applideveloper/machine-learning

• Deep Learning

##自然言語処理

• Google Ngram Viewer
• tf-idf
• 文法圧縮入門：超高速テキスト処理のためのデータ圧縮（NLP2014チュートリアル）
• 意味の意味が分からない
• Latent Dirichlet Allocation(LDA)を用いたニュース記事の分類
• The edit-distance package
• Colada: (Word) Classes with Online LDA
• The colada package
• The swift-lda package
• The chatter package
• 自然言語処理のための変分ベイズ法

###形態素解析

• The Functional Morphology Library
• 日本語形態素解析システム JUMAN

##Classification

• k近傍法
• Factorization Machines
• Bayesian Factorization Machines
• Fast Nearest Neighbor Queries in Haskell
• 多クラス分類アルゴリズムの品質メトリック
• Smart classification using Bayesian monads in Haskell

###単純ベイズ

• Bayesian updating of probability distributions
• ベイズ分類をベースにしたSmartNewsのチャンネル判定
• 新はてなブックマークでも使われてるComplement Naive Bayesを解説するよ

###K-means 法

• [Example] k-means clustering example using iris data set
• K-means 法を D3.js でビジュアライズしてみた

###SVM

• A User’s Guide to Support Vector Machines
• Machine Learning – When to Use Logistic Regression vs. SVM

###Random Forest

• 「はじめてでもわかる RandomForest 入門－集団学習による分類・予測 －」 －第７回データマイニング+WEB勉強会＠東京
• Random Forestsとその応用
• ランダムフォレストの基礎と最新動向
• Random Forestで計算できる特徴量の重要度
• Random Forest とその派生アルゴリズム

##グラフィカルモデル

• グラフィカルモデリングをまとめてみた。
• Bayesian networks and causality
• 玉木先生によるUdemyの講座「ベイズ推定とグラフィカルモデル：コンピュータビジョン基礎1」
• ベイジアンネットワーク：入門からヒューマンモデリングへの応用まで

##強化学習

• Flappy Bird RL
• マルチエージェントシステム入門

##画像処理

• 画像認識の初歩、SIFT,SURF特徴量
• サルでも分かる waifu2x のアルゴリズム
• friday
  • RaphaelJ/friday-report
• cpvrlab/ImagePlay
• [OpenCV] いまさら局所特徴量で物体検出！？

##音声認識

• Improving Speech Recognition in the Browser

##サンプリング

• サンプリング手法について(自分なりに)わかりやすく書くよ！
• MCMC講義（伊庭幸人） 難易度★★
• MIT、マルコフ連鎖モンテカルロ法を高速化するアルゴリズムを発表
• Population Growth Estimation via Markov Chain Monte Carlo
• Kalman and Bayesian Filters in Python
• Naive Particle Smoothing is Degenerate

##データ分析基盤

• Soostone/hadron
• Executable specification of MapReduce
• The riak package
• Google’s MapReduce Programming Model — Revisited
• ianoc/jt
• Apache Sparkで始めるお手軽機械学習(Word2Vec編)

##Probabilistic Programming

• Learning Probabilistic Programs
• FUNCTIONAL PEARLS: Probabilistic Functional Programming in Haskell
• A Probabilistic Functional Programming Library for Haskell
• A New Approach to Probabilistic Programming Inference
• FMFMFMF: Free Monads For Making Fast Models, Functionally.
• Practical Probabilistic Programming with Monads
• Practical probabilistic programming with monads
• Probabilistic Programming & Bayesian Methods for Hackers
• Probabilistic inference by program transformation in Hakaru (system description)
• Simplifying Probabilistic Programs Using Computer Algebra
• Abstract Binding Trees in Hakaru

##数学

• 統計数理研究所
• Math for Machine Learning
• The Matrix Cookbook
• 劣微分を用いた最適化手法について(1)
• プリキュアで学ぶ劣モジュラ関数
• 60分でわかる仮説検定
• Parallelized Stochastic Gradient Descent

