============= 日，补充 ============= &br&&br&之前回答问题的时候Go还处在1.1版本，到了1.2和1.3，Go的GC跟踪命令和GC内部实现已经有一些变化，并且根据评论中的反馈，这边一并做补充说明。&br&&br&Go 1.2之后的GC跟踪环境变量已经改为GODEBUG=&gctrace=1&，具体参数说明可以参考runtime包的文档。&br&&br&Go 1.3对GC做了优化，回收机制也改变了，从我的实验观测来看，用做内存存储时候产生的持久性的大量对象，一样是明显拖慢GC暂停时间的，但是函数内创建的局部对象一旦没被引用，是会被立即回收的，可以用runtime.SetFinalizer()观测到这个现象，我利用这个现象在v8.go项目做了一个engine实例销毁的单元测试。&br&&br&这里需要提醒大家，在平时开发或学习的时候gc是透明的，好像不存在一样，gc只在影响到业务的时候才会让人想起来有这样一个东西存在。&br&&br&gc什么时候才会影响到业务呢？举个例子，比如业务需求是延迟不得大于100ms，当gc暂停超过100ms时，就明显影响到业务了。&br&&br&而这篇回答针对的是gc影响的业务时的问题排查和优化方案，以及出问题前的提前自检。&br&&br&请不要因为这篇帖子就误以为gc是很恐怖的。&br&&br&接着补充一下我对技术分享的看法，有读者反馈一些描述比较容易误导新手，这当然不是我想看到的，技术分享本是好意，如果误导了新人就不好了。&br&&br&为避免误会，这里说明一下，这个帖子的问题是“Go 的垃圾回收机制在实践中有哪些需要注意的地方？”，所以你正在阅读的这个答案是针对Go语言回答的，其中的一些经验和思路可以用在其他语言，但肯定是不能照搬的。&br&&br&另外，语言表达的东西总是不那么严谨的，不同人可能产生不同理解，特别是对感受的描述，比如“多”、“少”、“大”、“小”、“长”、“短，这种没给出具体数值的描述，不同人可能有不同的理解，所以参考价值比较低。&br&&br&所以，对于分享的内容中，比较模糊，比较难以界定，没给出具体数据的部分，希望能抛砖引玉，大家也来实验一下，补充更多数据。对于已经给定数据的部分，也希望大家不要看一下就过了，最好也能实验一下证明数据给的是对的，自己也才有直观感受，万一数据给错了，也才能通过众人之力修订正确。&br&&br&我尽量在分享时提供方法，而不是纯感受或纯数据，希望可以众人拾柴火焰高，让后来者可以有更高的一个起点，不需要重新填坑，最后整个技术社区的水平能一起提升。&br&&br&============= 原文 ============= &br&&br&不想看长篇大论的，这里先给个结论，go的gc还不完善但也不算不靠谱，关键看怎么用，尽量不要创建大量对象，也尽量不要频繁创建对象，这个道理其实在所有带gc的编程语言也都通用。&br&&br&想知道如何提前预防和解决问题的，请耐心看下去。&br&&br&先介绍下我的情况，我们团队的项目《仙侠道》在7月15号第一次接受玩家测试，这个项目的服务端完全用Go语言开发的，游戏数据都放在内存中由go 管理。&br&&br&在上线测试后我对程序做了很多调优工作，最初是稳定性优先，所以先解决的是内存泄漏问题，主要靠memprof来定位问题，接着是进一步提高性能，主要靠cpuprof和自己做的一些统计信息来定位问题。&br&&br&调优性能的过程中我从cpuprof的结果发现发现gc的scanblock调用占用的cpu竟然有40%多，于是我开始搞各种对象重用和尽量避免不必要的对象创建，效果显著，CPU占用降到了10%多。&br&&br&但我还是挺不甘心的，想继续优化看看。网上找资料时看到GOGCTRACE这个环境变量可以开启gc调试信息的打印，于是我就在内网测试服开启了，每当go执行gc时就会打印一行信息，内容是gc执行时间和回收前后的对象数量变化。&br&&br&我惊奇的发现一次gc要20多毫秒，我们服务器请求处理时间平均才33微秒，差了一个量级别呢。&br&&br&于是我开始关心起gc执行时间这个数值，它到底是一个恒定值呢？还是更数据多少有关呢？&br&&br&我带着疑问在外网玩家测试的服务器也开启了gc追踪，结果更让我冒冷汗了，gc执行时间竟然达到300多毫秒。go的gc是固定每两分钟执行一次，每次执行都是暂停整个程序的，300多毫秒应该足以导致可感受到的响应延迟。&br&&br&所以缩短gc执行时间就变得非常必要。从哪里入手呢？首先，可以推断gc执行时间跟数据量是相关的，内网数据少外网数据多。其次，gc追踪信息把对象数量当成重点数据来输出，估计扫描是按对象扫描的，所以对象多扫描时间长，对象少扫描时间短。&br&&br&于是我便开始着手降低对象数量，一开始我尝试用cgo来解决问题，由c申请和释放内存，这部分c创建的对象就不会被gc扫描了。&br&&br&但是实践下来发现cgo会导致原有的内存数据操作出些诡异问题，例如一个对象明明初始化了，但还是读到非预期的数据。另外还会引起go运行时报申请内存死锁的错误，我反复读了go申请内存的代码，跟我直接用c的malloc完全都没关联，实在是很诡异。&br&&br&我只好暂时放弃cgo的方案，另外想了个法子。一个玩家有很多数据，如果把非活跃玩家的数据序列化成一个字节数组，就等于把多个对象压缩成了一个，这样就可以大量减少对象数量。&br&&br&我按这个思路用快速改了一版代码，放到外网实际测试，对象数量从几百万降至几十万，gc扫描时间降至二十几微秒。&br&&br&效果不错，但是要用玩家数据时要反序列化，这个消耗太大，还需要再想办法。&br&&br&于是我索性把内存数据都改为结构体和切片存放，之前用的是对象和单向链表，所以一条数据就会有一个对象对应，改为结构体和结构体切片，就等于把多个对象数据缩减下来。&br&&br&结果如预期的一样，内存多消耗了一些，但是对象数量少了一个量级。&br&&br&其实项目之初我就担心过这样的情况，那时候到处问人，对象多了会不会增加gc负担，导致gc时间过长，结果没得到答案。&br&&br&现在我填过这个坑了，可以确定的说，会。大家就不要再往这个坑跳了。&br&&br&如果go的gc聪明一点，把老对象和新对象区别处理，至少在我这个应用场景可以减少不必要的扫描，如果gc可以异步进行不暂停程序，我才不在乎那几百毫秒的执行时间呢。&br&&br&但是也不能完全怪go不完善，如果一开始我早点知道用GOGCTRACE来观测，就可以比较早点发现问题从而比较根本的解决问题。但是既然用了，项目也上了，没办法大改，只能见招拆招了。&br&&br&总结以下几点给打算用go开发项目或已经在用go开发项目的朋友：&br&1、尽早的用memprof、cpuprof、GCTRACE来观察程序。&br&2、关注请求处理时间，特别是开发新功能的时候，有助于发现设计上的问题。&br&3、尽量避免频繁创建对象(&abc{}、new(abc{})、make())，在频繁调用的地方可以做对象重用。&br&4、尽量不要用go管理大量对象，内存数据库可以完全用c实现好通过cgo来调用。&br&&br&手机回复打字好累，先写到这里，后面再来补充案例的数据。&br&&br&数据补充：&br&&br&图1，7月22日的一次cpuprof观测，采样3000多次调用，数据显示scanblock吃了43.3%的cpu。&br&&img src=&/a30f0caf0ea51b94e262e_b.jpg& data-rawwidth=&571& data-rawheight=&805& class=&origin_image zh-lightbox-thumb& width=&571& data-original=&/a30f0caf0ea51b94e262e_r.jpg&&&br&图2，7月23日，对修改后的程序做cpuprof，采样1万多次调用，数据显示cpu占用降至9.8%&img src=&/3dbd1a8da915a97cb5225_b.jpg& data-rawwidth=&265& data-rawheight=&740& class=&content_image& width=&265&&&br&&br&数据1，外网服务器的第一次gc trace结果，数据显示gc执行时间有400多ms，回收后对象数量1659922个：&br&&div class=&highlight&&&pre&&code class=&language-text&&gc13(1): 308+92+1 ms , 156 -& 107 MB 3339834 -& 90323) objects, 0(0) handoff, 0(0) steal, 0/0/0 yields
&/code&&/pre&&/div&&br&数据2，程序做了优化后的外网服务器gc trace结果，数据显示gc执行时间30多ms，回收后对象数量126097个：&br&&div class=&highlight&&&pre&&code class=&language-text&&gc14(6): 16+15+1 ms, 75 -& 37 MB 1409074 -& 09229) objects, 45(1913) handoff, 34(4823) steal, 455/283/52 yields
&/code&&/pre&&/div&&br&&br&示例1，数据结构的重构过程：&br&&br&最初的数据结构类似这样&div class=&highlight&&&pre&&code class=&language-text&&// 玩家数据表的集合
type tables struct {
tableA *tableA
tableB *tableB
tableC *tableC
// ...... 此处省略一大堆表
// 每个玩家只会有一条tableA记录
type tableA struct {
fieldA int
fieldB string
// 每个玩家有多条tableB记录
type tableB struct {
next *tableB
// 指向下一条记录
// 每个玩家只有一条tableC记录
type tableC struct {
value int64
&/code&&/pre&&/div&&br&最初的设计会导致每个玩家有一个tables对象，每个tables对象里面有一堆类似tableA和tableC这样的一对一的数据，也有一堆类似tableB这样的一对多的数据。&br&&br&假设有1万个玩家，每个玩家都有一条tableA和一条tableC的数据，又各有10条tableB的数据，那么将总的产生1w (tables) + 1w (tableA) + 1w (tableC) + 10w (tableB)的对象。&br&&br&而实际项目中，表数量会有大几十，一对多和一对一的表参半，对象数量随玩家数量的增长倍数显而易见。&br&&br&为什么一开始这样设计？&br&&br&1、因为有的表可能没有记录，用对象的形式可以用 == nil 来判断是否有记录&br&2、一对多的表可以动态增加和删除记录，所以设计成链表&br&3、省内存，没数据就是没数据，有数据才有对象&br&&br&改造后的设计：&br&&br&&div class=&highlight&&&pre&&code class=&language-text&&// 玩家数据表的集合
type tables struct {
tableA tableA
tableB []tableB
tableC tableC
// ...... 此处省略一大堆表
// 每个玩家只会有一条tableA记录
type tableA struct {
_is_nil bool
fieldA int
fieldB string
// 每个玩家有多条tableB记录
type tableB struct {
_is_nil bool
// 每个玩家只有一条tableC记录
type tableC struct {
_is_nil bool
value int64
&/code&&/pre&&/div&&br&一对一表用结构体，一对多表用slice，每个表都加一个_is_nil的字段，用来表示当前的数据是否是有用的数据。&br&&br&这样修改的结果就是，一万个玩家，产生的对象总量是 1w (tables) + 1w ([]tablesB)，跟之前的设计差别很明显。&br&&br&但是slice不会收缩，而结构体则是一开始就占了内存，所以修改后会导致内存消耗增大。&br&&br&参考链接：&br&&br&go的gc代码，scanblock等函数都在里面：&br&&a href=&///?target=http%3A//golang.org/src/pkg/runtime/mgc0.c%3Fh%3Druntime.gc& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&http://golang.org/src/pkg/runtime/mgc0.c&i class=&icon-external&&&/i&&/a&&br&&br&go的runtime包文档有对GOGCTRACE等关键的几个环境变量做说明：&br&&a href=&///?target=http%3A//golang.org/pkg/runtime/& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&golang.org/pkg/runtime/&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&如何使用cpuprof和memprof，请看《Profiling Go Programs》：&br&&a href=&///?target=http%3A//blog.golang.org/profiling-go-programs& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&blog.golang.org/profili&/span&&span class=&invisible&&ng-go-programs&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&&br&&br&我做的一些小试验代码，优化都是基于这些试验的数据的，可以参考下：&br&&a href=&///?target=https%3A///realint/labs/tree/master/src& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&go-labs/src at master · idada/go-labs · GitHub&i class=&icon-external&&&/i&&/a&
============= 日，补充 ============= 之前回答问题的时候Go还处在1.1版本，到了1.2和1.3，Go的GC跟踪命令和GC内部实现已经有一些变化，并且根据评论中的反馈，这边一并做补充说明。 Go 1.2之后的GC跟踪环境变量已经改为GODEBUG="gctrace=1"，具…
