@好东西传送门 出品, 过刊见 http://ml.memect.com
订阅:给 [email protected] 发封空信, 标题: 订阅机器学习日报
可点击加长版69条 http://memect.co/ml-list-2015-01-17
@肖镜辉_小肖
关键词:经验总结, 应用, 博客, 推荐系统
发表了博文《聊两句工作体会:大数据和推荐系统》本来这个博客只写我生活上的感悟,工作上我还有一个技术博客,这两句不该写在这里,不过,一方面,最近工作比较忙,生活也被工作挤占了不少,另一方面,接下来写的纯 [1]
[1] http://weibo.com/p/230418556a94a80102vb0c
@low_accepted
关键词:会议活动, OSDI, 分布式学习, 会议
#一天一篇读后感#,一月十七日,Scaling Distributed Machine Learning with the Parameter Server. 这篇文章曾在微博上掀起过一阵热论 @李沐M 发表与2014年OSDI。我作为人工智能的大外行,见识也仅限于系统软件,请大家批判。 @好东西传送门 我发表了文章 [1]
[1] http://weibo.com/p/1001603799981784987864
@刘江总编
关键词:深度学习, 视觉, 自然语言处理, GPU, 代码, 神经网络
Facebook开源了一组深度学习扩展fbcunn: [1] @极客头条 是Torch框架的插件,基于NVidia的GPU,大大提升了原来nn神经网络包的性能,可以用于计算机视觉和自然语言处理等场景
[1] https://github.com/facebook/fbcunn
@phdxie
关键词:视觉
转:《浅析人脸检测之Haar分类器方法》,这个写的真心不错,引用也写清楚了。 [1]
[1] http://www.cnblogs.com/ello/archive/2012/04/28/2475419.html
@爱可可-爱生活
关键词:算法, 聚类
《K-means clustering is not a free lunch》很好的文章,分析K均值聚类算法在一些数据分布情况下的表现,说明按目标函数优化并不意味着我们就能实现目标。所谓“天下没有免费午餐”定理,其基本思想(非严格)可描述为“如果在所有可能情况下取平均,不同算法的表现应该差不多” [1]
[1] http://www.r-bloggers.com/k-means-clustering-is-not-a-free-lunch/