README.md

好东西传送门: 微博上的轻问答 Crowd-sourced LiteQA

• 关注微博 http://www.weibo.com/haoawesome/
• 微信号：好东西传送门
• 网站 http://hao.memect.com/
• Github https://github.com/memect/hao

还没有回答的问题，欢迎认领 https://github.com/memect/hao/issues

给我们提建议

目录

• 最近的问答
• 文摘
• 声明

许可证

本站内容许可证：Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License

---

如何提问

发一条微博提问，里面加上 @好东西传送门

问答案例

2014-08-30 半夜推荐 Leetcode 资源整理合集。 它目前有150道题，是程序员肉身翻墙的好东西，也适合快速提高自我修养。精选资料在我的卡片盒子里 http://t.cn/RhwwCGL 现在有6项： @灵魂机器 （Frank Dai) 的刷题宝典，若干人的涮题体验。这是一个会成长的卡片盒子，欢迎添加好东西。 [ 微博 ]

2014-08-30 SAS base 今年KDnudgget数据分析常用工具民意调查( http://t.cn/RhZ0HjY )排名第9，而排名靠前的都有免费版。现在SAS推这个免费版，很好奇它明年的排名 //@刘政-SAS: 回复@侯广_充电ing:大学免费版跟我要，有base, graph, miner, or, 计量经济学和时间序列。//@侯广_充电ing:全国数学建模马上就要开始 [ 微博 ]

2014-08-30 问: @小磊_DM_中二青年 在学搜索，请问有Nutch的相关资料吗？ 答: nutch主要做网络爬虫，可以和solr结合做搜索引擎。问答进展: http://t.cn/RhZN72R (卡片盒子 http://t.cn/RhZN72E 6个资源): nutch 的中英文安装短教程(此外看Nutch wiki); nutch工作流程; 最近很火的CommonCrawl也转用nutch [ 讨论 ] [ 微博 ]

2014-08-30 回复@icanswimwell: 美国的数据前几天才发过 http://t.cn/RhZJNoM （卡片盒子现有19项 http://t.cn/RhZJNox ) 美国政府在data.gov开放了十多万个免费、免版权的公开数据集 //@icanswimwell:感谢分享～～要有美国的就更好啦[挖鼻屎][挖鼻屎] [ 微博 ]

2014-08-30 回复@山雨清新: 原帖就是一个卡片盒子，链接可以在那里找到，现在已经16项了。同附链接 (200k book,1M rating)书籍 http://t.cn/RhZMPWc (10k movie, 10M rating)电影 http://t.cn/RhZMPWt //@山雨清新:请问新增补的两个评论数据集的链接？ 找了下，没找到 //@好东西传送门:回复@好东西传送 [ 讨论 ] [ 微博 ]

2014-08-30 回复@好东西传送门: 又增补了两个评论数据集： (10k movie, 10M rating)电影； (200k book,1M rating)书籍 //@好东西传送门:回复@海中的沙粒: 感谢提醒，这一次主要是针对该问题的资源整理，目前列表里原来有12项，现在有增补了CMU的ClueWeb2009网页数据集（10亿页），NIST TREC的测试数据 [ 讨论 ] [ 微博 ]

2014-08-30 [资料整理] @鱼片的小露宝 我正在学习hadoop,我想知道从哪里可以获取一些原始数据样本(就好像hadoop权威指南里面所说的NCDC的气象数据日志)来做数据分析的练习? 答： 一些大数据与目录: http://t.cn/RhZqcq9 气象遥感数据因有图片通常比较大；政府数据包罗万象；(社交)网络数据边多。 [ 微博 ]

2014-08-30 [数据资源] 日本政治、经济、地理数据大全（免费，可下载）http://t.cn/RhZb561 日本开放政府数据网站测试版（www.data.gov.jp）于2014年发布，现有来自21个政府部门的10,411个数据集。 其他数据源：历年人口、工业、经济普查数据； 政府预算数据； 地理信息数据；1947－2003议会选举数据 等 [ 微博 ]

2014-08-29 [好文略读|机器学习] Big data opportunities and challenges: Discussions from data analytics perspectives （综述，@南大周志华 等著）http://t.cn/Rh7IH66 感谢推荐人 @刘知远THU @RAYMOND__WU 等 [ 微博 ]

2014-08-29 Google2014 KDD 的文章，讲他们自动知识图谱提取项目Knowledge Vault的最新进展，比较了人肉众包生成的知识图谱（dbpedia, freebase,...)： http://t.cn/RhhjLVe Knowledge Vault: A Web-Scale Approach to Probabilistic Knowledge Fusion [ 微博 ]

2014-08-28 问： @钱知易： 能不能帮我找找大规模图像检索方面的资料以及这个领域的牛人（国内国外）？ 答： 初步结果：http://t.cn/RPe5HBt 中科大 杨晓冬有一个很全面的计算机视觉领域资料整理。兰晓松 在科学网上著有专家列表，2014年9月自动化所有一个“计算机视觉前沿研讨会” ，列举了许多国内著名专家 [ 讨论 ] [ 微博 ]

2014-08-28 问： @Don0719 有没有做正电子无损检测的大佬或者相关的书籍、文献啊? 答： 欢迎材料学问题。 问答进展看这里 http://t.cn/RPsI3yE 推荐R. Krause Rehberg 2010年的幻灯片。正电子湮没研究论文很多，还有专门国际会议。无损检测相关找到6篇。欢迎专家补充指正。 [ 讨论 ] [ 微博 ]

2014-08-27 问：@月光馆果果妈 请问从语音和视频资源共同进行学习的算法谁比较有研究啊 答： 深度学习是当前趋势(斯坦福，微软，谷歌都这样）。专家 Andrew Ng, Geoffrey Hinton, Li Deng, Louis-Philippe Morency, Ruslan Salakhutdinov, 微博技术控：@言语挖挖 欢迎补充指正 [ 讨论 ] [ 微博 ]

2014-08-27 传送一个关于学术笑话： 论文评审分两类，一种呢是评审截止日期早就过了，另一种是还没过期的。“There are two types of manuscript reviews. Those that are overdue, and those that are not overdue yet.” 如果看数据分布的话，估计最常见的是“明天就是评审截止日了，咋一篇都没审呢？” [ 微博 ]

2014-08-27 非常感谢 @董力at北航 他本科时候做的一个KDD2012demo http://t.cn/RPDwF8S （情感细分为厌恶、愤怒、高兴、悲伤四类 ）很好玩，分析各省人民的情绪彼岸花，小心地图炮呦？能下载数据。 此外他以前还推荐过 http://t.cn/Sc68lv Sentiment Symposium Tutorial [ 微博 ]

2014-08-27 非常感谢 @posa88 推荐 lingpipe的影评数据（基于IMDB）由康奈尔的 Lillian Lee 和 Bo Pang 提供 //@posa88:大连理工这个库用过，还行：http://t.cn/RPesat2 ，http://t.cn/bln2a [ 微博 ]

2014-08-27 问： @蒋宁平 求推荐中文情感计算资源，包括中文情感词库，尤其是细分情感种类的(比如喜爱，愤怒，悲伤…等)。 答：问答进展：http://t.cn/RPeutqb 初步答案：斯坦福有公开课和基于深度学习的成果。知乎有资源列表。刘兵教授有综述。数据看 NTUSD, 知网。微博问 @TT小和子 @黠之大者 欢迎指正补充 [ 讨论 ] [ 微博 ]

2014-08-27 回复@DataMooc: 有相关问答，整理中，参见 http://t.cn/RPmIw2I //@DataMooc:有没有Python版的中文分词开源工具？ //@好东西传送门:搭车再次推荐ansj, 孙健写的很有用的中文分词工具。http://weibo.com/5220650532/Bh9WGeljD //@ansj: 应该不是[衰] //@好东西传送门:@夏二货爱吃 [ 讨论 ] [ 微博 ]

2014-08-27 搭车再次推荐ansj, 孙健写的很有用的中文分词工具。http://weibo.com/5220650532/Bh9WGeljD //@ansj: 应该不是[衰] //@好东西传送门:@夏二货爱吃胡萝卜: 万恶的微软官网居然用自动翻译！是孙剑 //@夏二货爱吃胡萝卜:@图像视觉研究:的确是说错了。是孙剑。 //@严浩RB:这个孙健是写ansj的那个吗？ [ 微博 ]

2014-08-26 问：@pkuxkxjason 求推荐靠谱的自动摘要软件/服务。特别是针对科技类内容的。答: 问题进展 http://t.cn/RPg0Dkn 两个quora回答但实用工具可靠性低。还要请 @算文解字 指点迷津，他说过 “单文档summerization不是被snippet判死刑了么?” 找到相关文章 http://t.cn/RPg0DkH [ 讨论 ] [ 微博 ]

2014-08-26 问答进展：http://t.cn/RPgpH65 有不少IEEE Fellow, 华人还有 UIUC马毅（现在上海） 微软亚洲研究院：孙健 。到CVPR， ICCV上多看看能找到不少当打的大小牛 [ 讨论 ] [ 微博 ]

2014-08-26 问： @杨洋MQ Social Network 中 Spammer Detection 方面 都有哪些 中文、英文的数据集？答： 初步回答：http://t.cn/RPgtKAl 公开的大多是email，中文较老有2006 TREC , 2005 CCERT；英文有Twitter数据集和Spammer列表。近年未公开：Berkeley, ASU有Twitter研究; 国内要联系上交大。求更多链接 [ 讨论 ] [ 微博 ]

2014-08-25 //@昊奋: 这个之前通过@好东西传送门 介绍知识图谱时，介绍过这个probabilistic kb。其实离真正大规模可用还有很长路要走。所谓的可信大部分可在freebase中找到，也就是说freebase的质量和规模决定了很多 [ 微博 ]

2014-08-25 //@velvel2: 1）首位华人AAAI fellow杨强博士研究转移学习很多年了。多任务学习是其中一种 http://t.cn/aepeZn 2）Bengio的深度学习新书有一章也是关于转移学习和多任务学习的 http://t.cn/RPdxFds [ 微博 ]

2014-08-24 回复@phunter_lau: 感谢有爱心的专家 传送理由： 面试官的面经 //@phunter_lau:回复@好东西传送门:复制粘贴一下“我都是国外面经，都是谈谈你之前做过啥，你就做过啥讲了就行了。我们一般不测试面试人什么问题，默认他简历上说的都是真实的，然后拿几个实际问题看看他的看法和解决方向如何就基本上知道 [ 讨论 ] [ 微博 ]

2014-08-24 问： @尘绳聋-SYSU 大大ML面经来一发？急需 答：假设需要的是软件工程师求职，寻找机器学习（machine learning)面经。建议多看题，把自己的知识强化。很多问答系统都有常见面试问题列表, 初步有 reddit, stackoverflow, quora, 知乎 等。问答进展： http://t.cn/RPB1Sxf 欢迎补充指正,尤其是具体面经 [ 讨论 ] [ 微博 ]

2014-08-24 回复@AixinSG: 多谢补充，NUS 在这方面做的很不错，链接传送 http://t.cn/RPB3zgO 还有一篇相关的是 Addressing cold-start in app recommendation: latent user models constructed from twitter followers //@AixinSG:SIGIR14 有一篇 New and Improved: Modeling Versions to Improve App Recom [ 微博 ]

2014-08-24 问： @应豪超 ：有关于手机app推荐的文章吗 答： 就是找论文，关键词 Recommender Systems that Suggest Mobile Applications 。 初步结果 找到一个2011年移动推荐讨论班的幻灯片(领域综述)，一篇IUI2013 (列举feature), 一篇SIGIR 2013, 还有若干相关, 问答进展: http://t.cn/RPBuvdZ 欢迎指正补充 [ 讨论 ] [ 微博 ]

2014-08-24 传送理由：清晰的解题思路。补充一下，Haijie Gu 是GraphLab的联合创始人，现在CMU读博士。GraphLab 2013年融资6百多万美元。 （原文格式更好看一些，http://t.cn/RPBR5pm） [ 微博 ]

2014-08-24 转发理由： 你懂的 //@何_登成: //@传媒老跟班:@设定控 做过一个谷歌专题 http://t.cn/RvnDzSG ，提供了多种访问谷歌的方式，大家可以看看。尤其推荐其中提到的#美国在线# http://t.cn/hVO8E ，该站搜索结果就是谷歌的结果，速度很快。 [ 讨论 ] [ 微博 ]

2014-08-24 回复@MD_1stUP锐之翼: 全是野生的，所有物种活动活动观察记录网上都有，这是一条荷兰阿姆斯特丹的观察记录： http://t.cn/RPB5AWt 超市里只卖养殖的，野生的恐怕只能依律就地销毁 //@MD_1stUP锐之翼:是入侵华人超市吧[哼] [ 微博 ]

2014-08-24 问： @十月伤感wb 可否推荐些基于社交网络的推荐算法的资料，以及数据集，特别是数据集的下载地址谢谢了做推荐的很多都需要 答： [初步传送] 关于数据集: 斯坦福大规模网络数据集大全 (SNAP) http://t.cn/RPBqrcJ 关于推荐系统：看这里 http://t.cn/RPBqrci 问答进展: http://t.cn/RPBqrc6 求指点 [ 讨论 ] [ 微博 ]

2014-08-24 @斯库里 传送理由：为广泛传播的社交媒体消息提供严谨的科学依据 http://weibo.com/1820578701/Be7W6AouY [ 微博 ]

2014-08-24 大闸蟹来了。近年来全国满街都是阳澄湖大闸蟹的招牌，可你知道吗，大闸蟹也正在入侵欧美呢! 早上查了全球生物多样性信息库(GBIF, 5亿条带GPS定位的物种活动记录), Eriocheir sinensis (Chinese mitten crab)找到3400+记录: 分布在欧洲沿海，北美东部与五大湖区。当然, 阳澄湖不算 http://t.cn/RPBGJ8y [ 微博 ]