&a href=&///?target=http%3A//cha.hx99.net/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&社工库查询 --华西安全网&i class=&icon-external&&&/i&&/a&&br&&br&输入常用邮箱账号名看看。&br&&br&如果有信息，那真不是网站的锅，这还是已经公开的资源，未公开的不知有多少。&br&&br&在乎的就赶紧从头到尾全改了，懒得全改，那最起码要作到账号密码分两套，比较重要的和钱相关的一套，那些无所谓的用另一套，不重要的那套被撞库了，也不影响重要的账号信息。&br&&br&网站主观上没有卖你账号的意愿（除非特殊情况，比如创业公司，快黄了，最后为了回本，出售用户信息，但这顶多卖个手机号，消费记录啥的，不至于会卖密码），都是些第三方的黑市。&br&&br&真要怪，也是怪网站在安全上下的功夫不够足，技术不行，被黑了，不过对大部分用户来说，还是被撞库的可能更大。&br&&br&https也就是这几年的事，很多人都是账号密码用了5到10年，还以为多安全。&br&&br&曾经多少流量都是明文的，在你网络上头放个路由器网关，流量拿下来一分析，账号密码一大堆，公共场所的网，被黑了的路由器，运营商都有干这事的，联通移动当然不至于，可类似小区宽带这种次级运营商，广告都能插得进去，顺手就能多拿点别的，部分运营商节操不是一般的低。&br&&br&大网站安全会相对注意，可小网站安全就差多了，都同样的账号密码，拿到小网站的，在大网站一试，直接进去了怪谁？&br&&br&还有移动端，也是大公司app会注意安全，技术能力不够，或成长期还顾及不到安全的中小公司的app，被人逆了植入段代码进去，拿数据也是轻轻松松，下app，要么官网，要么正规渠道，即使这样，碰上dns拦截，也有被坑的风险。&br&&br&另外现在很多网站是用授权认证，技术细节我也记不清楚，印象就是几年前部分授权机制有漏洞，要么是因为就是明文，根本用不着知道密码，直接中间拦截到token这类数据，用token直接就上账号了拿信息了，大网站一样拿，现在也不知道有没有改善。&br&&br&个人觉得，充了会员就被盗的，是因为账号密码早就暴露了，因为没啥价值，躺在数据库里没人动，到部分付费会员网站爬了一圈，发现这账号vip了，有搞头，库里一查，直接就被盗了。
输入常用邮箱账号名看看。 如果有信息，那真不是网站的锅，这还是已经公开的资源，未公开的不知有多少。 在乎的就赶紧从头到尾全改了，懒得全改，那最起码要作到账号密码分两套，比较重要的和钱相关的一套，那些无所谓的用另一套，…
&p&补充了几个新项目，目前是31个Python项目，会继续保持更新。Learn by doing才是正确的技术学习姿势。&/p&&p&更新：&/p&&p&&a href=&///?target=https%3A///courses/729& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python - 使用 Python 解数学方程 &i class=&icon-external&&&/i&&/a&&/p&&p&&a href=&///?target=https%3A///courses/725& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python - Python3实现简单的FTP认证服务器 &i class=&icon-external&&&/i&&/a&&/p&&p&&a href=&///?target=https%3A///courses/708& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python - Python 3 实现 Markdown 解析器&i class=&icon-external&&&/i&&/a&&/p&&p&更新：&/p&&p&&a href=&///?target=https%3A///courses/677& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python基于共现提取《釜山行》人物关系&i class=&icon-external&&&/i&&/a&&/p&&p&更新：&/p&&p&&a href=&///?target=https%3A///courses/623& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python - Python3 实现火车票查询工具&i class=&icon-external&&&/i&&/a&&/p&&p&更新：&/p&&p&&a href=&///?target=https%3A///courses/599& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python - 高德API+Python解决租房问题&i class=&icon-external&&&/i&&/a&&/p&&p&更新：&/p&&p&&a href=&///?target=https%3A///courses/589& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python - Python3 色情图片识别&i class=&icon-external&&&/i&&/a&&/p&&p&………………………………………………分隔线………………………………………………&/p&&p&最近几天刚好在整理Python项目，项目由易到难，代码量从几十行到几千行，在实验环境里保证可以全部完成。找到你认为有趣的去实现它，把项目做出来，知识才能变成自己的：）&/p&&p&(建议PC端访问，边看教程边在环境里动手实践，手机上仅可查看教程)&/p&&p&入门和进阶篇均为免费课程，可以免费使用在线练习环境。&/p&&p&&b&入门篇&/b&&/p&&p&1.&a href=&///?target=https%3A///courses/370& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python - Python 图片转字符画&i class=&icon-external&&&/i&&/a&&/p&&p&50 行 Python 代码完成图片转字符画小工具。&/p&&img src=&/739f35ab6c535fcb83d16a0_b.png& class=&content_image&&&p&2.&a href=&///?target=https%3A///courses/368& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python - 200行Python代码实现2048&i class=&icon-external&&&/i&&/a&&/p&&p&仅用200行的python代码完成2048小游戏的编写。&/p&&p&3.&a href=&///?target=https%3A///courses/49& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python - pygame开发打飞机游戏&i class=&icon-external&&&/i&&/a&&/p&&p&使用Python快速开发一款PC端玩耍的微信打飞机游戏，基于pygame实现。&/p&&p&4. &a href=&///?target=https%3A///courses/674& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python 实现简单画板&i class=&icon-external&&&/i&&/a&&/p&&p&要利用 Pygame 模块来自己实现一个功能更加简单的画板。&/p&&img src=&/v2-0b75bbd1f7d8d45c182e3fdbdf740600_b.png& class=&content_image&&&p&5.&a href=&///?target=https%3A///courses/408& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python - 全面解析PythonChallenge&i class=&icon-external&&&/i&&/a&&/p&&p& 本课程带领大家一步一步攻克Python Challenge中的难题，在一个又一个脑洞大开的 Python 问题中提升自己的 Python 水平。 &/p&&p&6.&a href=&///?target=https%3A///courses/729& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python - 使用 Python 解数学方程&i class=&icon-external&&&/i&&/a&&/p&&p&介绍如何用python解决数学题。 说到数学题，相信大家都不陌生，从小学到大学都跟数学打交道。 其中初中的方程组，高中的二次曲线，大学的微积分最为头疼，今天我们将使用python 来解决方程组问题，微积分问题，矩阵化简。 &/p&&p&7.&a href=&///?target=https%3A///courses/302& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python - 基于 Python 的文件备份&i class=&icon-external&&&/i&&/a&&/p&&p&Python 做个简单的备份脚本程序，可以备份主目录和系统文件等。&/p&&p&8.&a href=&///?target=https%3A///courses/357& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python - Kaggle入门：泰坦尼克号幸存者项目&i class=&icon-external&&&/i&&/a&&/p&&p&Kaggle是一个线上数据科学竞赛类网站。本课程将使用python科学计算工具对Kaggle提供的泰坦尼克号上的人员数据进行分析建模。&/p&&p&9.&a href=&///?target=https%3A///courses/70& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python - Python文本解析器&i class=&icon-external&&&/i&&/a&
使用Python来解析纯文本生成一个HTML页面的小程序。&/p&&p&10.&a href=&///?target=https%3A///courses/725& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python - Python3实现简单的FTP认证服务器 &i class=&icon-external&&&/i&&/a&&/p&&p&日常生活中我们共享文件都是通过QQ，微信等软件来实现的，今天将通过本课程将教大家使用Python在自己的电脑上架设一个FTP服务器，用来管理自己日常生活中的文件。&/p&&p&11.&a href=&///?target=https%3A///courses/708& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python - Python 3 实现 Markdown 解析器 &i class=&icon-external&&&/i&&/a&&/p&&p& 本课程我们将使用 Python 3 打造 Markdown 文本解析器，并且程序支持输出 HTML 格式与 PDF 格式的文件。&/p&&p&12.&a href=&///?target=https%3A///courses/364& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python - Python 破解验证码&i class=&icon-external&&&/i&&/a&
通过一个简单的例子来讲解破解验证码的原理。&/p&&p&13.&a href=&///?target=https%3A///courses/427& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python - 用Python做2048游戏&i class=&icon-external&&&/i&&/a&
通过GUI来体验编程的乐趣。&/p&&p&14.&a href=&///?target=https%3A///courses/552& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python - Python实现简单的Web服务器&i class=&icon-external&&&/i&&/a&
使用 Python 语言实现一个 Web 服务器，探索 HTTP 协议和 Web 服务的基本原理。
