发表服务
机器学习好的论文肯定是要在顶级会议和期刊上去找，但是关键是要知道每个会议有自己的“领域”以下推荐综合参考了谷歌学术的出版物影响力排名和清华大学计算机学科推荐学术会议列表
作者：专知转载自：专知原文链接：杜克大学最新《可解释机器学习》综述论文，80页pdf阐述基本原理和10大挑战摘要：机器学习(ML)中的可解释性对于高风险决策和故障排除是至关重要的。在这项工作中，我们提供了可…
华盛顿大学机器学习大牛PedroDomingos写的一篇论文，被奉为机器学习领域的经典入门论文。Pedro在论文中强调了几个机器学习领域一些书上学不到的重要常识，还有一些需要特别注意的地方。阅读这篇论文能帮助你在开发机器学习项目中避开一些弯路。
本文整理总结了NeurIPS2019上十篇机器学习领域的论文，这些论文来自谷歌、Facebook、普林斯顿大学、斯坦福大学等团队的最新研究成果，供大家参考学习。DifferentiableRanksandSortingusingOptimalTransport基于优化运输的可微排序论文...
一文读完GitHub30+篇顶级机器学习论文（附摘要和论文下载地址）.【新智元导读】今天介绍Github上的开源项目，专门用于更新最新的研究突破，具体说来，就是什么算法在哪一个数据集上取得了state-of-the-art的成果，包括语音、计算机视觉和NLP、迁移学习、强化...
本文来自微信公众号——青人QTech一对一论文定制丨分布式机器学习1.项目名称分布式机器学习2.课题方向代表导师介绍JL美国石溪大学助理教授伊利诺伊大学厄巴纳-香槟分校（UIUC）博士后耶鲁大学电…
2011年上半年学习斯坦福大学《机器学习》课程的个人学习笔记，内容主要来自AndrewNg教授的讲义和学习视频。另外也包含来自其他论文和其他学校讲义的一些内容。
NandodeFreitas是一名来自牛津大学机器学习教授，也是牛津大学深度学习课程的主讲人。在2000年拿到TrinityCollege的博士学位后，1999至2001年他在UCBerkeley担任博后，2001至2014年在UniversityofBritishColumbia担任教授，他还是加拿大高级科研学会（CIFAR）的一员，并拿到了许多学术类的奖项。
机器学习让材料“开挂”.结合决策树等算法，研究者可通过机器学习快速找出纳米材料的最佳条件，并据此实现对材料的量身定做，一些...
哈佛大学的研究者采用计算材料科学思路，使用“失败”数据，成功完成了这篇被选为本期Nature封面的论文。.有了机器学习，再也不怕失败了.论文标题：Machine-learning-assistedmaterialsdiscoveryusingfailedexperiments.作者：PaulRaccuglia、KatherineC.Elbert、PhilipD.F.Adler...
机器学习好的论文肯定是要在顶级会议和期刊上去找，但是关键是要知道每个会议有自己的“领域”以下推荐综合参考了谷歌学术的出版物影响力排名和清华大学计算机学科推荐学术会议列表
作者：专知转载自：专知原文链接：杜克大学最新《可解释机器学习》综述论文，80页pdf阐述基本原理和10大挑战摘要：机器学习(ML)中的可解释性对于高风险决策和故障排除是至关重要的。在这项工作中，我们提供了可…
华盛顿大学机器学习大牛PedroDomingos写的一篇论文，被奉为机器学习领域的经典入门论文。Pedro在论文中强调了几个机器学习领域一些书上学不到的重要常识，还有一些需要特别注意的地方。阅读这篇论文能帮助你在开发机器学习项目中避开一些弯路。
本文整理总结了NeurIPS2019上十篇机器学习领域的论文，这些论文来自谷歌、Facebook、普林斯顿大学、斯坦福大学等团队的最新研究成果，供大家参考学习。DifferentiableRanksandSortingusingOptimalTransport基于优化运输的可微排序论文...
一文读完GitHub30+篇顶级机器学习论文（附摘要和论文下载地址）.【新智元导读】今天介绍Github上的开源项目，专门用于更新最新的研究突破，具体说来，就是什么算法在哪一个数据集上取得了state-of-the-art的成果，包括语音、计算机视觉和NLP、迁移学习、强化...
本文来自微信公众号——青人QTech一对一论文定制丨分布式机器学习1.项目名称分布式机器学习2.课题方向代表导师介绍JL美国石溪大学助理教授伊利诺伊大学厄巴纳-香槟分校（UIUC）博士后耶鲁大学电…
2011年上半年学习斯坦福大学《机器学习》课程的个人学习笔记，内容主要来自AndrewNg教授的讲义和学习视频。另外也包含来自其他论文和其他学校讲义的一些内容。
NandodeFreitas是一名来自牛津大学机器学习教授，也是牛津大学深度学习课程的主讲人。在2000年拿到TrinityCollege的博士学位后，1999至2001年他在UCBerkeley担任博后，2001至2014年在UniversityofBritishColumbia担任教授，他还是加拿大高级科研学会（CIFAR）的一员，并拿到了许多学术类的奖项。
机器学习让材料“开挂”.结合决策树等算法，研究者可通过机器学习快速找出纳米材料的最佳条件，并据此实现对材料的量身定做，一些...
哈佛大学的研究者采用计算材料科学思路，使用“失败”数据，成功完成了这篇被选为本期Nature封面的论文。.有了机器学习，再也不怕失败了.论文标题：Machine-learning-assistedmaterialsdiscoveryusingfailedexperiments.作者：PaulRaccuglia、KatherineC.Elbert、PhilipD.F.Adler...
发表服务