fly51fly No 1. 【全卷积语义分割综述】 No 2. 【CMU神经网络自然语言处理课程】 No 3. 【TensorFlow高级API使用】 No 4. 【PyTorch到Caffe的模型转换工具】 No 5. 【今日限免:TensorFlow入门】 No 6. 《Which Encoding is the Best for Text Classification in Chinese, English, Japanese and Korean?》 No 7. 【八月十大热门Python网文】 No 8. 【TuChart:基于Tushare和Echarts的股票数据视觉化应用】 No 9. 【搭建个对话机器人(chatbot)都需要些啥】 No 10. 《Deep & Cross Network for Ad Click Predictions》 No 11. 【深度学习AI的过去、现在和未来】 No 12. 【超爽:番茄高速分拣机】 No 13. 《如何看待央视文章“中小学设置人工智能课程 推广编程教育”? - 知乎》 No 14. 【Python时序数据处理库列表】 No 15. 【(Python)为啥'd = {}’比’d = dict()’更快?】 No 16. 新的YELP数据集官方下载:http://t.cn/RNG6JYi 包含470万评论和15.6万商家... No 17. 【随机森林理解工具集】 No 18. 【iOS CoreML开发指南】 No 19. 《永久免费!吴恩达刚公布的深度学习课程上线网易云课堂》 No 20. 《Robust continuous clustering》 No 21. 【Berkeley深度增强学习训练营学习总结】 No 22. 【深度学习源码分类】 No 23. 【视频集:深度学习/增强学习2017暑期学校】 No 24. 【以一当十的全自动T恤缝纫机器人】 No 25. 【见证科学奇迹:第一次“听”到世界的惊喜瞬间】 No 27. 【人生3.0:生活在AI时代的我们】 No 28. 深度学习发展到现在,特别在计算机视觉里,大部分东西都已经非常成熟了。甚至可以说现在一个本科一年级学生... No 29. 【时间/因果在推荐系统中的重要性】 No 30. 《Semantic Foggy Scene Understanding with Synthetic Data》 No 31. 【跨深度学习框架的深度网络实验】 No 32. 【Google实习研究员Philip Haeusser博士访谈:深度学习、神经网络与计算机视觉】 No 33. '新浪微博爬虫(分布式),部署简单,接口丰富,文档详细,视频支持,可灵活定制满足自己的需求。抓取内容... No 34. 《A Course in Machine Learning》 No 35. 《Natasha 2: Faster Non-Convex Optimization Than SGD》 No 36. 【今日焦点:模块化统计学习 vs 全推论模型】 No 37. 【‘霉霉’ vs. AI 歌词大比拼】 No 38. 《A Deep Multimodal Approach for Cold-start Music Recommendation》 No 39. 《On denoising autoencoders trained to minimise binary cross-entropy》 No 40. 《Coulomb GANs: Provably Optimal Nash Equilibria via Potential Fields》 No 41. 《Getting Inception Architectures to Work with Style Transfer》 No 42. 【ChemGAN向药物发现发起挑战:AI能否重现天然化学多样性?】 No 43. 【给非传统数据科学家的若干建议】 No 44. 《Towards Poisoning of Deep Learning Algorithms with Back-gradient Optimization》 No 45. 【Google AR实验室】 No 46. 【机器学习命令行工具集锦:VW, Kaggler, LibFM, LibFFM, RGF, FastRGF, LIBLINEAR, LIBSVM, RankLib, XGBoost, LightGBM】 No 47. 《Gradual Learning of Deep Recurrent Neural Networks》 No 48. 【(R)文本页布局可视化】 No 49. 《如何用FPGA加速卷积神经网络(CNN)? - 知乎》 No 50. 《爱可可老师24小时热门分享(2017.08.30)》
ryo 刚发现个网站,对于金融量化交易的发烧友,要找数据就不难了哦。😬 http://tushare.org/trading.html https://github.com/waditu/tushare https://tushare.pro 题外话:Quandl和QuantTools程序包也可以下载数据。