&/p&&p&&b&进阶篇&/b&&/p&&p&15.&a href=&///?target=https%3A///courses/589& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python - Python3 色情图片识别&i class=&icon-external&&&/i&&/a&&/p&&p&使用 Python3 去识别图片是否为色情图片，我们会使用到 PIL 这个图像处理库，会编写算法来完成对划分图像的皮肤区域。&/p&&img src=&/770a3204c65abcc5276a6_b.png& class=&content_image&&&p&16.&a href=&///?target=https%3A///courses/561& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python - Python实现3D建模工具&i class=&icon-external&&&/i&&/a&&/p&&p&本课程将基于OpenGL实现一般CAD软件都会具备的基础功能：渲染显示3D空间的画面并可以操作3D空间中物体。&/p&&img src=&/c3ec1af504f0f_b.png& class=&content_image&&&p&17.&a href=&///?target=https%3A///courses/623& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python - Python3 实现火车票查询工具&i class=&icon-external&&&/i&&/a&&/p&&p&本课程使用 Python3 抓取 12306 网站信息提供一个命令行的火车票查询工具。通过该项目的实现，可以熟悉 Python3 基础及网络编程，以及 docopt，requests，prettytable 等库的使用。&/p&&p&18.&a href=&///?target=https%3A///courses/574& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python - Python实现基于协程的异步爬虫&i class=&icon-external&&&/i&&/a&&/p&&p&探讨几种实现爬虫的方法，从传统的线程池到使用协程，每节课实现一个小爬虫。另外学习协程的时候，我们会从原理入手，以ayncio协程库为原型，实现一个简单的异步编程模型。&/p&&p&19. &a href=&///?target=https%3A///courses/705& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&PyQt 实现简易浏览器&i class=&icon-external&&&/i&&/a&&/p&&p&基于 Python 3.4 和 PyQt 5 来学习 GUI 编程，课程分为两次实验，第一次实验先简单了解 Qt 各个组件的使用方法，第二次课程将尝试实现一个浏览器。&/p&&p&20. &a href=&///?target=https%3A///courses/677& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python基于共现提取《釜山行》人物关系&i class=&icon-external&&&/i&&/a&&/p&&p&针对《釜山行》剧本的文本，使用python编写代码分析文本中人物的共现关系，完成对《釜山行》文本的人物关系提取，并利用Gephi软件对提取的人物关系绘制人物关系图。&/p&&img src=&/v2-438fef09e3e9c512eacad5f_b.png& class=&content_image&&&p&21.&a href=&///?target=https%3A///courses/580& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python - 使用 Python 3 编写系列实用脚本&i class=&icon-external&&&/i&&/a&&/p&&p&使用 Python 3 来编写一系列的实用脚本，实验的过程中能熟悉 Python 3 的使用，学习使用各种功能强大的模块。&/p&&p&22.&a href=&///?target=https%3A///courses/554& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python - Python实现Python解释器&i class=&icon-external&&&/i&&/a&&/p&&p&从实现一个玩具解释器开始学习解释器基本知识,然后考察Python字节码进一步学习理解Python解释器的内部机制，最终实现一个500行以内的Python解释器。&/p&&p&23.&a href=&///?target=https%3A///courses/599& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python - 高德API+Python解决租房问题&i class=&icon-external&&&/i&&/a&&/p&&p&编写Python脚本爬取某租房网站的房源信息，利用高德的 js API 在地图上标出房源地点，划出距离工作地点1小时内可到达的范围，附上公交路径规划功能查看不同路径的用时。&/p&&img src=&/a54f90b5ac2_b.jpg& class=&content_image&&&p&24.&a href=&///?target=https%3A///courses/359& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python - 基于Flask/RethinkDB/Backbone.js实现TODO List&i class=&icon-external&&&/i&&/a&&/p&&p&使用 RethinkDB，Flask 与 Backbone.js 制作一个简单的 todo list。&/p&&p&25.&a href=&///?target=https%3A///courses/31& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python - Flask开发轻博客&i class=&icon-external&&&/i&&/a&&/p&&p&使用Python Flask Web框架开发一个具备基本功能的轻博客平台，在其中学习Python的Web开发。&/p&&p&26.&a href=&///?target=https%3A///courses/487& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python - Django 搭建简易博客&i class=&icon-external&&&/i&&/a&&/p&&p&本教程介绍如何一步步使用 Django 开发一个简单的博客 Web应用，涉及 Django Web开发，MVC，Template等知识点，适用于有 Python 和 Django 基础的同学。&/p&&img src=&/c510d04d5e6cd7c37bbb54bf_b.png& class=&content_image&&&p&&b&综合篇&/b&&/p&&p&已下项目对环境占用资源较大，属于会员及训练营项目。&/p&&p&27.&a href=&///?target=https%3A///courses/595& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python - Python3 实现淘女郎照片爬虫 &i class=&icon-external&&&/i&&/a&&/p&&p&本实验通过使用 Python 实现一个淘宝女郎图片收集爬虫，学习并实践 BeautifulSoup、Selenium Webdriver 及正则表达式等知识。 &/p&&p&28.&a href=&///?target=https%3A///courses/581& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python - 基于 Flask 及爬虫实现微信娱乐机器人&i class=&icon-external&&&/i&&/a&&/p&&p&本次课程是基于 Flask Web 框架开发的娱乐级别的微信公众号后台，学习并实践 python 编程，Flask Web 开发以及微信公众平台开发机器人的基本步骤。&/p&&p&29.&a href=&///?target=https%3A///courses/356& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python - Python版设计模式实践&i class=&icon-external&&&/i&&/a&&/p&&p&多种常见的设计模式的原理以及如何应用实践,涵盖工程模式，命令模式，外观模式，适配器模式，装饰模式，代理模式等。&/p&&p&30.&a href=&///?target=https%3A///courses/354& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python - 仿OpenStack开发云计算管理软件&i class=&icon-external&&&/i&&/a&&/p&&p&使用Python语言开发一套类似OpenStack的云计算管理平台LouCloud，具备基本的用户，服务器，镜像与虚拟机管理功能。&/p&&p&31.&a href=&///?target=https%3A///courses/355& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Python - 仿StackOverflow开发在线问答系统&i class=&icon-external&&&/i&&/a&&/p&&p&使用Python Flask Web开发框架实现一套类似StackOverflow的在线问答平台LouQA，具备提问，回答，评论点赞等功能。&/p&
补充了几个新项目，目前是31个Python项目，会继续保持更新。Learn by doing才是正确的技术学习姿势。更新：更新：
个人觉得如果是纯python，不加任何外部的库，那你就需要做好准备半年时间去自己开发深度学习框架了。不过好在有很多大牛人或者机构已经给你开发好了很多可以拿来直接用的库，模块。这些都是大大的好啊。真心感谢他们的贡献。&br&&br&具体来说说用python开发或学习机器学习，深度学习的重要模块！应该说是必不可少的模块！&br&&br&1. 前期准备， 你多多少少需要懂python科学运算，数据整理还有出图像结果的模块，这三个必不可少：numpy, pandas, matplotlib.&br&&br&2. 进阶准备，在机器学习方面，scikit learn 是汇集了众多机器学习方法的模块，它支持各种各样的机器学习方法。你总能找到适合你项目的。&br&&br&3. 同样是进阶的，在神经网络方面有着巨大贡献的tensorflow，这个是Google开发，而且挖了挺多theano的开发人员。我觉得神经网络的开发没有比tensorflow更牛的了。而且你想Google这大公司，更新推进的速度肯定也不会慢。看好它。&br&&br&4. 如果想方便快捷地搭建神经网络, Keras 这个模块很不错, 他的底层是 Tensorflow 和 Theano, 所以在 Windows, MacOS, Linux上都能用得到.&br&&br&5. 的确是还有很多其他的模块可以运用，不过在我个人的机器学习生涯中，主要就是运用这些了。&br&&br&为了方便大家的学习，推广华人在机器学习领域的力量，我有自己做一套的scikit learn，Theano,
Keras, 还有tensorflow的中文教学视频, 机器学习的简介系列。国内的反响还不怎么样，不过在YouTube上已经很多人观看了。希望大家支持华人的力量。&br&&br&最近也在学习并制作网页, 汇总所有内容: &a href=&///?target=http%3A//morvanzhou.github.io/tutorials/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&莫烦Python by MorvanZhou&i class=&icon-external&&&/i&&/a&&br&&br&网易云课堂也能找到这些 : &a href=&///?target=http%3A///u/%23/center/lectorCenterCourse& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Morvan个人主页&i class=&icon-external&&&/i&&/a&
个人觉得如果是纯python，不加任何外部的库，那你就需要做好准备半年时间去自己开发深度学习框架了。不过好在有很多大牛人或者机构已经给你开发好了很多可以拿来直接用的库，模块。这些都是大大的好啊。真心感谢他们的贡献。 具体来说说用python开发或学习…
Github 上有同学总结了一份 机器学习和深度学习资料列表 ,共两篇，总计接近 1000 条。&br&原文第一篇如下：&br&&a href=&///?target=https%3A///ty4z2008/Qix/blob/master/dl.md& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Qix/dl.md at master · ty4z2008/Qix · GitHub&i class=&icon-external&&&/i&&/a&&br&&blockquote&机器学习(Machine Learning)&深度学习(Deep Learning)资料(Chapter 1)&a class=& wrap external& href=&///?target=https%3A///ty4z2008/Qix/blob/master/dl.md%23%25E6%25B3%25A8%25E6%259C%25BA%25E5%%25E5%25AD%25A6%25E4%25B9%25A0%25E8%25B5%%E7%25AF%%259B%25AE%25E4%25B8%%0%25E6%259D%25A1%25E7%25AF%%259B%25AE%25E4%25BA%258C%25E5%25BC%%25A7%258B%25E6%259B%25B4%25E6%& target=&_blank& rel=&nofollow noreferrer&&Qix/dl.md at master · ty4z2008/Qix · GitHub&i class=&icon-external&&&/i&&/a&注:机器学习资料&a href=&///?target=https%3A///ty4z2008/Qix/blob/master/dl.md& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&篇目一&i class=&icon-external&&&/i&&/a&共500条,&a href=&///?target=https%3A///ty4z2008/Qix/blob/master/dl2.md& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&篇目二&i class=&icon-external&&&/i&&/a&开始更新&a class=& wrap external& href=&///?target=https%3A///ty4z2008/Qix/blob/master/dl.md%23%25E5%25B8%258C%25E6%259C%259B%25E8%25BD%25AC%25E8%25BD%25BD%25E7%259A%%259C%258B%25E5%258F%258B%25E4%25BD%25A0%25E5%258F%25AF%25E4%25BB%25A5%25E4%25B8%258D%25E7%%25E8%E7%25B3%25BB%25E6%E4%25BD%%2598%25AF%25E4%25B8%%25AE%259A%25E8%25A6%%25BF%259D%25E7%E5%258E%259F%25E6%E9%2593%25BE%25E6%258E%25A5%25E5%259B%25A0%25E4%25B8%25BA%25E8%25BF%%25B8%25AA%25E9%25A1%25B9%25E7%259B%25AE%25E8%25BF%%259C%25A8%25E7%25BB%25A7%25E7%25BB%25AD%25E4%25B9%259F%25E5%259C%25A8%25E4%25B8%258D%25E5%25AE%259A%25E6%259C%259F%25E6%259B%25B4%25E6%%25E5%25B8%258C%25E6%259C%259B%25E7%259C%258B%25E5%%25E6%E7%25AB%25A0%25E7%259A%%259C%258B%25E5%258F%258B%25E8%2583%25BD%25E5%25A4%259F%25E5%25AD%25A6%25E5%%25E6%259B%25B4%25E5%25A4%259A%25E6%25AD%25A4%25E5%25A4%%259F%%25BA%259B%25E8%25B5%%E5%259C%25A8%25E4%25B8%25AD%25E5%259B%25BD%25E8%25AE%25BF%25E9%2597%25AE%25E9%259C%%25A6%%25A2%25AF%25E5%25AD%2590& target=&_blank& rel=&nofollow noreferrer&&Qix/dl.md at master · ty4z2008/Qix · GitHub&i class=&icon-external&&&/i&&/a&希望转载的朋友，你可以不用联系我．