，他着重分享了机器学习（machine
豆瓣PARACEL：让分布式机器学习变得简单 资讯
在豆瓣，我们常通过机器学习的方式从各种数据中训练出模型，利用这些模型帮助我们理解用户并为大家挖掘出有价值的内容：豆瓣 FM 的个性化歌曲推荐、书影音的喜欢也喜欢、首页的豆瓣猜等等。 早期的时候，单
Java开源机器学习框架Datumbox发布0.6.0版本 资讯
Datumbox 学习框架新版已经发布。下载 Github 或 Maven Central Repository . 主要的新内容? 新版0.6.0 的主要焦点是扩展框架来处理大型数据、 改进的代码体系结构和公共的
深度盘点国内四大机器学习开源平台：PaddlePaddle,Angel 资讯
2015-2016 的机器学习平台开源大潮中，美国是当之无愧的引领者：无论是谷歌、亚马逊、微软、IBM 等互联网巨头，还是美国各大科研院所，为开源世界贡献了品类繁多的机器学习工具。这其中不乏华人的身影，比如开发出
助你玩转机器学习技术的十三套框架 资讯
【51CTO.com快译】过去几年以来，机器学习已经开始以前所未有的方式步入主流层面。这种趋势并非单纯由低成本云环境乃至极为强大的GPU硬件所推动; 除此之外，面向机器学习的可用框架也迎来了爆发式增长。此类
回顾2015展望2016，机器学习领域都有哪些进展 资讯
猎云网12月30日报道（编译：堆堆） 编者注：作者Motti Nisani是一名机器学习专家，同时也是基于云的幻灯片演示软件创企Emaze的首席执行官。文章由 猎云网（ 微信：ilieyun ）精选编译。
50个常用的人工智能和机器学习API 资讯
cn/2015/12/08/mkwqk/ 基于人工智能和机器学习的应用在不断发展，一些从事相关技术研发的企业或组织也向开发者开放了一些相关的API接口。通过这些API，开发人员能够利用其人工智能和机器学习技术开发自己的智能识别、媒
Salesforce收购机器学习创业新星PredictionIO 资讯
Salesforce收购了创业型的机器学习服务公司PredictionIO，其目的为了构建自己的机器学习和大数据分析生态技术。PredictionIO是一款专为开发者和数据分析师开发的开源的机器学习服务，可以让他们在随时构建和发布预测应用。
机器学习开源：Centigrade - 斯坦福开源无Bug的随机计算图 资讯
Certigrad 是一个概念证明，它是一种开发机器学习系统的新方法，其中包含以下组件： 应用本身 基础数学库 应用在数学上所需求的形式化描述 应用满足其形式化描述的机器可测证明 具体地说，Certigrad
机器学习刀光剑影 之 屠龙刀 经验
原文 http://www.52cs.org/?p=383 机器学习是一个大武林，这里面江湖人士颇多，“发明”出来的算法兵器也是五花八门，浩瀚如海，足够你数上三天两夜了。然而，这些兵器行走江湖
机器学习代码心得之迭代器和流水处理 经验
很多机器学习程序涉及从外存的数据读取以及预处理。常见的例子比如深度的神经网络，或者是基于外存计算的一些算法如VW还有我很早之前写过的SVDFeature。在这类问题中，一个常见的优化是采用一个单独的线
实例详解机器学习如何解决问题 经验
随着大数据时代的到来，机器学习成为解决问题的一种重要且关键的工具。不管是工业界还是学术界，机器学习都是一个炙手可热的方向，但是学术界和工 业界对机器学习的研究各有侧重，学术界侧重于对机器学习理论的研究，工业
数据挖掘，数据分析，人工智能及机器学习课程汇总 经验
计算数据概念，伯克利分校 9 实用机器学习，伯克利分校 4 人工智能伯克利分校 1 可视化，伯克利 1 数据挖掘和分析的智能商务服务，伯克利 2 数据科学及分析：思想领袖，伯克利 机器学习，斯坦福大学 4 范式的计算数据，斯坦福大学
利用机器学习对歌词体现出的情绪分类 经验
利用机器学习对歌词体现出的情绪分类，目标是建立分类器，将歌曲分成快乐的和悲伤的，用到python的Pandas, scikit-learn, h5py, NLTK和flask. Exploratory
面向机器学习的分布式计算框架 Petuum 入门介绍 经验
Petuum 是 一个机器学习专用分布式计算框架，本文介绍其架构，并基于文章 More Effective Distributed ML via a Stale Synchronous Parallel