2014-08-24 网站上的数据早已分门别类整理好了，生物学者都可以直接查询使用。待会整个关于大闸蟹的 //@珏黛佳人GenderIT: WOW //@玛酷嘟纳噜多昕之张: 怎麼處理這些數據..？ //@黠之大者://@浙大陈为: //@好东西传送门: 在论文后面的507,825,517 (5亿) 条免费开放的带GPS坐标的全球物种观察记录才是关键 [ 微博 ]

2014-08-23 说起松鼠，就想起著名的 @科学松鼠会 这里的松鼠其实只是一个引子，在论文后面的507,825,517 (5亿) 条免费开放的带GPS坐标的全球物种观察记录才是关键，用到数据的800篇论文证明了数据的重要价值，值得传播 //@Coder_Chenzhi: 还是红松鼠好看，一直对云大的灰松鼠无感，总感觉灰松鼠的尾巴像锅刷。。 [ 微博 ]

2014-08-23 问：@七哥爱吃山楂片 能帮忙收集一下，国内外机器学习领域大牛的主页吗？ 答：这是一个不完整的名单，仅限于美国 http://t.cn/RP1Pp3s （资料卡片：http://t.cn/RP1Pp1v ）有不少资深院士级大拿，也有冉冉升起的助理教授。一家之言，欢迎补充指正。 图推中国教授 [ 讨论 ] [ 微博 ]

2014-08-23 可爱的灰松鼠竟然是入侵者, 占领了土著红松鼠的家园！如何估测外来物种与土著物种的分布范围呢？全球生物多样性信息库(GBIF)已为1百多万物种建立了5亿条活动记录, 此开放数据被800余专业论文使用。某论文用大量松鼠活动记录, 分析出气候因素与分布范围的相关性。GBIF资料: http://t.cn/RP3FuVI [ 微博 ]

2014-08-22 问： @蓝莲斯基：有没有关于uplift建模的资料? 最好先是具体案例，然后是论文讲解，希望能看到近来综述总结的论文 答：增量建模(uplift)可用来寻找“可说服”的人群，属于市场推广。找到 一些关于美国的银行的用例，还有保险业中的应用论文。初步问答进展 http://t.cn/RP3A4IC ，欢迎补充指正 [ 讨论 ] [ 微博 ]

2014-08-22 问: @AOzil 计算广告学的基本问题，如何以最小的代价，去评估一个媒体或是交易所的流量是否有价值？现在做法是各种投放,发现成本较高。 答: riverliu81 "以最小的代价去评估一个广告渠道为投放者带来的价值", copy成熟竞争对手; 小成本投放, 比较转化率; 电子邮件为王。问答进展 http://t.cn/RP3wGuN [ 讨论 ] [ 微博 ]

2014-08-22 [资料整理] 分段线性模型资料与软件 -- 入门篇 http://t.cn/RP3zJLu (cardbox http://t.cn/RP3zJL1 两个基本教程，一个进阶教程；各种编程语言的例子Mathematica, SAS, Matlab, R, python, RapidMinder 关键词: Piecewise linear regression 贡献者: @视觉动物晴木明川 @heavenfireray @禅系一之花 [ 微博 ]

2014-08-22 基于维基百科的统计：用一张地图把各国家／地区同与其相关的英文单词关联起来 http://t.cn/RPuKQqo 中国是dynasty和china。有好几个国家都是“World”： 英国，法国、德国还有日本。 越南倒是和French连上了，很有喜感。 [ 微博 ]

2014-08-21 [求传送] @isnowfy 问一下有没有免费的能用的中文的分词，标注，树库的数据呢，好多数据一个是不能免费获取，做为爱好者不知道哪里能得到数据自己来搞搞呢。初步线索：分词参@ansj 的推荐 http://t.cn/RPmMfFk 和@刘邵博 的词库 http://t.cn/RPmMfFD 免费中文树库求推荐 [ 讨论 ] [ 微博 ]

2014-08-21 小知识：电影海报里最常用的颜色是橙色和蓝色 。MoviePosterDB里有最全的电影海报数据库 http://t.cn/hqtlge 想想拿它能做什么有趣的应用吧？ [ 微博 ]

2014-08-21 问：@chico2011 @leo_lq 求推荐金融交易风险评估方面的paper 答： 找到 Financial Engineering and Risk Management Part I (Columbia University on Coursera)，但风险评估相关的只简单的介绍了一下VaR。还找到bitcoin和real estate相关论文 问答进展： http://t.cn/RPn8foN 求进一步传送 [ 讨论 ] [ 微博 ]

2014-08-21 [资源整理] MultiTask Learning资源合集 http://t.cn/RPnTjps 2014KDD最佳博士论文提名, WSDM2014最佳论文, 及与深度学习的结合。传送来自微博的优秀中文评论 @唐小sin @王威廉 @黄厝海滨 @李航博士 @李沐M@Copper_PKU @复旦李斌 @eeyangc @李晗littlefool @李亚超NLP @lby9 http://t.cn/RPnTj0v [ 微博 ]

2014-08-21 ［资源整理］MultiTask Learning 资源合集。传送：#SIGKDD#2014最佳博士论文提名，#WSDM2014# 最佳论文，#ICML#2008 经典论文，以及如何与深度学习的结合。并传送大量优秀中文评论 @唐小sin @王威廉 @黄厝海滨 @李航博士 @李沐M@Copper_PKU @复旦李斌 @eeyangc @李晗littlefool @李亚超NLP @lby9 [ 微博 ]

2014-08-21 问：@理想主义de患者 有没有音视频流媒体方面的资料啊？ 例如g729, g726 答：找到博达(broadcom)的对比贴（Codec Comparision） 问答进展： http://t.cn/RPnYhXO ....... 传送第一站完成，求大家帮忙继续传送，门也会继续帮助把问题澄清。 [ 讨论 ] [ 微博 ]

2014-08-21 问: (微信用户) 谁能推荐一个免费的网上会议系统(国内也能连的)? webex什么都要收费 答: 朋友推荐: uberconference, freeconferencecall,Moxtra。hackernews 推荐五个。看看开源 BigBlueButton http://t.cn/RPnWKl6。此外 bluejeans视频会议很牛但很贵。问答记录：http://t.cn/RPnWKlX 欢迎补充指正 [ 讨论 ] [ 微博 ]

2014-08-20 问: @sxhfut 能否推荐一下英文论文的学术不端检测系统或网站，免费的或者收费的靠谱的 答: 关键词Plagiarism, 初步答案与进展: http://t.cn/RPn5uwR Turnitin收费，有很多学校用户; Viper 有免费windows单机版; Plagium 免费在线不限长度, 上了两个排行榜，可以同时用几个交叉检测。欢迎补充指正。 [ 讨论 ] [ 微博 ]

2014-08-20 http://t.cn/RPEIus6 "Brewing Deep Networks With Caffe" 补一个他前段时间在CVPR关于Caffe的讲座 //@我爱机器学习: Caffe作者，学习 [ 微博 ]

2014-08-20 图片一向是知识产权斗争中的一个重要领域，英国的GettyImage 提供免费图片引用服务 http://t.cn/RPELwwS "You can embed a Getty Images photo on a website, social media site or blog for free and without having to buy a licence, as long as the photo is not used for commercial purposes" [ 微博 ]

2014-08-20 谢谢补充 The repository has been designed in 2009 by Reza Zafarani and Huan Liu. Huan Liu 是ASU的资深教授，各种院士 AAAI, ACM (Distinguished Scientist), AAAS, ASEE, IEEE (Fellow), SIAM; http://t.cn/zHsb5qk 回复 @唐小sin：http://t.cn/zjBLh8P ASU的一些数据，貌似还有豆瓣的 //@好东西 [ 微博 ]

2014-08-20 这是一个学术讨论贴，@郑梓豪爱文艺 在这里 http://t.cn/RPRegxF 更详细地描述了他遇到的研究问题，和初步想法，很希望能得到指点，并且与同学们讨论研究。先代他谢过了。 [ 讨论 ] [ 微博 ]

2014-08-20 回复@CodeColorist: 非常感谢，这个数据集非常好 http://t.cn/RPEhoMR “Collection and sharing of data for scientific analysis of Internet traffic, topology, routing, performance, and security-related events” 适合科研 //@CodeColorist:这个项目里自治系统（ASN）的数据是20 [ 微博 ]

2014-08-20 问: @andeguangshaqianwanjian 传送门啊，有python做神经网络（时间序列预测方面）的资料没 答: 准备一些入门知识 http://t.cn/RPRFdBG 基于神经网络的方案：试试Pandas； Github上有 theano-rnn 开源演示； 常规python时间序列分析 可以用scikit timeseries; 此外还有一些背景知识供你参考。 [ 讨论 ] [ 微博 ]

2014-08-20 [求指点] @郑梓豪爱文艺 网络媒体上发现热门话题的方法，如何在一个小「话题」，比如「机器学习」中发现新动态。 我想改进现有的热度函数heat算法，例如采用新参数（讨论者属性的混乱程度), 或分析用户行为在时间轴上的异常分布。 问题进展： http://t.cn/RPRegxF 找到的一些相关文献, 但都比较旧 [ 讨论 ] [ 微博 ]

2014-08-20 斯坦福大规模网络数据集大全（Stanford Large Network Dataset Collection， SNAP) http://t.cn/RPRgvZQ 由斯坦福教授Jure Leskovec整理。免费,清理过,可下载。十多种不同类型的网络数据集（社交;在线社区;电子邮件;引用;Web, ...）。 Friendster数据集有6千5百万节点，18亿条边。 [ 微博 ]

2014-08-20 [资源整理] 提高网站页面响应速度的解决方案 http://t.cn/RPRrPLn : 最简单用DNS A-Record, 反向代理及负载均衡 可以先考虑ngix, 进一步可用proxy分流 感谢贡献者： mahak(github), @BUPTGuo , @情非得已小屋, @新世界_玉兔 , @52cs [ 微博 ]

2014-08-20 [推荐] Google研究员贾扬清 @fs_Yangqing 分享GoogLeNet在2014大规模视觉识别挑战赛的经验(Large Scale Visual Recognition Challenge 2014)。"个人觉得，更有意思的是 how to get the number 而不是 what the number is。我从classification和detection两个track分别聊一下" http://t.cn/RPR1pLX [ 微博 ]

2014-08-20 [续求助] 问: @杜威Dewey 比较 nextenta、nutanix？ 答： 讨论与进展 http://t.cn/RPRunNs 有一篇不错的谷歌话题热度分析: http://t.cn/RPR3wtD 1.nutanix 与nextenta分类不同, 前者是 Boxed Storage, 后者是 Software-only Storage; 2.nutanix在增长,也有很多对手, nextenta 在下降, 仍占绝对优势 [ 讨论 ] [ 微博 ]

2014-08-20 [求助] 问: @杜威Dewey 互联网应用的分布式数据库存储使用网络存储有什么好方案吗？相对于昂贵的FC-SAN，性能一般的NAS，IP-SAN是不是比较好的选择。Nexenta、OpenFiler这些开源软件能上生产环境吗？有人说nextenta不合适用于互联网架构，说nutanix不错, 怎么看？ 讨论与进展： http://t.cn/RPRunNs [ 讨论 ] [ 微博 ]

2014-08-20 [知识]"星系动物园"(GalaxyZoo, http://t.cn/RPRnHTO )是邀请公众协助在网络上为上百万个星系在线上进行分类的天文学计划。2007年上线, 第一版两年分类了90万星系,免费数据下载 http://t.cn/RPRnHTl ; 2014 Kaggle Galaxy Zoo challenge头名用深度学习自动分类(RMSE 0.07467) http://t.cn/RPRnHTW [ 微博 ]

2014-08-20 罗马帝国的40张地图 http://t.cn/RPRnTsJ 罗马的兴起，罗马的对外战争，罗马内战，罗马与中国和印度的贸易，罗马的衰落与遗产，尽在图中。 [ 微博 ]

2014-08-20 原来GIF小动画也这么有用又好玩，果然是数据结构入门利器。 里面的例子里给的代码不熟悉，貌似伪码。 [ 微博 ]

2014-08-20 http://t.cn/RPRHgdY 补充树木计划链接 [good]//@复旦大学星空讲坛: 几天前星空还转过港中大的树木计划，希望旦旦也可以有自己的植物库[可怜] [ 微博 ]

2014-08-19 生物百科全书 Encyclopedia of Life(EOL) 是一个免费在线全球物种档案馆。它自2008年上线就涵盖了3万物种，到2011年九月已经达到70万物种, 目标是在10年内为1百90万余已知的物种建立档案。http://t.cn/RP8mYWn @陆浑戎 推荐的《中国植物志》在线版、台湾生命大百科 都可以算是全球EOL联盟的一部分 [ 微博 ]

2014-08-19 问: @jimmy_000 卷积神经网络CNN的“卷积”是一个什么样的过程？ 它是怎样将图像的编码从像素level 上升到NxN区块的 答: 初步答案 http://t.cn/RP8QjNH 看看Andrew Ng 写的短教程Convolutional Neural Network, 中文有bzjia的Deep Learning学习随记。@赵家平USC 讲了不少深度学习在图像处理的前沿成果 [ 讨论 ] [ 微博 ]

2014-08-19 [资料整理] 深度学习在语音识别的应用，入门篇: http://t.cn/RP8ll1s 向 @李开复 在CMU做的Sphinx(1988)致敬。介绍几个牛人和顶级团队： 微软 (邓力 Li Deng )和谷歌 (Vincent Vanhoucke, Geoffrey E. Hinton)。 [ 微博 ]