但是&strong&一定要保留原文链接&/strong&，因为这个项目还在继续也在不定期更新．希望看到文章的朋友能够学到更多．此外:某些资料在中国访问需要梯子.&ul&&li&&a href=&///?target=http%3A///brief-history-machine-learning/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Brief History of Machine Learning》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍:这是一篇介绍机器学习历史的文章，介绍很全面，从感知机、神经网络、决策树、SVM、Adaboost到随机森林、Deep Learning.&a href=&///?target=http%3A////koarh/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&译文part1&i class=&icon-external&&&/i&&/a&&/p&&ul&&li&&a href=&///?target=http%3A//www.idsia.ch/%7Ejuergen/DeepLearning15May2014.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Deep Learning in Neural Networks: An Overview》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍:这是瑞士人工智能实验室Jurgen Schmidhuber写的最新版本《神经网络与深度学习综述》本综述的特点是以时间排序，从1940年开始讲起，到60-80年代，80-90年代，一直讲到2000年后及最近几年的进展。涵盖了deep learning里各种tricks，引用非常全面.&/p&&ul&&li&&a href=&///?target=http%3A///a-gentle-introduction-to-scikit-learn-a-python-machine-learning-library/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《A Gentle Introduction to Scikit-Learn: A Python Machine Learning Library》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍:这是一份python机器学习库,如果您是一位python工程师而且想深入的学习机器学习.那么这篇文章或许能够帮助到你.&/p&&ul&&li&&a href=&///?target=http%3A///how-to-layout-and-manage-your-machine-learning-project/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《How to Layout and Manage Your Machine Learning Project》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍:这一篇介绍如果设计和管理属于你自己的机器学习项目的文章，里面提供了管理模版、数据管理与实践方法.&/p&&ul&&li&&a href=&///?target=https%3A///code-poet/80ea3ec3c471& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Machine Learning is Fun!》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍:如果你还不知道什么是机器学习，或则是刚刚学习感觉到很枯燥乏味。那么推荐一读。这篇文章已经被翻译成中文,如果有兴趣可以移步&a href=&///?target=http%3A///67616/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&有趣的机器学习：最简明入门指南&i class=&icon-external&&&/i&&/a&&/p&&ul&&li&&a href=&///?target=http%3A//cran.r-project.org/doc/contrib/Liu-R-refcard.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《R语言参考卡片》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍:R语言是机器学习的主要语言,有很多的朋友想学习R语言，但是总是忘记一些函数与关键字的含义。那么这篇文章或许能够帮助到你&/p&&ul&&li&&a href=&///?target=http%3A//blog.echen.me//choosing-a-machine-learning-classifier/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Choosing a Machine Learning Classifier》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍:我该如何选择机器学习算法，这篇文章比较直观的比较了Naive Bayes，Logistic Regression，SVM，决策树等方法的优劣，另外讨论了样本大小、Feature与Model权衡等问题。此外还有已经翻译了的版本:&a href=&///?target=http%3A//www.52ml.net/15063.html& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://www.&/span&&span class=&visible&&52ml.net/15063.html&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&/p&&ul&&li&&a href=&///?target=http%3A///machine-learning/an-introduction-to-deep-learning-from-perceptrons-to-deep-networks& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《An Introduction to Deep Learning: From Perceptrons to Deep Networks》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍：深度学习概述：从感知机到深度网络，作者对于例子的选择、理论的介绍都很到位，由浅入深。翻译版本：&a href=&///?target=http%3A///xiaowanyer/p/3701944.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&深度学习概述：从感知机到深度网络&i class=&icon-external&&&/i&&/a&&/p&&ul&&li&&p&&a href=&///?target=http%3A///s/ayG13we2vxyKl& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《The LION Way: Machine Learning plus Intelligent Optimization》&i class=&icon-external&&&/i&&/a&&/p&&p&介绍:&机器学习与优化&这是一本机器学习的小册子, 短短300多页道尽机器学习的方方面面. 图文并茂, 生动易懂, 没有一坨坨公式的烦恼. 适合新手入门打基础, 也适合老手温故而知新. 比起MLAPP/PRML等大部头, 也许这本你更需要!具体内容推荐阅读:&a href=&///?target=http%3A//intelligent-optimization.org/LIONbook/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&LIONbook - intelligent-optimization.org for prescriptive analytics&i class=&icon-external&&&/i&&/a&&/p&&/li&&li&&p&&a href=&///?target=http%3A//1./%3Fp%3D174& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《深度学习与统计学习理论》&i class=&icon-external&&&/i&&/a&&/p&&/li&&/ul&&p&介绍:作者是来自百度，不过他本人已经在2014年4月份申请离职了。但是这篇文章很不错如果你不知道深度学习与支持向量机/统计学习理论有什么联系？那么应该立即看看这篇文章.&/p&&ul&&li&&a href=&///?target=http%3A//ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-042j-mathematics-for-computer-science-fall-2010/readings/MIT6_042JF10_notes.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《计算机科学中的数学》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍:这本书是由谷歌公司和MIT共同出品的计算机科学中的数学：&a href=&///?target=https%3A///ty4z2008/Qix/blob/master/Mathematics%2520for%2520Computer%2520Science& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Mathematics for Computer Science&i class=&icon-external&&&/i&&/a&，Eric Lehman et al 2013 。分为5大部分：1）证明，归纳。2）结构，数论，图。3）计数，求和，生成函数。4）概率，随机行走。5）递归。等等&/p&&ul&&li&&a href=&///?target=http%3A///en-US/people/kannan/book-no-solutions-aug-21-2014.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《信息时代的计算机科学理论(Foundations of Data Science)》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍：信息时代的计算机科学理论,目前国内有纸质书购买，&a href=&///?target=https%3A///us/book/introduction-to-data-science/id& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&iTunes购买&i class=&icon-external&&&/i&&/a&&/p&&ul&&li&&a href=&///?target=http%3A///s/ayG13we2vx5qg& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Data Science with R》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍:这是一本由雪城大学新编的第二版《数据科学入门》教材：偏实用型，浅显易懂，适合想学习R语言的同学选读。&/p&&ul&&li&&a href=&///?target=http%3A///articles/article.aspx%3Fp%3D2213858& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Twenty Questions for Donald Knuth》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍:这并不是一篇文档或书籍。