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~
【入门资料】Which machine learning algorithm should I use?
by Hui Li on Subconscious Musings
简介:这篇文章主要为机器学习的初学者提供基本的算法介绍和选择指导,明确了一些因素作为参考意见,并提供一张机器学习算法速查表。首先作者概述了当下流行的机器学习分类:监督学习、无监督学习、半监督学习、强化学习,其次介绍了选择算法的注意事项,最后详细阐述了什么时候应该选择哪种合适的算法。作者提拱了一系列选择具体算法的场景,包括线性回归和 Logistic 回归,线性 SVM 和核 SVM,树和集成树,神经网络和深度学习,k-均值/k-模式、高斯混合模型(GMM)聚类,DBSCAN,层次聚类,PCA、SVD 和 LDA。
链接: http://blogs.sas.com/content/subconsciousmusings/2017/04/12/machine-learning-algorithm-use/
机器之心译文:/article/2898
【技术分析】Real Multi-Sense or Pseudo Multi-Sense: An Approach to Improve Word Representation
by Jiwei Li
简介:这篇资料的作者是斯坦福大学的在读博士生。这份210页的课件介绍了现下自然语言处理中聊天机器人的natural language generation,主要侧重neural dialogue generation,介绍相当全面,建议精读。
【资源分享】The Rise of Artificial Intelligence through Deep Learning
by Yoshua Bengio on TEDxMontreal
简介:著名学者Youshua Bengio在TED的演讲台上讲述了他对人工智能的理解和实践的基本思想,阐述科学家在此领域所获的成就,仍面临的困难以及即将遇到的难题。我们应该在了解和学习人工智能的发展的同时,对其带来的巨大社会变革也发起思考。