fly51fly No 1. 【Andrew Ng在Coursera新开设的深度学习课程(Deeplearning.ai)】 No 2. 【50行Python代码预测股价】 No 3. 《大牛讲堂 | 算法工程师入门第三期-黄李超讲物体检测》 No 4. 【Pandas/Seaborn数据分析入门教程】 No 5. 《面试官如何判断面试者的机器学习水平？ - 知乎》 No 6. 《迁移学习实战：从算法到实践》 No 7. 【深度图片压缩】 No 8. 《深度学习入门：几幅手稿讲解CNN》 No 9. 【Facebook发布星际争霸游戏数据集(TorchCraft可读/365GB/6万多场次/15亿帧画面/近5亿用户操作)】 No 10. 【用tf.Transform做机器学习数据预处理】 No 11. 【面向视觉跟踪的卷积残差学习】 No 12. 《5 Free Resources for Getting Started with Deep Learning for Natural Language Processing》 No 13. 《无痛的增强学习入门：基本概念篇》 No 14. 【震撼世界的生成模型】 No 15. 【类别特征多状态LSTM】 No 16. 'Foxes are just cat software running on dog hardwa... No 17. 【(Python)字符级RNN文本生成】 No 18. 《An Effective Training Method For Deep Convolutional Neural Network》 No 19. 【(R)统计教学动图源码集】 No 20. 《Minibatch Metropolis-Hastings》 No 21. 【越来越会玩的视频内容】 No 22. 【数据分析：(美国)流行音乐粉丝地图】 No 23. “信任的进化：合作博弈论互动讲解手册（中文版）” http://t.cn/R9fMQDu 原版:ht... No 24. 《Fake News Detection on Social Media: A Data Mining Perspective》 No 25. 【AI/深度学习在医药领域的应用】 No 26. 【Stitch Fix发布Python广义线性模型求解工具Diamond】 No 27. 【用Tensorflow实现深度学习人脸识别工作流】 No 28. 《SurfaceNet: An End-to-end 3D Neural Network for Multiview Stereopsis》 No 29. 【七月热门机器学习文章汇总】 No 30. 《Regularizing and Optimizing LSTM Language Models》 No 31. 《机器学习与微博：TensorFlow在微博的大规模应用与实践》 No 32. 《如何评价kaiming的Focal Loss for Dense Object Detection？ - 知乎》 No 33. 【多行为自学习(Deep RL)智能体】 No 34. 《有哪些值得推荐的Python学习网站？ - 知乎》 No 35. 《3D-PRNN: Generating Shape Primitives with Recurrent Neural Networks》 No 36. 《机器学习中如何做单元测试(Unit Test)来检测模型稳定性？ - 知乎》 No 37. 《Wasserstein Dictionary Learning: Optimal Transport-based unsupervised non-linear dictionary learning》 No 38. 《Probabilistic Generative Adversarial Networks》 No 39. 《A network approach to topic models》 No 40. 《UC伯克利提出小批量MH测试：令MCMC方法在自编码器中更强劲》 No 41. 【2017全栈开发成长之路】 No 42. 《爱可可老师24小时热门分享(2017.08.08)》 No 43. 【7种位置信息数据可视化技术】 No 44. 【贝叶斯深度学习文献汇总】 No 45. 《为什么 Non-Convex Optimization 受到了越来越大的关注？ - 知乎》 No 46. 【AI/大数据正在改变我们的注意力】 No 47. 【(Matlab)数据集统计分布自动发现】 No 48. 《Redefine Statistical Significance Part I: Sleep Trolls & Red Herrings | Bayesian Spectacles》 No 49. 《TensorLayer: A Versatile Library for Efficient Deep Learning Development》 No 50. 【基于MNIST的视觉计数合成数据集Counting MNIST】