2014-08-19 [资源整理] 不平衡数据分类(Imbalanced data classification): http://t.cn/RP8NM2s 经典文献 MetaCost (Domingo, 1999), SMOTE(2002 Chawla), 以及2004 CMU Yanjun Qi 的综述(现UVA教授)；工具与数据集（WEKA,NLTK), GITHUB SMOTE的实现。感谢 @AixinSG @刘知远THU @xierqi @eacl_newsmth [ 微博 ]

2014-08-19 问: @唐小sin 有没有multi-task learning的相关学习资料呢？ 答: 维基百科上有不少经典文献。AAAI和ICML都有论文(北大/清华)。找到今年Honglak Lee (U Michigan 教授)的短教程。Lan Žagar 博士论文(2014) Ranking by Multitask Learning. 问答追踪: http://t.cn/RP8a3Ax 求补充 [ 讨论 ] [ 微博 ]

2014-08-19 [资源整理 ] 中文词汇语义相似度计算方法与工具 http://t.cn/RP8IYvH 包括：python gensim,word2vector, GloVe, Explicit Semantic Analysis 资料卡片： http://t.cn/RP8IYvT 感谢 @杜振东_java @刘知远THU @昊奋 @算文解字 @Mr_UnderWaterrrrrr @朱鉴 @西瓜大丸子汤 @董力at北航 @尘绳聋-SYSU [ 微博 ]

2014-08-18 搭车推荐 @赵家平USC 的微博 "Sebastian Seung 用CNN重建了老鼠视网膜里的plexiform layer；UCI的学者在nature上撰文说DL用于发现 希格斯玻色子"； Jeff Hinton组deep CNN(CovNets)在ImageNet； Fei-Fei组的 video classification with CNN 看问答进展：http://t.cn/RPQxZNF [ 讨论 ] [ 微博 ]

2014-08-18 非常感谢,身边的图像拼接/全景图应用:谷歌街景, iphone拍照, 汽车摄像头//@图像视觉研究: Lowe的Automatic Panoramic Image Stitching using Invariant Features绝对经典，OpenCV的拼接就是基于这个框架。另外沈向洋的Construction of Panoramic Image Mosaics with Global and Local Alignment也经典 [ 微博 ]

2014-08-18 问: @思考中的芦苇 有没有视频图像配准相关的资料呢？比如说卫星拍了一段地面上的遥感视频，如何从这段视频中提取出许多帧图像，然后进行图像配准，组成一幅地图呢？ 答: 关键词Image Alignment and Stitching, remote sensing, 问答进展见http://t.cn/RPQ63GQ 求交流指点 [ 讨论 ] [ 微博 ]

2014-08-18 阶段小结: 感谢热心专家 @唐小sin @善良的右行 推荐的好东西, 现在问答追踪 ( http://t.cn/RPQXlim )里已经有十几条相关文献了. 整理了一个总结, http://t.cn/RPQXliQ 看看行不行,欢迎参与编辑 [ 讨论 ] [ 微博 ]

2014-08-18 回复@善良的右行: 这几个推荐文章都很好呀,第一篇引用率都快400了. 要不是了解领域,谁能想到这个关键词呢, influential spreaders . //@善良的右行:@好东西传送门 惭愧，我也是菜鸟，当然很乐意共享：Identification of influentialspreaders in complex networks；Leaders in Social Networks, the De [ 微博 ]

2014-08-18 回复@唐小sin: 这篇文章很不错哦， 还对比了TunkRank， Topic-sensitive PageRank (TSPR) //@唐小sin:任何influence的文章都可以哪来读读，而至于意见领袖不妨看看twitterrank [ 微博 ]

2014-08-18 发现重要节点一直是社交网络研究的重要问题, 研究热点大约在2007~2010社交媒体蓬勃发展的时候, 2014年已经有influential user identification的综述了.鉴于这类研究的算法并不困难，但数据量较大且较难获得，研究前沿已经逐渐从学术界转移到工业界/创业应用。http://t.cn/RPQfWRW [ 讨论 ] [ 微博 ]

2014-08-18 感谢指正, 能不能推荐几个好东西, 咱也找找 social network analysis 的文献 回复@善良的右行: 这几篇论文略旧……当然引用率是不用说的……貌似问题本质是重要节点挖掘 [ 讨论 ] [ 微博 ]

2014-08-18 问: @马辰The_answer：主页君能否推荐一些用深度学习做推荐的文章资料 答: 问答进展 http://t.cn/RPQMg7Q 找到一篇今年8月新鲜出炉, Spotify的实习生博文: Recommending music on Spotify with deep learning .今年2月有人讲Netflix的电影推荐. 欢迎补充指正 [ 讨论 ] [ 微博 ]

2014-08-18 问: @山东工商学院白建磊 有没有新媒体意见领袖领域方面的文献可以推荐？ 答: 问答进展 http://t.cn/RPQfWRW . 初步推荐: 意见领袖 (opinion leader), user influence, twitter, 有几篇引用率很高的论文分析了Twitter用户影响力. 还有, 社交媒体信息传播综述. 欢迎补充指正. [ 讨论 ] [ 微博 ]

2014-08-17 //@见习烟酒生:出轨检测。。居然还有这么实用的案例//@西瓜大丸子汤:里面有一篇“女人是如何发现另一半出轨的” [哈哈] [ 微博 ]

2014-08-16 [求指点] @小白_小可乐：能帮忙找点"背景建模"的资料么？就是图像前景提取的方法. 关键词: 图像前景提取(Foreground Extraction), 视频分析, 背景建模(background object detection) 问答进展看这里: http://t.cn/RPTWX7w [ 讨论 ] [ 微博 ]

2014-08-16 大家一定要看韩家伟老师的异常检测讲义(是他数据挖掘教材第三版的第12章),就56页. 简明扼要! 直接给个讲义PPT 下载传送门 http://t.cn/RPTLh7M [ 微博 ]

2014-08-16 问:@ai_东沂 异常检测应用在文本挖掘 答: 异常检测(outlier/anomaly detection)和文本挖掘(text mining)都是大课题。几篇异常检测综述(如韩家伟的讲义) 与应用（如发现金融欺诈); 几个异常检测用在文本挖掘的综述(如在对话流中发现新话题),以及话题模型的文献(如翟成祥的讲义) http://t.cn/RPYnZD8 [ 讨论 ] [ 微博 ]

2014-08-16 @维尔茨 问:有木有关于循环神经网络在segmented sequence labeling方面的papers? 答:多伦多大学Alex Graves有专著. 基于recurrent neural networks(RNN)研究, @ICT_朱亚东 推荐Herbert Jaeger的短教程. Jürgen Schmidhuber教授收集了60多相关论文, 微软研究院用RNN做自然语言处理 http://t.cn/RPYQVsY [ 讨论 ] [ 微博 ]

2014-08-15 [实事求是学大数据] @猴山寨主找夫人 问：是否能提供一个入门级的大数据指导方案．答：盲目上大数据技术很容易浪费学习时间和运营成本。这里我们列了一个极简版，面向的是普通基础、需要从一般数据处理任务逐步扩展到大数据的用户，见长微博。完整导读见本文文字版 http://t.cn/RPjCbl7 [ 讨论 ] [ 微博 ]

2014-08-15 [good]//@孙明明_SmarterChina:这些资料都没有提到manifold Learning中的一篇非常重要的文献：Yoshua Bengio 的 Non-Local Estimation of Manifold Structure http://t.cn/RPj5iYv。 这个文章揭示了LLE/ISOMap代表的一类流形学习方法无法直接广泛应用的宿命。 [ 微博 ]

2014-08-15 Apex出品 [good]//@zwner:个人觉得最普适有效的经典算法是SVD++ http://t.cn/RPjLPjx，在推荐模型本身上最有深度的是MF-GBRT http://t.cn/RPjLPjM。如果你想用一个code快速实现不少推荐算法，那请毫不犹豫使用我们的SVDFeature http://t.cn/zYRnUMA [ 微博 ]

2014-08-14 这个例子很合适送给@oyyNyanCat “机器学习数据挖掘方面的简单有趣应用” http://t.cn/RPlYDZx [ 微博 ]

2014-08-14 特别推荐。最优化，逻辑回归，最大熵，主题模型，深度学习，相似度，搜索，一脉下来，整理的深入浅出，非常清晰。传送门君以前读过前一半，现在终于写全了！ [ 微博 ]

2014-08-13 最新数据显示: 美国Snapchat的用户渗透率稳步上升，在18-34岁的消费者市场首次超过Twitter。主要动力来自18-24岁人群的追捧。 http://t.cn/RPWBC1c [ 微博 ]

2014-08-13 最近我们推荐过四组深度学习的资源，分别为语音检索，文本挖掘/自然语言处理，图像检索，最热深度学习Github项目。为方便大家浏览/粘帖，现在制作成可下载的PPT，每页是一个推荐资源的预览。百度云盘 http://t.cn/RPWoSHq slideshare http://t.cn/RPWoSHb 原始PPT http://t.cn/RPWoSH4 [ 微博 ]

2014-08-13 http://t.cn/RPW6muz ACL2014 Semantic Parsing Workshop的slides 感谢@老淘 @波多野丽猪 推荐 [ 微博 ]

2014-08-13 //@ansj: @52nlp @好东西传送门 @v_小峰_v 墙裂推荐.应该是史上公开的最大最完整的中文词库了 [ 微博 ]

2014-08-13 回复@Liufool: 非常感谢，这个补充太专业了，果然是windows高手。话说微软的语音识别还是很牛的，你看这个当入门文档行吗？ http://t.cn/RPWwj0A 顺带说一句, 曾经亲眼看见一个盲人科学家用语音操控windows笔记本。 //@Liufool:microsoft speech platform是服务器版windows可免费应用的语音识别， [ 微博 ]

2014-08-13 问：@VoidStars 请问想提取一段文本里的中文姓名（0～1个） 有好的开源库和教程吗 答： 常见方法就是分词，再利用姓名词库和上下文关系来确定。 知呼有一个综述。google有专利。 @52nlp 也有大量博文讲中文分词。开源工具比较有名的有jieba, snownlp, stanford-nlp-ner. http://t.cn/RPWP2h1 [ 讨论 ] [ 微博 ]

2014-08-13 问: @yongsun 有没有开源或者免费的英文语音识别软件/或项目？打算翻译一些冰球教学的视频，想结合识别结果来进行听译 答: Windows7/8 自带语音识别功能，Google Chrome有基于云端服务的识别插件，软件方面Nuaunce的Dragon很牛(SIRI就是靠它做语音识别). 开源软件列表看维基百科。http://t.cn/RPODalA [ 讨论 ] [ 微博 ]

2014-08-13 问: 做 logistic regression 有啥好用的库吗？ 需要处理几十万个 features， 然后几十亿个training data的。 features 是极其稀疏的，Sparsity大概万分之一左右吧 答: 有不少开源库： Spark(MLlib), Mahout, R+Hadoop, Hadoop, Scalding(Conjecture)。有2014分析指出SPARK比较快。http://t.cn/RPOddon [ 讨论 ] [ 微博 ]

2014-08-13 [问题求领养] @不非否nonono：请问有没有关于causality与Bayesian Network有关的资料？http://t.cn/RPOR7Iv。除了Judea Pearl的书，大家有什么推荐？有没有你觉得比较好的教程？BTW, 以前在Python站上有过不少和贝叶斯相关的推荐资源 http://t.cn/RPOrpGD [ 讨论 ] [ 微博 ]

2014-08-12 @刘知远THU 推荐：翟成祥老师(UIUC)的综述专著：Statistical Language Models for Information Retrieval（信息检索中的统计语言模式）(2008)，从BM25到PLSA, LDA，回顾了领域发展并总结了未来的挑战。 [ 微博 ]

2014-08-12 [NLP讲义下载,125页,PDF] 翟成祥老师(UIUC)今年在澳大利亚数据库博士短训班的教程:"Statistical Methods for Mining Big Text Data" 介绍两种基于统计语言模型(Statistics Language Model)的基本话题模型(Topic Model): LDA和PLSA的原理及应用。最后列出六个未来研究课题。http://t.cn/RPO7vtW [ 微博 ]

2014-08-12 //@昊奋: 对于ESA，如果单纯使用wikipedia，由于中文维基百科的语料相比英语小很多，所以其实不满足ESA本身需要有高覆盖率的好处，需要自行采用百度百科或互动百科进行处理。我们会考虑利用zhishi.me来为大家提供ESA的服务。 [ 微博 ]

2014-08-12 这个问题还有很多其他选择方案，如知网。一些正在issue 67下讨论 http://t.cn/RP0pPIt 欢迎去那增补（留言请留下你的微博号） [ 讨论 ] [ 微博 ]

2014-08-12 @talkto廖华 请问有没有好用的中文词汇的语义相似度计算工具？答：多种分布式表示方法都可以计算语义相似度，中英文均可以处理。如近来的word2vec http://t.cn/RPOvesp 和glove。@刘知远THU 推荐ESA(Explicit semantic analysis)，在稳定性上可能更优，一些开源项目和文章如下 http://t.cn/RPOvesj [ 讨论 ] [ 微博 ]

2014-08-12 问：@all_shuffle cassandra调优的资料 答：可以去datastax和cassandra wiki去找资料。优化点含数据建模、读写I/O、存储压缩、JVM。要注意cassandra版本。也可以看看Ebay, Netflix的应用案例。http://memect.co/ioPLBIK [ [微博](http://www.weibo.com/5220650532/BhTnSbw2s) ]

2014-08-10 @唐小sin 问：现在社交网络的研究焦点在哪? 答：感谢清华大学@唐杰THU 教授提供答案，在他与密歇根大学梅俏竹教授合写的综述《数据挖掘学科发展报告》第2.2 部分“社交网络分析和图挖掘研究”分析了诸多前沿方向，如网络结构分析、图模式挖掘、信息传播和影响力建模等，可供参考 http://t.cn/RPNVntW http://www.weibo.com/5220650532/BhCrZ8DO1?mod=weibotime