##データセット

• livedoor ニュースコーパス
• Wikipedia日英京都関連文書対訳コーパス
• Iris Data Set
• The CIFAR-10 dataset
• Strava dataset
• caesar0301/awesome-public-datasets
• delight-im/FreeGeoDB
• nico-opendata
• THE MNIST DATABASE of handwritten digits
• animeface-character-dataset
• ImageNet
• Labeled Faces in the Wild
• UCF101 - Action Recognition Data Set
• 機械学習でつかう画像を集める作業を少しラクにするツールをつくりました

##Haskell

• random-fu
• mikeizbicki/HLearn
  • Haskellの機械学習ライブラリHLearn
• bmsherman/haskell-matlab
• HaskellR
  • Programming R at native speed using Haskell
  • How to include R plots and diagrams in blog posts

##学会

• 言語処理学会第20回年次大会(NLP2014)
• NIPS Proceedings
  • Interesting things at NIPS 2015

##サービス

• clarifai

---

• bugspots (Google のバグ予測アルゴリズム)を3ヶ月くらい運用してみた話
• Top 10 data mining algorithms in plain English
• The Unreasonable Effectiveness of Recurrent Neural Networks
• Model-Based Machine Learning
• A Few Useful Things to Know about Machine Learning
• コンテンツを見ないコンテンツ内容理解
• DanielRapp/doppler
• Graham Neubig - チュートリアル資料
• Building High-level Features Using Large Scale Unsupervised Learning
• Hogwild!: A Lock-Free Approach to Parallelizing Stochastic Gradient Descent
• Neural CRF Parsing
• edobashira/speech-language-processing
• cmusatyalab/openface
• 「スプラトゥーン」リアルタイム画像解析ツール 「IkaLog」の裏側
• IDSIA/brainstorm
• The riak package
• emmanueldenloye/manifoldRNC
• Girsanov’s Theorem
• hangtwenty/dive-into-machine-learning
• Stat 260/CS 294-102. Learning in Sequential Decision Problems.
• https://github.com/nlintz/TensorFlow-Tutorials
• https://github.com/Microsoft/DMTK
• https://github.com/Yelp/paasta
• https://github.com/Samsung/veles
• Get a Brain
• Add ALL the Things: Abstract Algebra Meets Analytics
• ストリームデータ解析の世界
• openalpr/openalpr
• Exploratory Haskell
• 人工知能によるコンテンツ生成と著作権
• kaggle
• 迷路自動生成アルゴリズム
• プロトタイプで終わらせない死の谷を超える機械学習プロジェクトの進め方
• 異常検知と変化検知のまとめ 数式なし
• リクルート式 自然言語処理技術の適応事例紹介
• bitemyapp/bloodhound - Haskell Elasticsearch client and query DSL
• IHaskell Online: Help Choose Demo Code Snippets!
• 関数型言語Haskellを用いた役割指向エージェントベースシミュレーションシステムのプロトタイプ開発
• Install IHaskell on Ubuntu 14.04 with Stack
• A tour of IHaskell extensions and integrations
• shnarazk/mios
• Particle Smoothing
• Demo of IHaskell Notebook
• MCMC: The Gibbs Sampler
• Bounded Variation
• Dynamical systems
• KalmanFilter の動きを可視化する 一次元版
• KalmanFilter の動きを可視化する 二次元版
• t-SNE を用いた次元圧縮方法のご紹介
• カーネルとは直感的に説明するとなんなのか？
• MLSS'15 Kyoto
• Univariate Distribution Relationships
• Empirical Analysis of Predictive Algorithms for Collaborative Filtering
• Viva La Resistance! A Resistance Game Solver
• グラフィカルモデルによる確率モデル設計の基本
• Encoding Statistical Independence, Statically
• 多峰性の事前分布ってどうやって作るの？
• tweag/sparkle
• Testing the Super User Spark with HSpec
• ランダムフォレスト
• マルウェアを機械学習する前に
• Bayesian Neural Network in PyMC3
• 音割れ音源、機械学習で復元したくない？その1 〜短時間フーリエ変換と近接勾配法〜
• Fast R-CNN
• アニメでわかるベイズ推論によるパラメータ学習
• The Intersection of Machine Learning, Types and Testing
• グラフィカルモデルを使いこなす！～転移学習を表現してみる～
• autumnai/leaf