【Using Gradient Boosted Trees to Predict Bike Sharing Demand】🔗 网页链接 GraphLab中GBDT作者之一Jay (Haijie) Gu的文章，一步步教大家用GraphLab中的GBDT完成Kaggle Bike Sharing Demand竞赛，号称5分钟下数据，30分钟窜到the top of the leader board。 展开全文 【Machine Learning Theory: An Introductory Primer】🔗 网页链接 机器学习最基本的入门文章，适合零基础者。 【Science上发表的超赞聚类算法】🔗 网页链接 昨天说的Science新Paper:Clustering by fast search and find of density peak很快就有国内同学follow了，转一个。这个算法非常简单明了，但确实很有道理，希望能找到很好的应用。 【再谈机器学习和手工系统：人和机器谁更聪明能干？】🔗 网页链接 继续这两天Google搜索用规则系统的讨论，@立委_米拉 李维老师的观点是：1.优秀的人更聪明，2.人并不总比机器能干。再复杂的规则系统如果分好模块，也是非常可控的。 【Deep Search】🔗 网页链接 Deep Learning的火让搜索引擎也眼红了，出了个Deep Search的概念。看起来是利用知识图谱等自然语言理解技术的搜索引擎，只是强调在预处理、索引、查询各个阶段都需要使用深度的语言理解技术。 【Machine Learning Done Wrong】🔗 网页链接 作者总结了机器学习七种易犯的错误：1.想当然用缺省Loss；2.非线性情况下用线性模型；3.忘记Outlier；4.样本少时用High Viriance模型；5.不做标准化就用L1/L2等正则；6.不考虑线性相关直接用线性模型；7.LR模型中用参数绝对值判断feature重要性。 展开全文 LeCun在Reddit Ask Me Anything栏目的精彩回答：🔗 网页链接 干货一箩筐，得慢慢啃。NLP是下一个DL的前沿阵地；现在的成就基本是监督的，长期看好非监督；是个贝叶斯中立者，不看好计算机视觉非参数贝叶斯；真正的智能是有情感的；不看好大规模训练采用专用硬件，GPU还是主流，Xeon Phi有希望 展开全文 【Spark中国峰会】http://t.cn/8spRUZi“2014 中国Spark技术峰会”（Spark Summit China）将于2014年4月19日召开，国内外Apache Spark社区成员和企业用户将第一次齐聚北京。来自AMPLab、Databricks、Intel、淘宝、网易等公司的Spark贡献者及一线开发者将分享在生产环境中使用Spark及相关项目的内容。 展开全文 【Word2vec资料汇总】🔗 网页链接 Word2vec官方资源；Deep Learning in NLP （一）词向量和语言模型；Deep Learning实战之word2vec。欢迎补充~ 