2014-08-10 http://t.cn/RPNLDbW 用Python打造图像分析应用你需要知道的15个软件包：计算基础Numpy Scipy 图像基础matoplotlib PIL/Pillow 图像进阶OpenCV SimpleCV mahotas scikit-learn ilastik 其他pprocess h5py scikit-image Medpy 完整列表 http://t.cn/RPNLDb0 http://www.weibo.com/5220650532/BhBkrkfWg?mod=weibotime

2014-08-09 如何用Python打造高可用性网站？这组来自highscalability的文章展示了如何利用Python服务以亿计用户的网站，包括耳熟能详的Youtube(视频)、Reddit和Digg(新闻分享)、Dropbox(云存储)、Instagram和Pinterest(图片分享)等。下次有人疑问Python的性能，和ta分享这组文章吧 http://t.cn/RPCutKS http://www.weibo.com/5220650532/BhxxQjtja?mod=weibotime

2014-08-09 @我爱机器学习 问： 判断两张图片是否是同一内容（只考虑光照、倾斜、模糊、偏移等因素）的资料有否？答：@CD--挨踢民工巍然 推荐了lire，OpenIMAJ @申砾 推荐了pHash。lire和OpenIMAJ都是java的，openimag可以处理视频，关键点匹配，人脸识别等。pHash是C++的图像哈希软件 http://t.cn/RP9aFVz http://www.weibo.com/5220650532/BhqBFulcq?mod=weibotime

2014-08-08 问: @ 红星照大龙 有没有机器学习对具体设备（比如四轴，双足机器人，运动控制）在控制性能方面提升（稳定性，响应速度）的工具或者资料？ 答：是不是Robot Learning或Adaptive Control,请看综述,工具,研究组和学会。两篇维基的参考资料都挺好。http://memect.co/Ehc3uFo [ [微博](http://www.weibo.com/5220650532/Bhl75C7mP) ]

2014-08-08 问： @ai_东沂 木有关于社会化标签挖掘的相关资料? 答： 社会化标签(folksonomy)在十年前很热了一阵，相关研究也主要集中在那一段时间（印第安那的一个博士生整理了一个文献清单）。还有两个综述论文（KDD那篇来自韩家伟的学生，另一篇KER来自一个语义Web的研究组）。不太全面，欢迎指正。http://memect.co/eOcfnQA [ [微博](http://www.weibo.com/5220650532/Bhl1QAnEn) ]

2014-08-08 问：@图像视觉研究 有没有经典的Multi-Class boosting的相关资料推荐推荐？ 答：找到几篇经典论文，几个幻灯片、录像以及工具包。相关学校有MIT，UCSD，Stanford，umich等。软件有C++, Pythton (scikit-learn) 实现，也有几个GITHUB开源软件。http://memect.co/fVshb4Z [ [微博](http://www.weibo.com/5220650532/BhgJ0hHvLY?mod=weibotime) ]

2014-08-08 问：@andeguangshaqianwanjian 求python做神经网络的资料 答：找到十个工具，pythonWiki5个，Github里2个，其他（好像比前两类常用）3个。http://memect.co/no0jyMY [ [微博](http://www.weibo.com/5220650532/BhkMjyL4g?mod=weibotime) ]

2014-08-07 @医学统计分析精粹 推荐的免费数据集。涵盖各个行业。第六组：一些大的数据仓库，如data360.org, R datasets Package, Google Public Data, Infochimps, datamob http://data.memect.com/?tag=publicdomain+hao60 [ [微博](http://www.weibo.com/5220650532/Bhbllse6Y?mod=weibotime) ]

2014-08-07 @医学统计分析精粹 推荐的免费数据集。涵盖各个行业。第五组：理工科数据8类，包括地理、航天、癌症、气候、农业、生物等 http://t.cn/RPSkuaV 社会科学5类，包括GSS社会调查、劳动就业、Pew Research研究所的数据、UCLA数据门户 http://t.cn/RPSkuac [ [微博](http://www.weibo.com/5220650532/Bhbj57moY?mod=weibotime) ]

2014-08-07 @医学统计分析精粹 推荐的免费数据集。涵盖各个行业。第四组：SNAP斯坦福的网络数据集 http://t.cn/RPSkGc9 ，Time Series Data Library近800个时间序列数据（经济、水文、气象、农业各种）http://t.cn/RPSkGci 一些大学实验室的数据集，如OSU金融、CMU统计、UCLA SOCR概率 http://t.cn/RPSkGc6 [ [微博](http://www.weibo.com/5220650532/BhbfM2eN5?mod=weibotime) ]

2014-08-07 @医学统计分析精粹 推荐的免费数据集。涵盖各个行业。第三组：政府数据，有美国的data.gov，英国的data.gov.uk、澳大利亚数据、加拿大数据、联合国数据、三藩市、纽约市、伦敦市数据。用DataMarket搜索和可视化数据 http://t.cn/RPSDceG [ [微博](http://www.weibo.com/5220650532/Bhbaxj6xo?mod=weibotime) ]

2014-08-07 @医学统计分析精粹 推荐的免费数据集。涵盖各个行业。第二组：机器学习数据源20+，包括Amazon Public Data(一共56个超大数据，如人类基因组，Common Crawl全球网页， Freebase，Wikipedia等各种宝贝)、航空、天气、医疗、音乐、电影、社交网络，Web点击 http://t.cn/RPSev91 [ [微博](http://www.weibo.com/5220650532/Bhb3qqHUg?mod=weibotime) ]

2014-08-07 @医学统计分析精粹 推荐的免费数据集。涵盖各个行业。第一组：经济数据4个http://t.cn/RPSgSkR 世界银行Indictors, EconData, AEA(美国经济协会)RFE, GapMinder 金融数据8个：CBOE Futures Exchange， St Louis Fed， NASDAQ， OANDA， Quandl，Google/Yahoo http://t.cn/RPSgSkE [ [微博](http://www.weibo.com/5220650532/Bhb0wrN4O?mod=weibotime) ]

2014-08-07 ansj分词的作者@ansj 为我们介绍中文分词。工具有Java的Ansj分词、结巴分词Python版与C++版。基础文章《中文分词的原理与实践》。常用的算法：条件随机场CRF, 隐马尔科夫模型HMM。常用数据结构：Trie树和双数组 http://t.cn/RPSQlCE @ansj发起了nlpcn.org开放自由的NLP平台，NLPer都该去瞅瞅 [ [微博](http://www.weibo.com/5220650532/Bh9WGeljD?mod=weibotime) ]

2014-08-07 美国疾病控制与预防中心卫生经济学家 @陈茁博士_Adam 提供：准确的**卫生统计数据**是卫生经济政策的基础。这里提供了一组最重要的数据站点，包括国际组织（WHO, OECD, Worldbank, UNICEF）、美国政府部门(CDC, CMS,AHRQ)、中国的卫生计生统计。更多参芝加哥大学卫生统计数据门户 http://t.cn/RPSa7hk [ [微博](http://www.weibo.com/5220650532/Bh8lRehxo?ref=) ]

2014-08-06 @uso小驴酱 问**sparse representation for computer vision** CV领域教授Lyu回答： ECCV2012有计算机视觉稀疏表示的教程 。主讲人Yi Ma, Allen Yang, John Wright均是该领域核心专家。讲座包括了理论基础与实践。合集中还包括相关的Fast l-1和Convex Optimization方法 http://t.cn/RPam664 [ [讨论](memect#25) ] [ [微博](http://www.weibo.com/5220650532/Bh2vHlUlG?mod=weibotime) ]

2014-08-06 W3C研究员@吴伟1st 推荐: **关系数据库RDB转RDF的工具**。RDF是网页元数据交换的国际标准，是知识图谱和链数据发布的首选语言。从传统的关系数据库到互联、有丰富语义的数据，已有大量转化和查询工具。这一组推荐包括了Oracle和Virtuoso工业实现和很多开源、研究项目、R2ML语言 http://t.cn/RPaNM6h [ [讨论](memect#52) ] [微博](http://www.weibo.com/5220650532/Bh173BPZf?mod=weibotime) ]

2014-08-06 @昊奋 推荐：在这个机器学习大行其道的年代，了解规则系统，以及他们之间的结合是很有必要的。推荐纽约州立大学Stonybrook分校Senlin Liang的工作**OpenRuleBench：比较了5种不同类型的规则系统**，演绎数据库, 语义规则引擎, 基于Prolog系统等，如jena， dlv jess xsb owlim http://t.cn/RPaGJHV [ [微博](http://www.weibo.com/5220650532/BgZ9CtRHL?mod=weibotime) ]

2014-08-06 [经典资料] **Google云计算的7个里程碑**: GFS(文件系统), MapReduce(计算模型), BigTable(结构数据存储NoSQL), Dremel(大数据查询分析), Colossus(GFS第2版), Spanner(BigTable＋分布式事务管理), Compute Engine(云计算平台，AWS竞争对手)。含原论文、幻灯片、短教程以及业内风评 http://t.cn/RPaU89N [ [微博](http://www.weibo.com/5220650532/BgYHoimrP?mod=weibotime) ]

• 2014-08-05 [公开课] 斯坦福的计算广告学入门。整个教程一共9讲，包括市场设计、文字广告、上下文广告、展示广告、广告定向、广告推荐、和新形式广告。这是网上为数不多的计算广告学公开教程，由两位Yahoo科学家Andrei Broder和Vanja Josifovski,主讲，乃多年实战经验总结。http://t.cn/RPX0423 [ 微博 ]

• 2014-08-05 回答集编程（Answer Set Programming）是一种强大的规则推理语言。它可以用于解决那些困难（例如NP-hard）的问题。从数据库查询，自然语言理解，生物信息学，到石油勘探，ASP有非常广泛的应用。@Logician_wolfel 推荐了一组最新的ASP教程 http://t.cn/RP6kRm4 有逻辑的问题请教他没错 [ 微博 ]

• 2014-08-04 @昊奋 关于知识图谱的第二组推荐：知识图谱的构建及其应用，介绍了probabilisic KB（Google） KnowledgeVault，Sonya， Satori/Probase (Microsoft)，YAGO，LOD2等重要的知识图谱系统。知识库构建，实体抽取、实体链接，查询理解和扩展， 语义搜索，等基础技术汇集在10篇核心文献http://t.cn/RP6JCGn [ 微博 ]

• 2014-08-04 @西瓜大丸子汤 问：识别水贴（微博，回复，留言）和有价值的贴。这个各路英雄有没有能指点一下的？ @刘知远THU 答：刚看到 软件学报 上有篇研究综述：网络水军识别研究。 @QPCN 答：今年www有个tutorial，utah state的lee,关键词crowdturfing 汇总如下： http://t.cn/RP6MOOV 欢迎增补 [ 微博 ]

• 2014-08-04 SSDB是一个高性能 NoSQL 数据库, 支持哈希表，集合，列表等数据结构。它作为redis的替代或补充，可以用很小的内存代价实现十亿级别数据的存储。工具与生态系统生长非常迅速，已为众多互联网企业所使用。核心推荐资源 http://t.cn/RPi1q47 所有资源http://t.cn/RPi1q4h 作者是@ideawu [ 讨论 ] [ 微博 ]

• 2014-08-04 极客杨的OCR工具箱：Tesseract 是目前应用最广泛的免费开源OCR工具（背后有Google的支持）。商业产品有ABBYY的finereader，还有Adobe;国产的有文通和汉王。当前热点是将OCR移植到智能手机上拓展新的输入渠道、IOS有基于Tesseract的实现，Android有高通vuforia API。资料卡片流： http://t.cn/RPiRyYc [ 讨论 ] [ 微博 ]

• 2014-08-04 @AOzil 问：可否推荐一些创意自适应的资料 答：Creative Optimization是一种面向用户自动优化广告内容与展示的技术。斯坦福大学计算广告学入门 http://t.cn/RPiQ6Zn 阐述了基本概念 10个相关厂家从不同侧面的介绍与宣传 http://t.cn/RPiQ6Zm 新闻 和国内专家@刘铁岩 的评论 http://t.cn/RPiQ6ZR [ 讨论 ] [ 微博 ]

• 2014-08-04 @zbyufei 问:基于python开发的Code online系统有哪些。类似于Cloud9 IDE的。@登州知府 答：开源Online IDE的开发语言比较常见的是Node.js, Java和PHP，python的真没怎么见过。支持Python的IDE，@南京话zen好听 推荐 koding.com @康积华_绩点侠 推荐codeskulptor，所有IDE列表见 http://t.cn/RPxOOPE [ 讨论 ] [ 微博 ]

• 2014-08-03 @孙明明_SmarterChina 特别推荐@李航博士 和@徐君_ 的新书**《Semantic Matching in Search》该书阐述了搜索中语义匹配的基本方法**，如查询重写，关键词依赖，翻译，主题模型， 潜在空间模型Latent Space Model, 学习匹配Learning to Matching等。作者提供了电子版下载。预览与目录 http://t.cn/RPiq2hc [ 微博 ]

• 2014-08-03 [微综述] 搜索专家 @孙明明_SmarterChina 在"知识图谱与搜索引擎"中推荐了建立知识图谱和利用知识图谱的12篇重要文献，涵盖利用百科数据，挖掘生成知识图谱，搜索引擎页面排序，利用实体标注、语义匹配，查询中的实体映射等前沿话题。导读 http://t.cn/RPiGS3l 文献列表 http://t.cn/RPiGS3O [ 微博 ]