这是篇向图灵奖得主Donald Knuth提问记录稿： 近日， Charles Leiserson, Al Aho, Jon Bentley等大神向Knuth提出了20个问题，内容包括TAOCP，P/NP问题，图灵机，逻辑，以及为什么大神不用电邮等等。&/p&&ul&&li&&a href=&///?target=http%3A//arxiv.org/pdf/.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Automatic Construction and Natural-Language Description of Nonparametric Regression Models》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍：不会统计怎么办？不知道如何选择合适的统计模型怎么办？那这篇文章你的好好读一读了麻省理工Joshua B. Tenenbaum和剑桥Zoubin Ghahramani合作，写了一篇关于automatic statistician的文章。可以自动选择回归模型类别，还能自动写报告...&/p&&ul&&li&&a href=&///?target=http%3A//openreview.net/venue/iclr2014& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《ICLR 2014论文集》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍:对深度学习和representation learning最新进展有兴趣的同学可以了解一下&/p&&ul&&li&&a href=&///?target=http%3A//www-nlp.stanford.edu/IR-book/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Introduction to Information Retrieval》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍：这是一本信息检索相关的书籍，是由斯坦福Manning与谷歌副总裁Raghavan等合著的Introduction to Information Retrieval一直是北美最受欢迎的信息检索教材之一。最近作者增加了该课程的幻灯片和作业。IR相关资源：&a href=&///?target=http%3A//www-nlp.stanford.edu/IR-book/information-retrieval.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Information Retrieval Resources&i class=&icon-external&&&/i&&/a&&/p&&ul&&li&&a href=&///?target=http%3A///2014/02/machine-learning-in-5-pictures.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Machine learning in 10 pictures》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍:Deniz Yuret用10张漂亮的图来解释机器学习重要概念：1. Bias/Variance Tradeoff 2. Overfitting 3. Bayesian / Occam's razor 4. Feature combination 5. Irrelevant feature 6. Basis function 7. Discriminative / Generative 8. Loss function 9. Least squares 10. Sparsity.很清晰&/p&&ul&&li&&a href=&///?target=http%3A//webscope./catalog.php%3Fdatatype%3Dl& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《雅虎研究院的数据集汇总》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍：雅虎研究院的数据集汇总： 包括语言类数据，图与社交类数据，评分与分类数据，计算广告学数据，图像数据，竞赛数据，以及系统类的数据。&/p&&ul&&li&&a href=&///?target=http%3A//www-bcf.usc.edu/%7Egareth/ISL/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《An Introduction to Statistical Learning with Applications in R》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍：这是一本斯坦福统计学著名教授Trevor Hastie和Robert Tibshirani的新书，并且在2014年一月已经开课：&a href=&///?target=https%3A//class.stanford.edu/courses/HumanitiesScience/StatLearning/Winter2014/about& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Statistical Learning&i class=&icon-external&&&/i&&/a&&/p&&ul&&li&&a href=&///?target=http%3A///best-machine-learning-resources-for-getting-started/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Best Machine Learning Resources for Getting Started&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍：机器学习最佳入门学习资料汇总是专为机器学习初学者推荐的优质学习资源，帮助初学者快速入门。而且这篇文章的介绍已经被翻译成&a href=&///?target=http%3A//article.yeeyan.org/view/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&中文版&i class=&icon-external&&&/i&&/a&。如果你不怎么熟悉，那么我建议你先看一看中文的介绍。&/p&&ul&&li&&a href=&///?target=http%3A//.cn/s/blog_bda0d2f10101fpp4.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&My deep learning reading list&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍:主要是顺着Bengio的PAMI review的文章找出来的。包括几本综述文章，将近100篇论文，各位山头们的Presentation。全部都可以在google上找到。&/p&&ul&&li&&a href=&///?target=http%3A///doi/abs/10.ED1V01Y201005HLT008%3FjournalCode%3Dhlt& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Cross-Language Information Retrieval&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍：这是一本书籍，主要介绍的是跨语言信息检索方面的知识。理论很多&/p&&ul&&li&&a href=&///?target=http%3A///developerworks/cn/web/1103_zhaoct_recommstudy1/index.html%3Fca%3Ddrs-& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&探索推荐引擎内部的秘密，第 1 部分: 推荐引擎初探&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍:本文共有三个系列，作者是来自IBM的工程师。它主要介绍了推荐引擎相关算法，并帮助读者高效的实现这些算法。 &a href=&///?target=http%3A///developerworks/cn/web/1103_zhaoct_recommstudy2/index.html%3Fca%3Ddrs-& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&探索推荐引擎内部的秘密，第 2 部分: 深度推荐引擎相关算法 - 协同过滤&i class=&icon-external&&&/i&&/a&,&a href=&///?target=http%3A///developerworks/cn/web/1103_zhaoct_recommstudy3/index.html%3Fca%3Ddrs-& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&探索推荐引擎内部的秘密，第 3 部分: 深度推荐引擎相关算法 - 聚类&i class=&icon-external&&&/i&&/a&&/p&&ul&&li&&a href=&///?target=http%3A//sci.cornell.edu/b/articles/ml-learn/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Advice for students of machine learning》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍：康奈尔大学信息科学系助理教授David Mimno写的《对机器学习初学者的一点建议》， 写的挺实际，强调实践与理论结合，最后还引用了冯 o 诺依曼的名言: &Young man, in mathematics you don't understand things. You just get used to them.&&/p&&ul&&li&&a href=&///?target=http%3A//web.stanford.edu/group/pdplab/pdphandbook/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&分布式并行处理的数据&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍：这是一本关于分布式并行处理的数据《Explorations in Parallel Distributed Processing: A Handbook of Models, Programs, and Exercises》,作者是斯坦福的James L. McClelland。着重介绍了各种神级网络算法的分布式实现,做Distributed Deep Learning 的童鞋可以参考下&/p&&ul&&li&&a href=&///?target=http%3A///b/machinelearning/archive//what-is-machine-learning.aspx& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《“机器学习”是什么？》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍:【“机器学习”是什么？】John Platt是微软研究院杰出科学家，17年来他一直在机器学习领域耕耘。近年来机器学习变得炙手可热，Platt和同事们遂决定开设&a href=&///?target=http%3A///b/machinelearning/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&博客&i class=&icon-external&&&/i&&/a&，向公众介绍机器学习的研究进展。机器学习是什么，被应用在哪里？来看Platt的这篇&a href=&///?target=http%3A///b/machinelearning/archive//what-is-machine-learning.aspx& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&博文&i class=&icon-external&&&/i&&/a&&/p&&ul&&li&&a href=&///?target=http%3A//icml.cc/2014/index/article/15.htm& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《2014年国际机器学习大会ICML 2014 论文》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍：2014年国际机器学习大会（ICML）已经于6月21-26日在国家会议中心隆重举办。本次大会由微软亚洲研究院和清华大学联手主办，是这个有着30多年历史并享誉世界的机器学习领域的盛会首次来到中国，已成功吸引海内外1200多位学者的报名参与。干货很多，值得深入学习下&/p&&ul&&li&&a href=&///?target=http%3A///b/machinelearning/archive//machine-learning-for-industry-a-case-study.aspx& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Machine Learning for Industry: A Case Study》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍：这篇文章主要是以Learning to Rank为例说明企业界机器学习的具体应用，RankNet对NDCG之类不敏感，加入NDCG因素后变成了LambdaRank，同样的思想从神经网络改为应用到Boosted Tree模型就成就了LambdaMART。