apollonbar / articlelist

article collections for some topics about machine learning/deep learning

math

1. 为什么KL-divergence 可以用来衡量两个概率分布的不相似性？
2. K-L散度（相对熵）总结
3. 如何理解KL散度的不对称性
4. 初学机器学习：直观解读KL散度的数学概念
5. 从七桥问题开始：全面介绍图论及其应用
6. 从信息论的角度理解与可视化神经网络
7. 贝叶斯线性回归方法的解释和优点
8. 一起读懂传说中的经典：受限玻尔兹曼机
9. 【原】关于使用sklearn进行数据预处理 —— 归一化/标准化/正则化
10. 正则化与模型选择

Neural Networks

1. CS231n Convolutional Neural Networks for Visual Recognition
2. 专访MIT教授Tomaso Poggio：表达、优化与泛化——数学视角里的深度学习
3. DeepMind提出神经元删除法：通过理解每个神经元来理解深度学习
4. 可视化LSTM网络：探索「记忆」的形成
5. 一文简述ResNet及其多种变体
6. 神经语言模型如何利用上下文信息：长距离上下文的词序并不重要
7. Attention模型方法综述 | 多篇经典论文解读
8. NLP领域的ImageNet时代到来：词嵌入「已死」，语言模型当立
9. 重新发现语义分割，一文简述全卷积网络

loss

1. 机器学习大牛最常用的5个回归损失函数，你知道几个？

激活函数

1. 一文概览深度学习中的激活函数
2. 26种神经网络激活函数可视化
3. 谷歌大脑提出新型激活函数Swish惹争议：可直接替换并优于ReLU？（附机器之心测试）

strategies for optimizing SGD

1. Active Learning: 一个降低深度学习时间，空间，经济成本的解决方案
2. 一文概览深度学习中的五大正则化方法和七大优化策略
3. 机器学习系统性能不尽人意？吴恩达教你如何选择改进策略
4. 十倍模型计算时间仅增20%：OpenAI开源梯度替换插件
5. SGD过程中的噪声如何帮助避免局部极小值和鞍点？
6. 【梯度下降法】二：冲量（momentum）的原理与Python实现
7. 路遥知马力——Momentum
8. 比Momentum更快：揭开Nesterov Accelerated Gradient的真面目

embedding

1. 词嵌入2017年进展全面梳理：趋势和未来方向
2. 如何用深度学习处理结构化数据？
3. 当前最好的词句嵌入技术概览：从无监督学习到监督、多任务学习
4. fastText，智慧与美貌并重的文本分类及向量化工具

推荐系统

1. 36氪首发 | 今日头条推荐算法原理全文详解
2. Netflix个人化推荐系统，让每个用戶看到不一样的电影海报
3. 机器学习模型的衡量不止准确率，还有精度和召回率

主题模型

1. 一文读懂如何用LSA、PSLA、LDA和lda2vec进行主题建模

分词

1. 分词，新词发现和热词发现
2. 有哪些比较好的新词发现方案？

retrieve

1. 如何在Python中快速进行语料库搜索：近似最近邻算法

classification

1. 就喜欢看综述论文：情感分析中的深度学习
2. 文本情感分析：让机器读懂人类情感
3. How to improve classification of small texts
4. How to handle Imbalanced Classification Problems in machine learning?
5. 中文文本分类：你需要了解的10项关键内容

chatbot

1. 微信智言夺冠全球对话系统挑战赛，冠军解决方案全解析
2. 思必驰推出启发式对话系统，关注知识传播的会话精灵

调参

1. 深度学习调参有哪些技巧？
2. ICML 2017最佳论文：为什么你改了一个参数，模型预测率突然提高了|分享总结
3. 理解深度学习中的学习率及多种选择策略
4. 1cycle策略：实践中的学习率设定应该是先增再降

python

1. Cython三分钟入门
2. Python进阶：切片的误区与高级用法
3. 没有什么内存问题，是一行Python代码解决不了的

paper

1. 可视化CapsNet，详解Hinton等人提出的胶囊概念与原理
2. RNN和LSTM层面的注意力模型论文
3. DeepMind等机构提出「图网络」：面向关系推理
4. 沈向洋等人论文详解微软小冰，公开研发细节

news

1. 打响新年第一炮，Gary Marcus提出对深度学习的系统性批判
2. 「我是可微分编程的粉丝」，Gary Marcus再回应深度学习批判言论
3. 微软披露小冰背后的基础框架与核心技术

tools

1. 教程 | 如何在TensorFlow中高效使用数据集
2. 5种快速易用的Python Matplotlib数据可视化方法
3. 如何在TensorFlow中高效使用数据集
4. 用 Sacred 追蹤實驗數據
5. tensorflow学习笔记（二十五）：ConfigProto&GPU
6. 算法太多挑花眼？此文教你如何选择正确的机器学习算法
7. 令人困惑的TensorFlow！
8. Python数据分析之numpy
9. 为什么Python这么慢？
10. 自然语言处理是如何工作的？一步步教你构建 NLP 流水线
11. 正则表达式的功法大全，做NLP再也不怕搞不定字符串了

data

1. 从文本处理到自动驾驶：机器学习最常用的50大免费数据集

其它

1. 学习如何学习的算法：简述元学习研究方向现状
2. 机器学习时代的哈希算法，将如何更高效地索引数据
3. 小样本学习年度进展|VALSE2018
4. 如何改善你的训练数据集？（附案例）
5. 基于TextRank算法的文本摘要（附Python代码）
6. 集成学习算法(Ensemble Method)浅析
7. 字符级NLP优劣分析：在某些场景中比词向量更好用