defaultrobot / hao

好东西传送门

好东西传送门: 微博上的轻问答

• 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

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

---

@TechCrunch** 国际创新北京峰会VIP票大pk

最近的问答

• 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？**的人肉搜索是他们认为最好的例子，与**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 ]

• 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 ]