&a href=&///?target=http%3A///en-us/people/cburges/%3FWT.mc_id%3DBlog_MachLearn_General_DI& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Chirs Burges&i class=&icon-external&&&/i&&/a&，微软的机器学习大神，Yahoo 2010 Learning to Rank Challenge第一名得主，排序模型方面有RankNet，LambdaRank，LambdaMART，尤其以LambdaMART最为突出，代表论文为： &a href=&///?target=http%3A///en-us/um/people/cburges/tech_reports/msr-tr-2010-82.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&From RankNet to LambdaRank to LambdaMART: An Overview&i class=&icon-external&&&/i&&/a& 此外，Burges还有很多有名的代表作，比如：&a href=&///?target=http%3A///pubs/67119/svmtutorial.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&A Tutorial on Support Vector Machines for Pattern Recognition&i class=&icon-external&&&/i&&/a&&br&&a href=&///?target=http%3A///en-us/um/people/cburges/tech_reports/tr-2004-56.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Some Notes on Applied Mathematics for Machine Learning&i class=&icon-external&&&/i&&/a&&/p&&ul&&li&&a href=&///?target=http%3A///software-meta-guide/100-best-github-deep-learning/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&100 Best GitHub: Deep Learning&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍:100 Best GitHub: Deep Learning&/p&&ul&&li&&a href=&///?target=http%3A//www.52ml.net/12019.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《UFLDL-斯坦福大学Andrew Ng教授“Deep Learning”教程》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍:本教程将阐述无监督特征学习和深度学习的主要观点。通过学习，你也将实现多个功能学习/深度学习算法，能看到它们为你工作，并学习如何应用/适应这些想法到新问题上。本教程假定机器学习的基本知识（特别是熟悉的监督学习，逻辑回归，梯度下降的想法），如果你不熟悉这些想法，我们建议你去这里&a href=&///?target=http%3A//openclassroom.stanford.edu/MainFolder/CoursePage.php%3Fcourse%3DMachineLearning& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&机器学习课程&i class=&icon-external&&&/i&&/a&，并先完成第II，III，IV章（到逻辑回归）。此外这关于这套教程的源代码在github上面已经有python版本了&a href=&///?target=https%3A///jatinshah/ufldl_tutorial& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&& UFLDL Tutorial Code&i class=&icon-external&&&/i&&/a&&/p&&p&*&a href=&///?target=http%3A///pubs/217165/ICASSP_DeepTextLearning_v07.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Deep Learning for Natural Language Processing and Related Applications》&i class=&icon-external&&&/i&&/a&&/p&&p&介绍:这份文档来自微软研究院,精髓很多。如果需要完全理解，需要一定的机器学习基础。不过有些地方会让人眼前一亮,毛塞顿开。&/p&&ul&&li&&a href=&///?target=https%3A//colah.github.io/posts/2014-07-Understanding-Convolutions/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Understanding Convolutions&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍:这是一篇介绍图像卷积运算的文章，讲的已经算比较详细的了&/p&&ul&&li&&a href=&///?target=http%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Machine Learning Summer School》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍：每天请一个大牛来讲座，主要涉及机器学习，大数据分析，并行计算以及人脑研究。&a href=&///?target=https%3A///user/smolix& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://www.&/span&&span class=&visible&&/user/smolix&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a& （需翻墙）&/p&&ul&&li&&a href=&///?target=https%3A///josephmisiti/awesome-machine-learning& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Awesome Machine Learning》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍：一个超级完整的机器学习开源库总结，如果你认为这个碉堡了，那后面这个列表会更让你惊讶：【Awesome Awesomeness】,国内已经有热心的朋友进行了翻译&a href=&///?target=http%3A///73806/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&中文介绍&i class=&icon-external&&&/i&&/a&，&a href=&///?target=https%3A///josephmisiti/awesome-machine-learning/blob/master/books.md& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&机器学习数据挖掘免费电子书&i class=&icon-external&&&/i&&/a&&/p&&ul&&li&&a href=&///?target=http%3A//see.stanford.edu/see/lecturelist.aspx%3Fcoll%3D9-4efd-a472f5a& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&斯坦福《自然语言处理》课程视频&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍:ACL候任主席、斯坦福大学计算机系Chris Manning教授的《自然语言处理》课程所有视频已经可以在斯坦福公开课网站上观看了（如Chrome不行，可用IE观看） 作业与测验也可以下载。&/p&&ul&&li&&a href=&///?target=http%3A//freemind.pluskid.org/machine-learning/deep-learning-and-shallow-learning/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Deep Learning and Shallow Learning》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍:对比 Deep Learning 和 Shallow Learning 的好文，来着浙大毕业、MIT 读博的 Chiyuan Zhang 的博客。&/p&&ul&&li&&a href=&///?target=http%3A//benanne.github.io//spotify-cnns.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Recommending music on Spotify with deep learning》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍:利用卷积神经网络做音乐推荐。&/p&&ul&&li&&a href=&///?target=http%3A///index.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Neural Networks and Deep Learning》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍：神经网络的免费在线书，已经写了三章了，还有对应的开源代码：&a href=&///?target=https%3A///mnielsen/neural-networks-and-deep-learning& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&GitHub - mnielsen/neural-networks-and-deep-learning: Code samples for my book &Neural Networks and Deep Learning&&i class=&icon-external&&&/i&&/a& 爱好者的福音。&/p&&ul&&li&&a href=&///?target=http%3A///java-machine-learning/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Java Machine Learning》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍：Java机器学习相关平台和开源的机器学习库，按照大数据、NLP、计算机视觉和Deep Learning分类进行了整理。看起来挺全的，Java爱好者值得收藏。&/p&&ul&&li&&a href=&///?target=http%3A//www.oschina.net/translate/6-tips-for-writing-better-code& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Machine Learning Theory: An Introductory Primer》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍：机器学习最基本的入门文章，适合零基础者&/p&&ul&&li&&a href=&///?target=http%3A///hotnews/15919.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《机器学习常见算法分类汇总》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍：机器学习的算法很多。很多时候困惑人们都是，很多算法是一类算法，而有些算法又是从其他算法中延伸出来的。这里，我们从两个方面来给大家介绍，第一个方面是学习的方式，第二个方面是算法的类似性。&/p&&ul&&li&&a href=&///?target=http%3A///discussion/68/%25E6%259C%25BA%25E5%%25E5%25AD%25A6%25E4%25B9%25A0%25E7%25BB%258F%25E5%%25E8%25AE%25BA%25E6%survey%25E5%E9%259B%2586& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《机器学习经典论文/survey合集》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍：看题目你已经知道了是什么内容,没错。里面有很多经典的机器学习论文值得仔细与反复的阅读。&/p&&ul&&li&&a href=&///?target=http%3A//work.caltech.edu/library/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《机器学习视频库》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍：视频由加州理工学院（Caltech）出品。需要英语底子。