• 2014-08-02 产品设计的死循环（参见高尔定律第二原则）。附：高尔定律（Gall's law） 1、成功复杂系统是从已经成功的简单系统演进而来；2、凭空设计出来的复杂系统不会成功、再怎么打补丁也不行，只能推倒重来；3，简单系统未必成功。 [ 微博 ]

• 2014-08-02 Sibyl是Google正在使用的分布式机器学习平台。它于2010年在大规模分布系统论坛（LADIS）就做过主题报告，今年又到DSN做了一次主题报告（视频林大原则讲得很清楚）。到底这四年有什么变化，看看下图（含四个关键幻灯片）就明白了。相关资料合集传送门： http://t.cn/RPxQZIN [ 微博 ]

• 2014-08-02 @理想主义de患者 问：有没有垃圾邮件检测的项目啊。答：比较有效的方法都是结合机器学习与人工知识的。最有名的开源项目是SpamAssassin，可以从很多语言调用如Python 。另有个开源项目Stopspam也值得关注。更早基于机器学习的项目合集中也有个列表 http://t.cn/RPxTJgO [ 讨论 ] [ 微博 ]

• 2014-08-02 @羊_o羊o羊爱小破厂 问：需要tornado的资料。答：Tornado是一个非阻塞式Python网络框架，并发性能优于大多数其他Python框架。这组资料是基本介绍，中英文都有 http://t.cn/RPxYjIs 更多见Python精华区Tornado资料 http://t.cn/RPxYjMv 稍后我们会分期介绍它与Gevent, Nodejs, Flask的比较 [ 讨论 ] [ 微博 ]

• 2014-08-02 @钱知易 问有没有机器学习和深度学习在多媒体信息检索领域的资源？答：机器学习应用太广，本条只涉及深度学习。其中图像检索@姚鹏鹏YPP 已问过，见答案http://t.cn/RPxj0Y6 语音检索，Google语音组和微软邓力等是领先的，他们主页上的文章基本代表了前沿，一些教程在此 http://t.cn/RPxj0Yi [ 讨论 ] [ 微博 ]

• 2014-08-02 世界级专家精选讲义第一组，今天推出RPI的James Hendler （维基百科介绍 http://t.cn/RPxlN6p ）研究领域人工智能和Web科学，前IEEE Intelligent Systems主编。合集有40个讲义 http://t.cn/RPxlN60 17个视频 http://t.cn/RPxlN6W 特别推荐3个 http://t.cn/RPxlN6O 全集 http://t.cn/RPxlN6l [ 微博 ]

• 2014-08-02 [求援] @zbyufei 问:基于python开发的Code online系统有哪些。类似于Cloud9 IDE的。进展：主页君找到了9个支持Python的在线IDE，如ideone, repl.it, codepad http://t.cn/RPxOOPE 但没有发现基于python开发的开源系统。向社区达人求援！更新汇报 http://t.cn/RPxOOPn [ 讨论 ] [ 微博 ]

• 2014-08-02 推荐一个emacs的很长长长长长长长长....的英文迷你教程，有无数小动画，非常容易懂，看得出是下了功夫的。进去看两眼您就赶紧藏转发吧，这还只是第一部。我怎么觉得这跟一口气看完某韩国连续剧一样一样的呀。http://t.cn/RPxLa51 同意它是有史以来最长的emacs教程请举手！ [ 微博 ]

• 2014-08-01 问：wechat:泡泡龙: 我想知道query意图分析（query分类）有哪些方法？ 答：搜索关键词： query意图分析 ，query intent，query classification，user intent。 2009 年的一个综述（有幻灯片）。淘宝搜索Query的15个类型；本地搜索（微软专家）；图像搜索（雅虎专家）。卡片合集：http://t.cn/RPxPp13 [ 讨论 ] [ 微博 ]

• 2014-08-01 @小77you 问：关于graph DB有哪些开源的东东。@昊奋 答：Graph DB有两个分支，一个来自SW，以RDF triple store起家，括Jena， Virtuoso， AllegroGraph等 。另一个分支来自NoSQL，以Property Graph作为底层数据模型，包括Neo4J，Titan等，导读http://t.cn/RPxPAnt 15个数据库 http://t.cn/RPxPAn5 [ 讨论 ] [ 微博 ]

• 2014-08-01 讲一下Facebook新的开源Javascript类库immutable.js http://t.cn/RPMDhro 此项目受David Nolen (ClojureScript大神)的Mori影响，支持多种Immutable数据结构（如哈希映射）并超出目前很火的react.js ,支持微软的TypeScript。immutable数据结构在javascript中利于降低存储代价，提高数据版本控制的效率 [ 微博 ]

• 2014-08-01 社会机器Social Machine是Web发明人Berners-Lee和语义网领袖Hendler提出的概念：人与机器/人工智能如何协同工作，完成复杂问题？中国的人肉搜索是他们认为最好的例子，与中国学者合作做了大量研究。@QPCN 教授提供了该主题精炼导读 http://t.cn/RPMNDa5 并列出最重要的文献与讲义http://t.cn/RPMNDaq [ 微博 ]

• 2014-08-01 @瀟灑小弟 问：有木有深度学习在文本挖掘或者自然语言处理(NLP)方面的好的资源？ @panjf1987 提供答案：被推荐过最多是Richard Socher 的Deep Learning for Natural Language Processing (without Magic) 这个tutorial在NAACL 2013和ACL 2012都做过。讲稿，视频，参考文献整理如下http://t.cn/RPMSxHq [ 讨论 ] [ 微博 ]

• 2014-07-31 知识图谱的构建离不开人的参与，众包作为一种新兴的方式来获取廉价的标注，评测甚至群体智慧会发挥越来越重要的作用。国内这领域的权威专家 @昊奋 推荐了一组必读文章，有概述、医疗领域知识库众包、众包的链接数据管理、概率推理和众包结合、考虑用户模式的众包、实体链接的众包 http://t.cn/RPI33jW [ 微博 ]

• 2014-07-31 @认知计算_Watson 推荐IBM Watson系统最新的介绍文章：Watson在医疗的应用，Watson中的关系提取，多尺度流形学习(Manifold Learning)方法 http://t.cn/RPIxcVY [流形学习两篇文章也供@uso小驴酱 参考] 大数据专区现在有93篇Watson的论文和报导。http://t.cn/RPIxcVl [ 讨论 ] [ 微博 ]

• 2014-07-30 @noavailableAccount 问：有没有KVM(kernel-based Virtual Machine)的学习资料 答：http://t.cn/RPfGM0H 有个cmu课程(24~27)覆盖了虚拟化的重要文献。最相关的有两篇经典论文；几个幻灯片与短教程；一个英文社区。几个中文博客的对比类概述。还有一本国内风评不错的教科书 [ 讨论 ] [ 微博 ]

• 2014-07-30　感谢@北京-小武 推荐的云计算白皮书，已收录到大数据精华区 http://t.cn/RPfx7P7 为方便大家快速浏览，文中所有的图表已摘出来单列，更加节约略读时间 [ 微博 ]

• 2014-07-29 @鱼片的小露宝 问：希望大数据分析和机器学习方向推荐一些书,最好是java而且比较基础容易上手的。答: Kirk Borne推荐过15本书 http://t.cn/RPcpSHG 用Java入门可以先学Weka Mahout和MLTK。这有一组入门资源 http://t.cn/RPcpSHb @朝花夕拾录 推荐过的CMU机器学习暑期班也非常好 http://t.cn/RPcpSHq [ 讨论 ] [ 微博 ]

• 2014-07-29 问：@北冥渔翁 我要找windows服务器维护管理进阶的资料 答：服务器管理进阶通常是由新需求触发的，例如系统升级，效率优化，安全补丁，软件安装。这里 http://t.cn/RPcOYXo 罗列了一本免费书，几个博客与论坛， 希望微软专家（尤其是MVP）补充指正 @肥九叔 @曾经胖哥 @月光博客 @Edi_Wang [ 讨论 ] [ 微博 ]

• 2014-07-29 @norvid 问:求数据仓库的元数据的相关综述资料。 答：数据仓库自2000年起逐渐从学术研究转到工业应用。热点是大数据挖掘，但元数据仍是数据链接聚合之关键。http://t.cn/RPV4wmy 罗列几个综述。推荐看uzh的幻灯片和Gartner分析报告。搜索词：logical data warehouse, Ontology-based Data Warehouse [ 讨论 ] [ 微博 ]

• 2014-07-29 @娄琦天天刷围脖: 请问有没有Python集成Fortran项目的实例？答：历史上有F2Py作为Python的Fortran接口，现在已经集成到Numpy里了。numpy底层很多计算都是Fortran的，所以大量Python项目已经在间接用Fortran。具体的语法例子看这里 http://t.cn/RPVqpLo [ 讨论 ] [ 微博 ]

• 2014-07-29 @心心xi 问：可否推荐一些关于recommendation的相关论文呢？ 答：有三组不错的资源 @小飞鱼_露 推荐了20多篇论文 http://t.cn/RPcWrNz 其中有@唐杰THU 的工作。@清风运文 列举过推荐系统的19个开源工具 http://t.cn/RPcWrN7 @朝花夕拾录 刚分享了大数据上的推荐系统 http://t.cn/RPcWrNP [ 讨论 ] [ 微博 ]

• 2014-07-29 @winsty 提到了梯度提升决策树Gradient Boost Decision Tree (GBDT) 这是一种模型组合的方法，利用简单模型的组合克服过拟合等问题。目前在推荐/Learn to Rank中广泛使用，如Yandex，也被称为MART/GBRT。这里列出几篇核心论文和R/Python/C++多种实现源码 http://t.cn/RPVUDs7 [ 微博 ]

• 2014-07-29 @LDL_BIT 问：有哪些文章讲了多层感知器MLP的拟合能力问题？尤其是拟合多项式的能力？答：当使用非线性的激活函数，MLP是图灵完备的，可以模拟任何函数，当然包括多项式函数。这称为普适逼近原理（Universal approximation theorem）。深度学习则提高了逼近的效率。经典论文见 http://t.cn/RPVAYZ4 [ 讨论 ] [ 微博 ]

  • @LDL_BIT 增补：最近就这个问题设计了个小实验，今天也看到一篇讲多项式学习问题的论文，见我的博客http://t.cn/RPSAXV0 注：文章是ICML 2014 “Learning Polynomials with Neural Networks” http://t.cn/RPSnyZi [ 微博 ]

• 2014-07-27 [续http://t.cn/RP5WYnt ] @小飞鱼_露 问：能否推荐一些关于 Learning to Rank 的相关论文，教程，应用呢？答2：前次推荐了25篇文章，主要是相关算法。@刘知远THU 和 @老师木 进一步推荐了 @刘铁岩 和 @李航博士 的综述和专著，更适合入门 http://t.cn/RP5WYn5 全部LTR资源 http://t.cn/RP5WYnc [ 讨论 ] [ 微博 ]

• 2014-07-27 @小飞鱼露 问：能否推荐一些关于 Learning to Rank 的相关论文，教程，以及一些应用呢？答：我们咨询了相关专家 @梁斌penny 并得到@白硕SH @熊辰炎 @ICT朱亚东 等精彩讨论，总结在这里 http://t.cn/RP50MiI 根据他们的推荐，我们收集了25篇重要论文 http://t.cn/RP50Mif 可根据专家推荐选读 [ 讨论 ] [ 微博 ]

• 2014-07-26 @姚鹏鹏YPP 问：能不能推荐深度学习或者机器学习在图像检索中的应用的论文？答：最权威的索引可以说是最近CVPR 2014上的深度学习在计算机视觉上的教程，主讲人全是本领域的大拿，一共13个讲稿，基础/进阶/实践全有，顺着每个后面附的文献列表可以把领域内重要论文一网打尽了。http://t.cn/RPqzoPJ 这几个资料更具体，有百度和Facebook的图像搜索方法 http://t.cn/RPqUBaK [ 讨论 ] [ 微博 ]

• 2014-07-26 David MacKay的Information Theory, Inference, and Learning Algorithms 以统计为纲，把经典信息论，机器学习，神经网络等领域统一阐述，深得好评，在微博上先后有@黄厝海滨 @陈利人 @算文解字 @陈晓鸣在硅谷 等专家推荐。这里总结该书的相关资料，讲稿，视频和PDF电子版都有 http://t.cn/RPqyzr0 [ 微博 ]

• 2014-07-25 @shirleyChou1 问：请问有没有Python + machine learning 从入门到进阶的完整link list呢? 答: @52nlp 有个很好的总结，推荐去看 http://t.cn/RPboC0p 他提到的17个工具的开源代码按火爆程度列表在这里 http://t.cn/RPG2U0H。还有更多的机器学习包看这里 http://t.cn/RPGqlmf 入选的都是几百上千星的 [ 讨论 ] [ 微博 ]

• 2014-07-25 [资源合集] 欧洲python大会（7月21到 27号）50多个视频与十多个幻灯片。最火话题：Python能从Haskell学到什么 http://t.cn/RPbBxX5 其他一些热点PPT：Pypy编译器进展, 图数据库，消息传递与并发，用pymc3和Scikit-learn做机器学习，OpenStack云计算平台。更多好东西见 http://t.cn/RPbBxXq [ 微博 ]

• 2014-07-25 [资源合集] http://t.cn/RPb1ewQ Github上13个最热门的NoSQL数据库排名。第一的是键值数据库Redis，近万颗星。第二,三是RethinkDB和MongoDB，两大竞争的文档数据库。第四是pouchdb，2800星，一个Javascript的可以跑在浏览器的数据库。图数据库Titan第五。其他有flockdb couchdb riak ravendb orientdb等 [ 微博 ]

