【机器学习快讯】20150206机器学习快讯

机器学习视野

• 《10 Machine Learning Experts You Need to Know》最值得关注的10位机器学习专家：Geoffrey Hinton、Michael I Jordan、Andrew Ng、Jeff Hawkins、Yann LeCun、Terry Sejnowski、David M. Blei、Daphne Koller、Zoubin Ghahramani、Sebastian Thrun
• DEEPLEARNING.UNIVERSITY的论文库已经收录了963篇经过分类的深度学习论文了，绝大多数来自2014年。
• 《Large-scale graph processing with Apache Flink》 用Flink做大规模图计算，介绍Flink及其特点、为什么Flink适合做图计算以及基于Flink的图API-Gelly，最后以音乐网站用户-音乐图数据的统计、聚类等计算为例介绍了Flink的具体使用
• 《Apache Flink - Overview》不错的Flink概要介绍，想初步了解Flink可以看看

Python与数据科学

• 数据科学的完整学习路径—Python版本文的目的是给数据分析方面的Python新手提供一个完整的学习路径。该路径提供了你需要学习的利用Python进行数据分析的所有步骤的完整概述，读者可自行取舍。
• 《7 Steps for Learning Data Mining and Data Science》 学习数据挖掘和数据科学七步走：选择编程语言、选择挖掘或可视化工具、阅读精选图书、参加相关课程、收集整理数据、参加数据竞赛、参与交流等。文中推荐了不少相关的学习和参考资源，很有价值
• Python Scientific Lecture Notes Python科学（数学）编程讲义Python Scientific Lecture Notes Python科学（数学）编程讲义，分入门、进阶和相关库介绍三部分，涉及python本身使用和优化、Numpy、Matplotlib、Scipy等基础库、Sympy、Scikit-image、Traits、Mayavi、scikit-learn等扩展库，稀疏矩阵处理、图像处理等，内容相当全面，易于上手
• 《Notebook Gallery》收集整理的最佳IPython及Jupyter Notebooks，很有看头
• 《Practical Data Science in Python》Python的垃圾短信识别例子，基于scikit-learn，从数据载入、预处理、文本特征抽取到模型训练、效果验证、参数优化、预测器发布，各个环节均有实际示例代码，带你快速熟悉整个Python机器学习(数据处理)工作流
• 《机器学习之用Python从零实现贝叶斯分类器》朴素贝叶斯算法简单高效，在处理分类问题上，是应该首先考虑的方法之一。通过本教程，你将学到朴素贝叶斯算法的原理和Python版本的逐步实现。
• 《Data Science with Python》DataScience.LA’14上的Python专题，包括五个报告：用Pandas做数据整理、用IPython做数据交互浏览和可视化、用IPython Notebook做数据分析、Python下的多进程、用Skikit-Learn做机器学习等
• 《Getting Started with Spark (in Python)》面向Python使用者的Spark入门指南，文章长了点，不过属于手把手教学，从平台搭建到简单程序的编写提交都有覆盖，简单易懂，推荐学习
• 《Data Analysis with Pandas》Python下使用pandas的快速入门教程

学习建议

• Advice for applying Machine LearningAndrew Ng的《机器学习应用建议》
• Advice for applying Machine Learning不莱梅博士Jan Hendrik Metzen与其意见相对应的一些Python交互式范例

转载请注明作者Jason Ding及其出处
Github博客主页(http://jasonding1354.github.io/)
CSDN博客(http://blog.csdn.net/jasonding1354)
简书主页(http://www.jianshu.com/users/2bd9b48f6ea8/latest_articles)