&/p&&ul&&li&&a href=&///?target=http%3A///discussion/109/%25E6%259C%25BA%25E5%%25E5%25AD%25A6%25E4%25B9%25A0%25E7%25BB%258F%25E5%%25E4%25B9%25A6%25E7%25B1%258D& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《机器学习经典书籍》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍：总结了机器学习的经典书籍，包括数学基础和算法理论的书籍，可做为入门参考书单。&/p&&ul&&li&&a href=&///?target=http%3A///e1/fullnews.asp%3Fedid%3D121516& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《16 Free eBooks On Machine Learning》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍:16本机器学习的电子书，可以下载下来在pad，手机上面任意时刻去阅读。不多我建议你看完一本再下载一本。&/p&&ul&&li&&a href=&///?target=http%3A///large-set-machine-learning-resources-beginners-mavens/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《A Large set of Machine Learning Resources for Beginners to Mavens》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍:标题很大，从新手到专家。不过看完上面所有资料。肯定是专家了&/p&&ul&&li&&a href=&///?target=http%3A//article.yeeyan.org/view/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《机器学习最佳入门学习资料汇总》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍：入门的书真的很多，而且我已经帮你找齐了。&/p&&ul&&li&&a href=&///?target=http%3A//users.soe.ucsc.edu/%7Eniejiazhong/slides/chandra.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Sibyl》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍：Sibyl 是一个监督式机器学习系统，用来解决预测方面的问题，比如 YouTube 的视频推荐。&/p&&ul&&li&&a href=&///?target=http%3A//www.iro.umontreal.ca/%7Ebengioy/dlbook/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Deep Learning》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍：Yoshua Bengio, Ian Goodfellow, Aaron Courville著&/p&&ul&&li&&a href=&///?target=http%3A//www.slideshare.net/ssuser9cc1bd/piji-li-dltm& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Neural Network & Text Mining》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍:关于(Deep) Neural Networks在 NLP 和 Text Mining 方面一些paper的总结&/p&&ul&&li&&a href=&///?target=http%3A///lxy2017/p/3927226.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《前景目标检测1（总结）》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍:计算机视觉入门之前景目标检测1（总结）&/p&&ul&&li&&a href=&///?target=http%3A//www.52ml.net/17004.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《行人检测》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍:计算机视觉入门之行人检测&/p&&ul&&li&&a href=&///?target=http%3A///2014/08/deep-learning-important-resources-learning-understanding.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Deep Learning – important resources for learning and understanding》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍:Important resources for learning and understanding . Is awesome&/p&&ul&&li&&a href=&///?target=http%3A///machine-learning/machine-learning-theory-an-introductory-primer& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Machine Learning Theory: An Introductory Primer》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍:这又是一篇机器学习初学者的入门文章。值得一读&/p&&ul&&li&&a href=&///?target=http%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Neural Networks and Deep Learning》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍:在线Neural Networks and Deep Learning电子书&/p&&ul&&li&&a href=&///?target=http%3A///python-%25E7%25BD%%25A1%25B5%25E7%2588%25AC%25E8%2599%25AB-%25E6%E6%259C%25AC%25E5%25A4%%-%25E7%25A7%%25AD%25A6%25E8%25AE%25A1%25E7%25AE%%259C%25BA%25E5%%25E5%25AD%25A6%25E4%25B9%25A0-%25E6%%25E6%258D%25AE%25E6%258C%%258E%2598& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Python 网页爬虫 & 文本处理 & 科学计算 & 机器学习 & 数据挖掘兵器谱》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍:python的17个关于机器学习的工具&/p&&ul&&li&&a href=&///?target=http%3A///%25E6%25A6%%258E%%25BB%259F%25E8%25AE%25A1/E7%25A5%259E%25E5%25A5%%259A%%25BC%25BD%25E7%258E%259B%25E5%2587%25BD%25E6%%25E4%25B8%258A/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《神奇的伽玛函数(上)》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍:下集在这里&a href=&///?target=http%3A///%25E6%25A6%%258E%%25BB%259F%25E8%25AE%25A1/E7%25A5%259E%25E5%25A5%%259A%%25BC%25BD%25E7%258E%259B%25E5%2587%25BD%25E6%%25E4%25B8%258A/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&神奇的伽玛函数(下)&i class=&icon-external&&&/i&&/a&&/p&&ul&&li&&a href=&///?target=http%3A//cxwangyi.github.io/notes/-distributed-machine-learning.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《分布式机器学习的故事》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍:作者王益目前是腾讯广告算法总监，王益博士毕业后在google任研究。这篇文章王益博士7年来从谷歌到腾讯对于分布机器学习的所见所闻。值得细读&/p&&ul&&li&&a href=&///?target=http%3A//metacademy.org/roadmaps/cjrd/level-up-your-ml& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《机器学习提升之道（Level-Up Your Machine Learning）》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍:把机器学习提升的级别分为0~4级，每级需要学习的教材和掌握的知识。这样，给机器学习者提供一个上进的路线图，以免走弯路。另外，整个网站都是关于机器学习的，资源很丰富。&/p&&ul&&li&&a href=&///?target=http%3A///& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Machine Learning Surveys》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍:机器学习各个方向综述的网站&/p&&ul&&li&&a href=&///?target=http%3A//deeplearning.net/reading-list/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Deep Learning Reading list》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍:深度学习阅资源列表&/p&&ul&&li&&a href=&///?target=http%3A///pubs/219984/DeepLearningBook_RefsByLastFirstNames.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Deep Learning: Methods and Applications》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍：这是一本来自微的研究员 li Peng和Dong Yu所著的关于深度学习的方法和应用的电子书&/p&&ul&&li&&a href=&///?target=http%3A///s/1pJ0ok7T& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Machine Learning Summer School 2014》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍:2014年七月CMU举办的机器学习夏季课刚刚结束 有近50小时的视频、十多个PDF版幻灯片，覆盖 深度学习，贝叶斯，分布式机器学习，伸缩性 等热点话题。所有13名讲师都是牛人：包括大牛Tom Mitchell （他的［机器学习］是名校的常用教材），还有CMU李沐 .（1080P高清哟）&/p&&ul&&li&&a href=&///?target=http%3A//users.soe.ucsc.edu/%7Eniejiazhong/slides/chandra.pdf& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Sibyl: 来自Google的大规模机器学习系统》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍:在今年的IEEE/IFIP可靠系统和网络（DSN）国际会议上，Google软件工程师Tushar Chandra做了一个关于Sibyl系统的主题演讲。 Sibyl是一个监督式机器学习系统，用来解决预测方面的问题，比如YouTube的视频推荐。详情请阅读&a href=&///?target=http%3A//q.com/cn/news/2014/07/google-sibyl& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&google sibyl&i class=&icon-external&&&/i&&/a&&/p&&ul&&li&&a href=&///?target=http%3A///2014/09/building-deeper-understanding-of-images.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Building a deeper understanding of images》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍:谷歌研究院的Christian Szegedy在谷歌研究院的博客上简要地介绍了他们今年参加ImageNet取得好成绩的GoogLeNet系统.