机器之心深度研学社每周干货：2017年第14周

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】 Elements of Statistical Learning

by Trevor Hastie, Robert Tibshirani, Jerome Friedman

简介：三位作者是斯坦福统计学教授。这本书对当前流行的机器学习中使用的统计方法进行了全面深入的介绍，适合于给一定基础的读者作为一本进阶参考书。全书条理清晰，解释直观，总结成熟方法的同时不忘提及发展中的论题，包括的内容有: supervised learning, unsupervised learning, neural networks, support vector machines, classification trees and boosting等等。习题质量较高，非常有助于深化对书中的统计方法和相关算法的理解。

链接： http://statweb.stanford.edu/~tibs/ElemStatLearn/

【技术分析】Hybrid Code Networks: practical and efficient end-to-end dialog control with supervised and reinforcement learning

by Jason D. Williams, Kavosh Asadi, Geoffrey Zweig

简介：作者来自Microsoft Research和Brown University。本文提出对话系统中的end-to-end训练可以借助少量但有效的数据来提高实用性和训练效率。文中介绍了Hybrid Code Networks(HCNs)，是一种RNN的变形和优化，结合了含有特定领域知识的动作模版和软件。文中同时探索了HCN本身通过可以监督学习和增强学习达到的优化。

链接: https://arxiv.org/pdf/1702.03274.pdf

【资源分享】Top 20 Recent Research Papers on Machine Learning and Deep Learning

简介：悉尼大学的博士生Thuy T. Pham在KDnuggets上根据scholar.google.com, academic.microsoft.com, and semanticscholar.org上的被引用次数整理出排名前二十的深度学习论文，话题集中在深度学习，发布会场极具多样性。文章中包括各篇论文的标题、作者、发布信息和简短总结。

链接: http://www.kdnuggets.com/2017/04/top-20-papers-machine-learning.html