• 2014-07-25 @AngelZywei 问：推荐一下图像模糊检测的一些开源项目和资料吧。答：图像失焦和清晰度检测，有梯度检测，边缘检测等原理，具体的实现有拉普拉斯变换，Hough变换，小波变换等方法。这一组推荐资源13个，分为5篇经典论文，5个开源项目 (bash, python,C,C++, Clojure)和3篇问答 http://t.cn/RPGfOkO [ 讨论 ] [ 微博 ]

• 2014-07-24 前几天@52cs 推荐@52nlp 在52nlp.cn 上列一批计算机高质量书籍，可惜很多链接都失效了。当时承诺帮大家找到可下载的版本，今天终于有空先找了第一批“特别推荐系列”里的7篇，提供了免登录下载。原作者有@52nlp @朱鉴 @陈涛sean @rickjin 非常非常感谢他们！http://t.cn/RPbU1Lu (更多待续) [ 微博 ]

• 2014-07-24 @国产哈利波特007 问：能帮我找下数据挖掘方面的算法吗？答：推荐从这几本免费的数据挖掘与数据分析书开始。其中A Programmer’s Guide to Data Mining简明扼要，适合入门。Data Mining Algorithms In R解释了基本概念。Mining of Massive Datasets 可以进阶阅读。 http://t.cn/RP4Wmhu [ 讨论 ] [ 微博 ]

• 2014-07-24 去年2月Nature指出Google在流感预测上出现重大错误：过高估计发病几率。今年3月Science讲了两个原因：抛弃传统方法过度依赖大数据，算法难以有效过滤网络舆情。前段时间纽约时报也讨论了大数据的局限。这里我们汇总了6篇相关文章，从正反两方面提供参考 http://t.cn/RP4CnFU 感谢 @lidingpku 提供 [ 微博 ]

• 2014-07-23 @tang_Kaka_back 问:有没有时间序列分析的相关资料？答：这里收集了一组时间序列分析入门资源。分为三组：第一组是三本电子书，都是经典，其中两本免费 http://t.cn/RPUHGWb 第二组是9个教程，来自博客和中外大学课件 http://t.cn/RPUHGWL 第三组是维基百科上的核心概念介绍 http://t.cn/RPUHGW2 [ 讨论 ] [ 微博 ]

  • 三本推荐教材是 《时间序列分析及应用（R语言） 》 《A little Book of R for Time Series》 《Forecasting: principles and practice》 后两本书是免费的，FPP是讲理论的，R的那本是实战。三本书基本上把时间序列分析基本的方方面面都覆盖到了 [ 微博 ]
  • 第二组教程里有两个PPT http://t.cn/RPUnWmz http://t.cn/RPUnWmh 一个讲理论一个讲实战。在几篇博客里，特别推荐@敲代码的张洋 的 “时间序列分析基础” http://t.cn/RPUnWmP 基本概念，ARIMA/Ar/MA模型，R的实现都有，非常适合入门 [ 微博 ]
  • 第三组基本概念，也推荐看这个博客上的图 http://t.cn/RPUmVGK , 简明扼要，要搞懂什么概念一目了然。基础概念有时域分析，频域分析，ARIMA模型和各种变种。英文维基介绍的很清楚 [ 微博 ]
  • 续时间序列分析入门24个资源 http://t.cn/RPUuHJU 再推荐更多进阶内容。Memect大数据精华区有很多Hadoop上的时间序列分析文章 http://t.cn/RPUmu9T Python精华区有统计实战和StatsModels等包的介绍 http://t.cn/RPUmu9H 最后推荐一个统计专家的专辑，有很多有趣的统计文章 http://t.cn/RPUmu9Q [完] [ 微博 ]

• 2014-07-23 http://t.cn/RPUxwc6 万维网科学暑期学校的PPT上线了 Web Science Summer School 2014: Age of Data 院士级巨头Wendy Hall (ACM前主席)，Nigel Shadbolt （英国政府公开数据领导者），Jim Hendler（语义网之父）等主讲。内容涉及链接数据，开放数据，数据分析等。共41个资源 感谢@lidingpku 推荐 [ 微博 ]

• 2014-07-22 @呯呀么呯 问：识别交通标志，怎么确定图片里有交通标志，具体在哪里？答：这个应该算目标识别和物体识别，CV的经典教程都有object recognition的内容可以参考。具体到交通标志识别，Github上有些开源代码 Matlab C++ Java的都有http://t.cn/RPLR99i 计算机视觉@DeepGlint赵勇 是专家，推荐关注 [ 讨论 ] [ 微博 ]

  • @朝花夕拾录: 正好发现一篇学术界的综述文，An overview of traffic sign detection methods http://t.cn/RPLdXUw [ 微博 ]

• 2014-07-22 问：@北冥渔翁:日常维护管理的有吗？dba方面？ 答：oracle dba在学习官方文档外，可以跟踪大神的博客，篇幅都不长且能很快掌握很多有用的实战经验。此外面试问题也反映了dba的技术要点。合集传送门 http://t.cn/RPLRu9v 推荐资深dba微博 @yangtingkun 有很多好文摘 http://t.cn/RPLRu9P [ 讨论 ] [ 微博 ]

  • @老熊的三分地 (Jun Xiong) 也是Oracle DBA的资深专家，特别推荐他的同名的中文博客 laoxiong.net http://t.cn/a9OBev 很多干货 [ 微博 ]

• 2014-07-21 @AixinSG 昨天推荐了CommonCrawl ．这是Google Adsense之父Gil Elbaz离开Google后，为了实现开放数据的理想创立的（他另一个项目是Factual）项目理想是解决大搜索引擎对数据的垄断，鼓励中小企业利用Web数据创业．最新的数据有50亿页面，541T．这里搜集CC相关资源 http://t.cn/RP2Hwxp 待续 [ 微博 ]

  • 续１ 这么大的数据显然没法下载处理 好在AWS提供了存储 http://t.cn/RP2Hn6t 可以直接跑Elastic MapReduce http://t.cn/RP2Hn6c 这里有示范代码 [ 微博 ]
  • http://t.cn/RP2D8XL 续2 CommonCrawl提供了MapReduce的示范教程 http://t.cn/RP2QGbz 更实战的例子来自Web Data Commons项目 http://t.cn/RP2QGbZ 综合使用了S3 EC2 SQS ElasticMapReduce 他们利用了100个EC2实例．在另一个例子里Lucky Oyster的工程师只用100美元，１４个小时完成了4亿实体的索引 [ 微博 ]
  • 续３ 为了从这么大的数据里找到有用的信息，CC也提供了搜索引擎．如果想自己构造搜索引擎，它的数据格式也是公开的 http://t.cn/RP2RC0c [ 微博 ]
  • 续４处理500T处理即使在AWS上也太贵，太耗时了．好在matpalm提供了过滤和部分利用CC数据集的方法．它也集成了一些简单的文本处理和自然语言理解: boilerpipe, tika和stanford parser http://t.cn/RP2Ebmu [ 微博 ]
  • 续5 CC更强大的应用在于提取结构化数据．正如Wikipedia培育了DBPedia和Freebase，CC在两个方向培养了更大的潜在市场：RDFa, Microdata等网页内嵌语义数据(至少30%的网页已经有这种数据)，和网页链接结构图．Web Data Commons只是开始，工业应用前途无量 http://t.cn/RP2EXuC [ 微博 ]
  • 续6，最后提一下CC项目的关键人物Gil Elbaz,Nova Spivack等，他们都是用结构化数据改造现有的Web的传道士和战士，为此奋斗十年以上了．在学术界，这就是语义网的研究，如Jim Hendler也在CC顾问委员会里．http://t.cn/RP2n7vp CC的出现，可以说为语义网走向现实又提供了一个有力的武器 [ 微博 ]

• 2014-07-21 18个最热深度学习Github项目逐一介绍（合集） http://t.cn/RPLwc9n 有 convnetjs, DeepLearnToolbox, Yusuke Sugomori's code, Lisa Lab's DeepLearningTutorials, deepnet, rbm-mnist 等。主流深度学习模型如DBN RBM CNN等都有，实现语言包括Python, C/C++, Matlab, Javascript, Java, Scala [ 微博 ]

  • 1）DeepLearningBenchmarks http://t.cn/RP2ZJi9 29星， 比较了Theano和其他几个实现的性能：eblearn, python numpy, torch5, torch 7。 不过列表有些老，都是2011年前的，新的项目没有加进去。 [ 微博 ]
  • 2） n42 ，21星，一个nodejs的实现，可以直接npm install n42。实现了4个算法：Newral Network，Logistics Regressio，Stacked denoised Autoencodern，Deep Belief Nets。代码不长，适合学习。 [ 微博 ]
  • 3）宗师Hinton的代码，23星，是Matlab的。实现了autoencoder，Restricted Boltzmann Machine（RBM） 。这个应用在图像领域。宗师出品，重要性不用解释。 [ 微博 ]
  • 4）UFLDL-tutorial ，作者Dan Luu，94星 ，这是斯坦福深度学习公开课和 Andrew Ng's UFLDL（无监督特征学习和深度学习）教程的所有练习的解答。代码是Matlab的，作者声称对Octave兼容，所以理论上甚至可以从python调用。非常适合入门。 [ 微博 ]
  • 5）kaggle-blackbox ，作者Zając，53星 ，这是2013年Kaggle无监督学习竞赛的一个实现 。它实现了一个随机森林算法和一个稀疏滤波算法。语言是Matlab，也可以用Octave跑。文档和说明参见 http://t.cn/RP2AUW6 [ 微博 ]
  • 6） stanford_dl_ex http://t.cn/RP2A0tn 这是另一个斯坦福深度学习公开课的习题解答，24星，作者Andrew Maas 和Sameep Tandon。语言是Matlab。同样适合入门学习。 [ 微博 ]
  • 7） Yusuke Sugomori（巣籠悠輔）的深度学习实现 http://t.cn/RP2As94 。这个有近600星，提供了5种语言的实现：Python, C/C++, Java, Scala，囊括了各种主流深度学习算法：DBN, CDBN,RBM, CRBM,dA, SdA, LR等。 [ 微博 ]
  • 8） convnetjs http://t.cn/RP22k0g 这个是目前最火的项目，有1300+颗星，实现了卷积神经网络，可以用来做分类，回归，强化学习等。可以直接npm install convnetjs。convnetjs上有很多很酷的可视化演示 [ 微博 ]
  • 9） libdeep 这是个C的实现，目前54星。在Linux上可以安装到系统库，然后就可以在其他项目里调用了。如果追求性能，这是个好选择。 [ 微博 ]
  • 10）rbm-mnist http://t.cn/RP2ySp8 这个是hinton matlab代码（ http://t.cn/RP2ySpR ）的C++改写，189星。它还实现了Rasmussen的共轭梯度Conjugate Gradient算法。 [ 微博 ]
  • 11） deepnet ，这个是GPU实现的深度学习算法，前向网络，RBM，DBN，Autoencoder, DBM, CNN包括了，底层用的CUDA 。目前282星。实现语言是Python，做到了简洁性与计算性能的良好结合，特别推荐。 [ 微博 ]
  • 12） neural-networks-and-deep-learning，243星 ，这是作者的书Neural Networks and Deep Learning的配套代码，语言是Python。这本书是免费的，不过还没有写完，可以预览前几章 http://t.cn/RP2Ur99 [ 微博 ]
  • 13）Lisa Lab的DeepLearningTutorials，也就是deeplearning.net上的教程和源代码。Python实现，是基于pylearn2和Theano的。目前500多星，非常火爆。他们的wiki上很不错的资源列表，如论文和数据集 http://t.cn/RP24oCB [ 微博 ]
  • 14）OpenDL http://t.cn/RP24mYU 这是个很新的实现， 是基于spark的。语言是Java。除了spark还用到了Mallet机器学习包和JBlas线性代数包。更多spark参考请看大数据精华区的专题 http://t.cn/RP24mYb 。 [ 微博 ]
  • 15）deeplearning-class-2011 这个也是 UFLDF课程的一个实现，31星，语言是Octave，Matlab和Python (NumPy) [ 微博 ]
  • 16） @丕子 的PG_DEEP 这是一个C++实现的Demo，目前有20星。代码相对简单，非常适合入门学习。 [ 微博 ]
  • 17） medal=Matlab Environment for Deep Architecture Learning，37星，是一个Matlab的示范库，也实现了RBM，DBN, CRNM等主流的模型。 [ 微博 ]
  • 18）DeepLearnToolbox ，Matlab实现中最热门的库，700多星，囊括了CNN, DBN, SAE, CAE等主流模型。非常简单好用。 [完] [ 微博 ]

• 2014-07-21 问：@apple2811 我需要Linux的资料 答：不太清楚具体需要哪一类，先推荐些通用的：1）六篇入门导读，包括Linux的基本知识，学习Linux的攻略，以及在线学习资源列表 http://t.cn/RPLyqp0 2) 六个社区网站（中英文各半），包括官方网站，流量最大的社区，以及问答论坛 http://t.cn/RPLyqpO [ 讨论 ] [ 微博 ]

• 2014-07-21 问：@如果起居录 语义网用于GIS、RS领域 答：OGC在2000年制定GML1.0时就有RDFS版（不过后来给放弃了）。目前有W3C的Geospatial Semantic Web Community Group，几个国际工作会议，很多项目都与开放政府数据有关；GeoSPARQL, LinkedGeoData；数据库空间索引。合集传送门：http://t.cn/RPLGgIh [ 讨论 ] [ 微博 ]

• 2014-07-21 问： @北冥渔翁 oracle、 mysql 入门进阶 答：数据库入门进阶资料包括： 参考书、在线教程、以及社区论坛的问答、例程与博客。参考书基本能上网找到电子版。先各举四个重要资源，不断更新中。1.mysql资源：注意MariaDB http://t.cn/RPLyXyb 2.oracle资源：侧重性能优化 http://t.cn/RPLyXyG [ 讨论 ] [ 微博 ] ** 2014-07-22 学习数据库， @何_登成 的微博一定要追！他最近推荐的一些MySQL的资源整理在这里 http://t.cn/RPLg6Gd [ 微博 ]