是关于图像处理的。&/p&&ul&&li&&a href=&///?target=https%3A///memect/hao/blob/master/awesome/bayesian-network-python.md& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Bayesian network 与python概率编程实战入门》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍:贝叶斯学习。如果不是很清可看看&a href=&///?target=http%3A//q.com/cn/news/2014/07/programming-language-bayes& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&概率编程语言与贝叶斯方法实践&i class=&icon-external&&&/i&&/a&&/p&&ul&&li&&a href=&///?target=http%3A///r/MachineLearning/comments/2fxi6v/ama_michael_i_jordan/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《AMA: Michael I Jordan》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍:网友问伯克利机器学习大牛、美国双料院士Michael I. Jordan：&如果你有10亿美金，你怎么花？Jordan: &我会用这10亿美金建造一个NASA级别的自然语言处理研究项目。&&/p&&ul&&li&&a href=&///?target=http%3A///tornadomeet/p/3395593.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《机器学习&数据挖掘笔记_16（常见面试之机器学习算法思想简单梳理）》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍:常见面试之机器学习算法思想简单梳理,此外作者还有一些其他的&a href=&///?target=http%3A///tornadomeet/tag/%25E6%259C%25BA%25E5%%25E5%25AD%25A6%25E4%25B9%25A0/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&机器学习与数据挖掘文章&i class=&icon-external&&&/i&&/a&和&a href=&///?target=http%3A///tornadomeet/tag/Deep%25E3%Learning/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&深度学习文章&i class=&icon-external&&&/i&&/a&,不仅是理论还有源码。&/p&&ul&&li&&a href=&///?target=http%3A///2014/09/most-viewed-web-mining-lectures-videolectures.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《文本与数据挖掘视频汇总》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍：Videolectures上最受欢迎的25个文本与数据挖掘视频汇总&/p&&ul&&li&&a href=&///?target=http%3A////which-gpu-for-deep-learning/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《怎么选择深度学习的GPUs》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍:在Kaggle上经常取得不错成绩的Tim Dettmers介绍了他自己是怎么选择深度学习的GPUs, 以及个人如何构建深度学习的GPU集群: &a href=&///?target=http%3A//t.cn/RhpuD1G& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&/RhpuD1G&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&/p&&ul&&li&&a href=&///?target=http%3A//q.com/cn/news/2014/09/depth-model& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《对话机器学习大神Michael Jordan：深度模型》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍:对话机器学习大神Michael Jordan&/p&&ul&&li&&a href=&///?target=http%3A//.cn/s/blog_46d0a3930101fswl.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Deep Learning 和 Knowledge Graph 引爆大数据革命》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍:还有２，３部分。&a href=&///?target=http%3A//.cn/s/blog_46d0ah.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Deep Learning 【2,3】&i class=&icon-external&&&/i&&/a&&/p&&ul&&li&&a href=&///?target=http%3A//.cn/s/blog_46d0anf.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Deep Learning 教程翻译》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍:是Stanford 教授 Andrew Ng 的 Deep Learning 教程，国内的机器学习爱好者很热心的把这个教程翻译成了中文。如果你英语不好，可以看看这个&/p&&ul&&li&&a href=&///?target=http%3A///deep-learning-101/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Deep Learning 101》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍:因为近两年来，深度学习在媒体界被炒作很厉害（就像大数据）。其实很多人都还不知道什么是深度学习。这篇文章由浅入深。告诉你深度学究竟是什么！&/p&&ul&&li&&a href=&///?target=http%3A//ufldl.stanford.edu/wiki/index.php/UFLDL_Tutorial& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《UFLDL Tutorial》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍:这是斯坦福大学做的一免费课程（很勉强），这个可以给你在深度学习的路上给你一个学习的思路。里面提到了一些基本的算法。而且告诉你如何去应用到实际环境中。&a href=&///?target=http%3A//ufldl.stanford.edu/wiki/index.php/UFLDL%25E6%E7%25A8%258B& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&中文版&i class=&icon-external&&&/i&&/a&&/p&&ul&&li&&a href=&///?target=http%3A//deeplearning.cs.toronto.edu/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Toronto Deep Learning Demos》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍:这是多伦多大学做的一个深度学习用来识别图片标签／图转文字的demo。是一个实际应用案例。有源码&/p&&ul&&li&&a href=&///?target=http%3A//metacademy.org/roadmaps/rgrosse/deep_learning& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Deep learning from the bottom up》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍:机器学习模型，阅读这个内容需要有一定的基础。&/p&&ul&&li&&a href=&///?target=http%3A//cran.r-project.org/web/views/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《R工具包的分类汇总》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍: (CRAN Task Views, 34种常见任务,每个任务又各自分类列举若干常用相关工具包) 例如: 机器学习，自然语言处理，时间序列分析，空间信息分析，多重变量分析，计量经济学，心理统计学，社会学统计，化学计量学，环境科学，药物代谢动力学 等&/p&&ul&&li&&a href=&///?target=http%3A///hotnews/15919.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《机器学习常见算法分类汇总》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍: 机器学习无疑是当前数据分析领域的一个热点内容。很多人在平时的工作中都或多或少会用到机器学习的算法。本文为您总结一下常见的机器学习算法，以供您在工作和学习中参考.&/p&&ul&&li&&a href=&///?target=http%3A//blog.csdn.net/zouxy09/article/details/8775360& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《Deep Learning（深度学习）学习笔记整理系列》&i class=&icon-external&&&/i&&/a&&/li&&/ul&&p&介绍: 很多干货，而且作者还总结了好几个系列。另外还作者还了一个&a href=&///?target=http%3A//blog.csdn.net/zouxy09/article/details/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&文章导航&i class=&icon-external&&&/i&&/a&.非常的感谢作者总结。&/p&&p&&a href=&///?target=http%3A//blog.csdn.net/zouxy09/article/details/8775488& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Deep Learning（深度学习）学习笔记整理系列之（二）&i class=&icon-external&&&/i&&/a&&/p&&p&&a href=&///?target=http%3A//blog.csdn.net/zouxy09/article/details/8775518& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Deep Learning（深度学习）学习笔记整理系列之（三）&i class=&icon-external&&&/i&&/a&&/p&&p&&a href=&///?target=http%3A//blog.csdn.net/zouxy09/article/details/8775524& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Deep Learning（深度学习）学习笔记整理系列之（四）&i class=&icon-external&&&/i&&/a&&/p&&p&&a href=&///?target=http%3A//blog.csdn.net/zouxy09/article/details/8777094& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Deep Learning（深度学习）学习笔记整理系列之（五）&i class=&icon-external&&&/i&&/a&&/p&&p&&a href=&///?target=http%3A//blog.csdn.net/zouxy09/article/details/8781396& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Deep Learning（深度学习）学习笔记整理系列之（六）&i class=&icon-external&&&/i&&/a&&/p&&p&&a href=&///?target=http%3A//blog.csdn.net/zouxy09/article/details/8781543& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Deep Learning（深度学习）学习笔记整理系列之（七）&i class=&icon-external&&&/i&&/a&&/p&&p&&a href=&///?target=http%3A//blog.csdn.net/zouxy09/article/details/8782018& class=& wrap external& t