• 2014-07-18 @小77you 提问：java 进阶的课程主要学哪些？ 回答：整理了一组资源，见 http://t.cn/RPZBw3D 。讲讲大原则，关键还是看你的兴趣与职业发展取向。 1. 读书学习：改善编程风格，加强团队合作能力；系统架构与设计；后台性能优化； 2. 浪迹江湖：跟踪最新技术；通过网络交流共同进步。 [ 讨论 ] [ 微博 ]

• 2014-07-18 问：@曲线救己的fighter 求hive 答：正好有一组经大数据专家 @ShangguanRPI 整理的Hive资源（2012至今已经有27个帖子了） http://t.cn/RPwI2lO 在这个比较贴里，作者详细比较了Hive和其他的Hadoop上的SQL工具 http://www.weibo.com/1932835417/BaukhlfIT [ 讨论 ] [ 微博 ]

• 2014-07-18 问： @apple2811 我需要找js的资料？ 答：见 http://t.cn/RPwtZB0 进阶主题包括 jquery, node.js, pattern, functional, closures, 性能优化 、可视化等。 推荐进阶阅读： 1、90页例程覆盖JS技术要点。 2、纽约大学的JS进阶课 3、原Yahoo大牛 Douglas Crockford的书，被无数人推重 [ 讨论 ] [ 微博 ]

• 2014-07-18 @lovesherlock 问：有没有可以保存自己微博信息的软件或者代码什么的？ 答：我们现在小范围开放个人微博信息的保存, 例如此前推荐的大牛骆逸的微博合集收藏 http://t.cn/RPZdL42 我们也提供单条微博的收藏，把微博变成可引用的卡片，例如 http://t.cn/RPZdL4y 纯图片 http://t.cn/RPZdL4L 图文 [ 讨论 ] [ 微博 ]

• 2014-07-16 @跛嘞盖儿蹭马路牙子上卡秃噜皮了 问：数据具有统计分析的价值么？请问能不能结合链数据的特点和R来谈谈。简答如下：Linked Data作为数据的一种，当然也可以做统计分析。可以看作Statistical relational learning的扩展。全文 http://t.cn/RP7oQxk 推荐资源的合集 http://t.cn/RP7oQxF [ 讨论 ] [ 微博 ]

文摘

• 2014-07-22 @龙星计划 计算机方面的经典资料可以参见这个博客。http://t.cn/Rv6rzrj 维护者@52cs [ 微博 ]

• 2014-07-22 @AixinSG 推荐大数据综述文章 Toward Scalable Systems for Big Data Analytics: A Technology Tutorial 36页长文免费下载 http://t.cn/RPLDPNK 文章引用接近300篇文献，涵盖数据生成，获取，存储，及分析等主要技术综述 @云教授之云媒体 [ 微博 ]

• 2014-07-21 @城市数据派-UDParty(城市规划) 【全球 55 个城市数据分享平台（ Urban Observatory）】城市瞭望台（ Urban Observatory）项目：全球 55 个大城市在此分享城市数据，这将是世界上第一个真正意义上的公共瞭望台。同步对比影响世界城市的重要因素，交通、人口、道路速度、开放空间、年轻人口、老年人口等。详见：http://t.cn/RPLqc8T [ 微博 ]

• 2014-07-19 @LiLei-Berkeley Probabilistic Programming summer school 在Portland顺利结束 教学资料见 http://t.cn/RPAURgG 来自Berkeley，MIT, Stanford等大学企业的教授和研究员讲解了 BLOG, Church, Figaro, Venture 等概率程序语言。 @jxwuyi [ 微博 ]

• 2014-07-19 @AixinSG 大牛给的信息检索方面综述文章列表，涵盖IR方向N多问题 http://t.cn/RPAL69M [ 微博 ]

• 2014-07-18 @我爱机器学习 【Awesome Machine Learning】http://t.cn/RPZ80gD 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】http://t.cn/RPZ80gk 各种编程语言等都有汇总，值得收藏以备不时之需。 [ 微博 ]

• 2014-07-17 @朝花夕拾录 [资源贴] cassendra 2.1 beta rc3新特性：1、 用户自定义数据类型(UDT)：支持集合类型Set和Map，以及其上的二级索引； 2、读写速度提高超过50%；3、行数据的聚集(cluster)与缓存(cache)；4、counter设计优化，提高安全和一致性；5、更好的压缩机制,用commit log绕过直接读写 http://t.cn/RPzKcaH [ 微博 ]

• 2014-07-17 @唐杰THU 推荐密歇根的H V Jagadish、康奈尔及微软Partner Scientist JOHANNES GEHRKE, Fellow RAGHU RAMAKRISHNAN等数据库专家在Communication of ACM上关于《大数据技术挑战》，从数据获取、抽取、清洗、集成和建模几个过程阐述其中的数据不一致、不完整、动态、隐私等面临的挑战。http://t.cn/RPzk8wG [ 微博 ]

• 2014-07-17 @hbyido 大量的专业书 数学书下载，推荐 万千合集站 一个专注于资源整理、分类和提供免费下载服务的网站 http://t.cn/RvUYeY7 http://t.cn/RvUYeY7 [ 微博 ]

• 2014-07-16 @西瓜大丸子汤 Jim Hendler今天的视频和PPT: Semantic Web: The Inside Story 强烈推荐搞人工智能的同仁都看看 http://t.cn/RP7CLin 语义网作为符号主义走向应用的尝试，也曾获得与深度学习类似的投资与眼球。结合前两天关于AI winter的讨论，其在今天尤其有参考意义 http://t.cn/RP7CLim @王海勋haixun @Gary南京 [ 微博 ]

• 2014-07-16 @西瓜大丸子汤 http://t.cn/RP7Q1pR 深度学习70+条学习资源。这70多条是从Memect用户过去两年的阅读列表里精选出来的，每一条都经过了人工的过滤。从入门到进阶，各大个公司的应用案例，各种软件包的介绍，实战汇报，基本都是实用内容，理论联系实际。随后我们还会特约专家加以导读和点评。[ 微博 ]

• 2014-07-16 @52nlp "线性代数的学习及相关资源" http://t.cn/zOQBTSC , 这个里面汇集了资源，包括电子版教材, “找到一个不错的电子版，非扫描版并且是第4版：Introduction to Linear Algebra_4ED_Strang” ，昨天有同学私信说爱问的已经废了，刚才上传到百度网盘并做了私密分享，感兴趣的同学请在该文尾部找答案。 [ 微博 ]

• 2014-07-16 @朝花夕拾录 ［资源贴］续上文 http://t.cn/RP7N6AS 目前整理出了80多个大数据可视化工具：http://t.cn/RP7N6AK javascript类51个，地图类有21个 ，图表类34个，svg类15个；继续增补中，欢迎指正。 －－题外话，大数据可视化也要用美女打广告。猜猜那个帅哥是哪个工具的“代言人”，期待大数据展会的“数模” [ 微博 ]

• 2014-07-15 @朝花夕拾录 ［资源帖］12个#大数据#可视化工具合集汇总，超过一半2014年新出炉。涵盖超过50个#可视化工具#（表格，地图，时间轴，动态图表，树，有向图等），大约80% #javascript#包，例如d3.js，timeline.js，Springy.js。如果说大数据分析是一场足球赛，那数据可视化就是临门一脚。 http://t.cn/RPh1qz5 [ 微博 ]

• 2014-07-13 @西瓜大丸子汤 http://t.cn/RPvS3im 大数据书籍推荐新增 Cloudera Impala；Apache Sqoop Cookbook；Outlier Detection for Temporal Data；Big Data Now: 2013 Edition。免费pdf推荐：Social Media Mining ，另有9本免费的数据挖掘与数据分析 http://t.cn/RPvS3in [ 微博 ]

  • @西瓜大丸子汤 9本免费的数据挖掘书之1）Mining of Massive Datasets 斯坦福三大教授Leskovec Rajaraman Ullman 联手推出的免费书，500多页，不是简单的数据挖掘，而是大数据挖掘 http://t.cn/RPv8GTa 这本书的第三章相似分析，第五章链接分析，第九章广告系统当年在我工作中很有用 更多大数据书http://t.cn/RPvS3im [ 微博 ]
  • @西瓜大丸子汤 9本免费的数据挖掘书之2）Data Jujitsu（数据柔术）如何解剖复杂数据，利用替代分析技巧，利用人工分析如Mechanical Turk。我觉的这本书最好和Bad Data一起看 http://t.cn/RPvEhRz 数据挖掘的真实效果80%在数据清理和人工，不是算法。传送门 http://t.cn/RPvEhRZ 更多大数据书http://t.cn/RPvS3im [ 微博 ]
  • @西瓜大丸子汤 9本免费的数据挖掘书之3）Data Mining Algorithms In R http://t.cn/RPPm0Bk 这是一本Wiki书，也就是维基百科上有关的条目组织形成的书。覆盖了：降维方法，常见模式挖掘， 序列数据挖掘，聚类，分类，和R的数据挖掘包导航（RWeka gausspred optimsimplex 等）更多大数据书http://t.cn/RPvS3im [ 微博 ]
  • @西瓜大丸子汤 9本免费的数据挖掘书之3.1）续上http://t.cn/RPP33gn Data Mining Algorithms In R这书原始格式是网页，不易阅读下载，特制作pdf版，266页 http://t.cn/RPP33gR 。同时推荐Yanchang Zhao的R and Data Mining，160页，都是实战例子 http://t.cn/RPP33gE 如觉得好请支持作者 http://t.cn/RPP33gm [ 微博 ]
  • 9本免费的数据挖掘书之4) Theory and Applications for Advanced Text Mining http://t.cn/RPP10t2 这是本理论书，作者大都是学术界的。主题是高级的文本挖掘，如关系提取，时间关系提取，文章总结，本体学习，实体提取等各种高大上专题。了解前沿不可不看。更多大数据书http://t.cn/RPvS3im [ 微博 ]

• 2014-07-13 @鲍捷AI http://t.cn/RPvxGHA OpenRefine是一个数据清理的优秀工具。它根源于MIT David Karger实验室的研究。该实验室在交互式数据处理的前沿。David Huynh把这个研究带到MetaWeb，也即Freebase团队。被Google收购后，工具改称Google Refine。后来开源成为OpenRefine。这组资源包括了9个必读博客和教程 [ 微博 ] ** @西瓜大丸子汤: Freebase是Google知识图谱的前身。从Wikipedia到Freebase再到知识图谱，不仅有机器的数据清理，也有海量的人工数据清理任务。Google Refine在其中的作用不容低估。具体数值不详，不过来自类似系统TrueKnowledge的报告说：0.1%的手工编辑就可以覆盖10%的用户查询 http://t.cn/RPvxjIF [ 微博 ]

• 2014-07-13 @西瓜大丸子汤 http://t.cn/RPvoO88 Python免费书54本，都可以pdf下载。从入门到自然语言处理，科学计算，概率论，经济学，生物信息学，多媒体，密码学，计算机视觉，游戏，社交媒体分析...必有一本适合您 [ 微博 ]

• 2014-07-12 @赵家平USC Jeff Hinton组把deep CNN(CovNets)在ImageNet上train好的模型放到网上了，试了下classification, retrieval, image2text的在线demo, amazing! http://t.cn/Rvs0Pvj 最重要的是他们的source code以及installation & documentation 也一并公布，超过Rob Fergus学生的Clarifai http://t.cn/8kL993u [ 微博 ]

• 2014-07-12 @西瓜大丸子汤 http://t.cn/RvsoYMd @骆逸 的微博里提到很多Python干货。从过去两年的微博里选出一百多条，有适合入门的书籍和教程推荐，有机器学习，网络编程，推荐系统，各种实战总结（360, instgram），PyCon等等。http://t.cn/RvsQc5G 和机器学习有关的帖子质量也很高，不少也是和python有关的. 我当年学Python的时候就从@骆逸 的帖子里受益匪浅。大牛以前在雅虎，如今是毕肯互动的CEO [ 微博 ]

• 2014-07-12 @西瓜大丸子汤 http://t.cn/Rvs9BBQ 语义网同仁的福利：本体映射Ontology Mapping项目汇总，一共20多个。入选的都是现在还在活跃的项目，很多都有开源代码。早年的一些项目现在不怎么维护的看这里 http://t.cn/Rvs9BBH @老淘 @潘越_ 徐涵W3China @白硕SH @顾进广 @胡安-格里斯 @昊奋 @唐杰THU @程龚_NJU @汪鹏_SEU [ 微博 ]

• 2014-07-12 @朝花夕拾录 #Swift# 资源合集： 官方博客今日（7/11）上线，并两个相关博客。还有4个社区资源导航贴合集，包括 @SwiftLanguage 提供的中文版。最后是Swift PDF合集（包括 8个WWDC的演讲稿，两个官方iBook参考书的PDF版）http://t.cn/RvsJrLy [ 微博 ]

• 2014-07-11 @网路冷眼 必须观看的Javascript视频！！！】GitHub网站上 http://t.cn/RvFF0AU 收录了2009年至今必须观看的Javascript视频，其作者Nicholas Zakas，Douglas Crockford...都是Javascript江湖响当当的人物，精彩不容错过！ [ 微博 ]

• 2014-07-11 @网路冷眼 Docker现在大火，http://t.cn/RvF7fxB 推出史上最全Docker中文资料集萃。真的狠赞！[赞] [ 微博 ]

• 2014-07-11 @西瓜大丸子汤 Python贝叶斯工具续 http://t.cn/RvFf2Q9 前面介绍过PyMC，Infer.net 此外@朝花夕拾录 还介绍过emcee和pystan。在实战中怎么用呢？bayesian-python这个系列收集了14篇相关文章。http://t.cn/RvFfwUy 这5篇总结了几个工具的实战例程。要节约时间就看系列第一篇总结的表，一目了然 http://t.cn/RvFfwUL [ 微博 ]

• 2014-07-10 @西瓜大丸子汤 刚才说到python优化，举个具体的例子 Gensim的作者把word2vec(深度学习)做了几个经典优化：循环，numpy/BLAS，cython，多线程（真的可以）结果效率提高了上千倍，比Google开源出来的原始C版本还快3倍。他最近还写了个word2vec教程。无论是学习word2vec还是python优化，都不可不看 http://t.cn/Rvkt0Hk [ 微博 ]

• 2014-07-10 @朝花夕拾录 白宫和麻省理工于今年三月举办了“大数据的个人隐私研讨会”。麻省理工校长主持，白宫大数据顾问、美国商业部部长作了主题演讲，还有一堆麻省理工和哈佛的教授研讨了关键技术，包括数据库，加密，匿名，日志分析，语义推理等。相关资源包括每个演讲的视频，以及八个可下载的PPT。http://t.cn/Rvk5BnL [ 微博 ] ** 刚刚整理出了4个大数据信息安全关键问题： *数据收集，如何签订合理的用户知情协议 *数据共享，如何保障透明度，控制使用权限，防止数据泄露 *数据使用，如何避免重新识别攻击，防止意外地侵犯个人权益 *数据监管：如何在不同的环境（国家、政府、组织、政策）中监管大数据的运营 [ 微博 ]

• 2014-07-09 @西瓜大丸子汤 http://t.cn/RvDWJ20 23个python的机器学习包，从常见的scikit-learn， pylearn2，经典的matlab替代orange， 到最新最酷的Theano（深度学习）和torch 7 (well，其实lua，不过从ipython调用很容易)，基本常用的通用python机器学习平台都有了。 [ 微博 ]

• 2014-07-09 @西瓜大丸子汤 在推荐一本我最近正在看的书Probabilistic Programming and Bayesian Methods for Hackers 贝叶斯方法实战，用Python来解释各种概率推理方法，有代码有真相。基于PyMC 包，解剖了MCMC ，大数定律，金融分析等概念与应用。Github上已经有5000颗星。更多python统计方法资源 http://t.cn/RvDJLy6 [ 微博 ]

• 2014-07-09 @朝花夕拾录 #大数据#产业化的一个重要指标：超过20家美国商学院（例如UVA，RPI，GWU）开设了大数据和数据分析硕士课程，而且有一半学校的课程只要一年就能毕业。这个可是转型成高富帅的绝佳机会呦。http://t.cn/RvDVtXm －－我是分割线－－ 呵呵，还有个IIT，这可不是印度学校，是伊利诺伊理工大学。 [ 微博 ]

• 2014-07-09 @西瓜大丸子汤 Spark Summit 2013的PPT和教程合集整理在此 http://t.cn/RvDVO9I ，一共33个。和昨天放出了60个Spark Summit 2014的PPT一起，基本涵盖了近期spark的动态与产业布局。http://t.cn/RvewMsv 和去年比，今年峰会的内容无论数量还是应用的广度与深度，都大幅增长了。例如去年没有自然语言处理，今年有两个 [ 微博 ]

• 2014-07-08 @何_登成 分享下最近看的几篇关于分布式KV/NoSQL的论文与资料：1. aerospike http://t.cn/RveVR9I 2. facebook memcache http://t.cn/RvjMGCj 3. redis cluster http://t.cn/zRPS3Q8 4. 腾讯CKV http://t.cn/8s7PSiN 5. 淘宝Tair http://t.cn/zjkhVoF 简单点评：架构大同小异，各有特色，可相互借鉴。[ 微博 ]

• 2014-07-08 @西瓜大丸子汤 Spark Summit 2014全部PPT合集 http://t.cn/RvewMsv Spark是新一代大数据处理平台，基于内存的集群计算使它比MapReduce快一百倍，非常适合迭代计算和并行机器学习。合集包括了全部60个演讲的PPT（除了一个链接失效）预览和下载。AMP Lab, Databricks, Cloudera, MapR, Amazon等重量级厂家一网打尽 [ 微博 ]

• 2014-07-07 @西瓜大丸子汤 继续推荐几个python NLP的资源。http://t.cn/RvgckyQ NLTK book是入门必读。 http://t.cn/RvgckyY @陈涛sean 做了中文翻译《用Python进行自然语言处理》可免费下载。http://t.cn/RvgckyH Jimmy Lin(前马里兰教授)有书和博客讲并行NLP http://t.cn/RvgckyT 基于Hadoop 和MR [ 微博 ]

• 2014-07-07 @ansj 500w 的公司名录,只包含公司名称 , 用来做组织机构命名实体识别.链接: http://t.cn/Rvgy9sg 密码: 3a1q http://t.cn/Rvgy9oC [ 微博 ]

• 2014-07-06 @西瓜大丸子汤 http://t.cn/RvdhLRA Text Processing in Python 一本讲python文本处理的小书，涵盖了基本字符串，正则表达式，状态机，和互联网文本处理的基本点。印刷版在亚马逊上卖41刀，文字电子版免费下载 [ 微博 ]

• 2014-07-05 @王威廉 鉴于大家对Wasserman的统计笔记反响不错，我就再推荐一本他的经典统计入门教材All of Statistics: A Concise Course in Statistical Inference http://t.cn/RvrzVBw pdf: http://t.cn/RvrzVBA 这本书获得过国际贝叶斯分析协会的DeGroot奖。[ 微博 ]

• 2014-07-04 @西瓜大丸子汤 把最近比较重要的关于Watson的资料分了类 十多个pdf http://t.cn/Rv1BOxx IBM自己的介绍 http://t.cn/Rv1BOxX 媒体报导 http://t.cn/Rv1BOx6 Watson在卫生领域的应用 http://t.cn/Rv1BOxJ 音频视频 http://t.cn/Rv1BOxi 其他应用 http://t.cn/Rv1BOxa [ 微博 ]

• 2014-07-04 @朝花夕拾录 七月三日新鲜出炉 #大数据#资源帖。。。24个知名掌门级别(CxO)大数据专家及其推特账号。有来自于大企业的（例如Google， KDnuggets， TeraData，IBM，和Ford ），但更多的来自创新企业。咱不指望他们都会编Hadoop程序，但他们在业内的影响力那是刚刚嘀－－全是推特万人大V。 http://t.cn/RvBJqDr [ 微博 ]

• 2014-07-03 @西瓜大丸子汤 http://t.cn/Rv3gsW2 今天的一大新闻是IBM的BlueMix：基于Watson自然语言问答系统的云服务。以前的工作也和问题有关，这里先放几篇读过的Watson的文章和slides。AAAI Magzine 2010的文章有点老，不过作为提纲还是推荐一读。IBM Journal 2012专辑选了3篇文章，在语言解析与语义数据的应用 [ 微博 ]

• 2014-06-24 @西瓜大丸子汤 http://t.cn/RvYTJ3r 《世界杯的大数据和小数据》这组专题汇集了2010和2014年世界杯的数据。2010年BBC利用语义数据做了动态新闻发布，降低记者写作和BBC的内容发布成本。OpenLink今天发布了2014世界杯数据的RDF版，包括各队，球员和分组的可查询数据。还有football.db历年的数据，和World Cup in JSON [ 微博 ]

• 2014-06-24 @ShangguanRPI 作为看到整篇整篇java mapreduce代码就想吐的scala脑残粉，肯定不能放过scalding。放出平时积累的一点scalding的学习资料，http://t.cn/RvYmfSX。

• 2014-06-21 @朝花夕拾录［资源帖］十几个图像处理中常用的python包。NumPy和SciPy必装，图像处理：PIL/PILLOW入门，SimpleCV进阶，OpenCV专业。还有Mahotas ，ilastik，MedPy多用于生物医学多维图像处理。辅助工具：scikit-learn机器学习，sh5py数值数据存储(numpy数组)，pprocess并发处理。http://t.cn/RvWmogb [ 微博 ]

• 2014-06-21 @朝花夕拾录 [资源帖] pypy3.2.1(Fulcrum，支点）于6月20日发布。http://t.cn/RvlC1JG 是第一个pypy3稳定版，支持python3.2.5，改进了unicode，JIT，GC。 参考：cpython, jython(java), ironpython (.net). 讨论：还不支持numpy，ctypes（但有numpypy)；windows 64bit还不支持；有人测出了7倍加速(一般4～5倍)。[ 微博 ]

• 2014-06-20 @朝花夕拾录 五篇python贝叶斯入门短文，以及三个常用工具： emcee , pymc, pystan, http://t.cn/RvOj4nM 顺路说说统计学两大门派： 频率派（Frequentists）和 贝叶斯派（Bayesians） ＊Frequentists的长远目标是只有5％的时间犯错误 ＊Bayesians隐约期待马，瞥见一头驴，坚信（95%的可能性）他看到了一头骡子 [ 微博 ]

• 2014-06-20 @ShangguanRPI Pivotal是一家新兴的大数据和企业PaaS解决方案提供商，由EMC、Vmware和GE在2013年合资成立，将自家的大数据技术重新架构在Hadoop平台上。这个专题资源汇总了20多篇Pivotal产品的介绍和新闻，如MPP SQL on Hadoop，在Docker上部署Hadoop，如何用PivotalR做大数据分析等 http://t.cn/RvOBEIF。[ 微博 ]

• 2014-06-19 @朝花夕拾录 #大数据专题# 12个与#2014世界杯#相关的在线资源:（1）总结如何预测冠军得主；（2）大数据应用例程（bing, sas, rapidminner)； （3）免费在线数据库，可下载（football.io, json api)。 http://t.cn/Rv0OOd2 [ 微博 ]

• 2013-09-20 @developerWorks 免费电子书《面向程序员的数据挖掘实战指南》，侧重实例，以 Python 语言讲解。目前已完成6章，仍在更新中，并且提供 PDF 下载。http://t.cn/zWQEQH8 作者：Ron Zacharski cc @ResysChina [ 微博 ]

• 2013-01-28 @陈利人 【机器学习中的数学系列】回归、梯度下降 http://t.cn/hDoULu ；线性回归，偏差、方差权衡 http://t.cn/Sxppf2 ；模型组合之Boosting与Gradient Boosting http://t.cn/SP05f3 ；线性判别分析, 主成分分析 http://t.cn/SAeY2U ；强大的矩阵奇异值分解及其应用 http://t.cn/akJxgj [ 微博 ]

声明

2014-08-06 @好东西传送门 是开源的，任何人都可以贡献好的文献、代码或商业产品。你可以fork一份github库，并在awesome目录下建立一个文件，内容就是链接（文字描述可选）例 http://t.cn/RPal5fW 提交一个pull请求，剩下的就交给传送门了。您的贡献会被署名 [ [微博](http://www.weibo.com/5220650532/Bh2oIc33V?mod=weibotime) ]

2014-08-04 @好东西传送门 开源5天，已经有了88颗星。这里解释一下开源政策：为了鼓励好东西的传播，我们采用了Creative Commons Attribution-NonCommercial-ShareAlike 4.0许可证：Github上的内容可以被自由分享和改编，但需用同样的许可证发布，致谢@好东西传送门 并不得用于商用 http://t.cn/RPiYr2f [ [微博](http://www.weibo.com/5220650532/BgEucqeEz?ref=) ]

• 2014-07-31 开源的好东西传送门：今天我们已经把所有的问答和文摘都整理到Github上了，查看别人已经问过的问题更加容易。你可以一键复制，拥有自己不会丢失的好东西列表。也可以关注项目获得更新通知。如果你关心大数据、机器学习、数据库、Web、Python（话题增长中）去加星收藏吧 http://t.cn/RPfAgNg [ 微博 ]

• 2014-07-31 这样认领问题：去Github Issue列表下面 http://t.cn/RPI5jaZ 找一个感兴趣的问题，回复你想分享的资源链接，也可附简单评语。请留下你的微博帐号(或其他联系方式)，好东西传送门会整理后贴出你的答案并注明贡献者是你 [ 微博 ]

• 2014-07-30 传送门也有微信了，去扫描吧。或者按名字直接加“好东西传送门”。微信会更多承载每日精华整理的功能。如果错过了微博上的好东西，微信上还会看到。转发一下，让更多人看到最精彩的技术好东西！ [ 微博 ]

• 2014-07-30 http://t.cn/RPfAgNg 好东西传送门所有问答和推荐资源合集现在都放在Github上了！每个问题都有自己的讨论页，可讨论增补。目前还有十多条未完成问题，欢迎各位专家帮忙认领回答！8月5日前转发最多的两条答案将获赠 @TechCrunch中国 国际创新北京峰会双日VIP票，本来3200一张哦！ [ 微博 ]

• 2014-07-28 回复@silverhawk_ny:轻问答就是相对知乎这样的“重”问答工具而言，利用机器生成大量的知识卡片，问答时回答问题的人只要利用自己的知识，快速组织卡片。一般这个过程不需要写长文，几分钟就可以完成，所以叫“轻”//@silverhawk_ny:轻问答是什么意思？ [ 微博 ]

• 2014-07-28 《好东西传送门到底是什么？》 很多人问这个帐号到底是什么？答：它是一个网上资料的人肉搜索引擎。它集成了一群微博上的好人，以最简练的方式，帮大家找到最精华的资源。达到这个目的手段有三：知识卡片，人肉知识桥梁，轻问答。这是不是你想要的“好东西传送门”？欢迎讨论！http://t.cn/RPtMEmu [ 微博 ]