机器学习与数据挖掘！重中之重，热中之热。每一篇在CSDN云计算频道发表的相关文章都获得无数响应与评价。我们一直在思考如何能将文章汇聚成系列，并建立了“机器学习”的tag，但要从浅入深，汇聚前沿，点评发展，并将云计算与大数据领域最具价值的部分体现出来，很难。幸好业内有专家走在了最前面。美国卡内基梅隆计算机机器人专业博士、面向移动云计算创业人邓侃博士（@邓侃）在2月20日看到了斯坦福大学教授Andrew Ng的网页： 越看越喜欢。Andrew Ng 教授写的教程，深入浅出，要言不烦，不卖关子，不摆噱头，这是真心想让读者看得懂的做法。与其重新造轮子，不如锦上添花，敬重、继承、并发扬光大别人的已有成果。在新浪微博上发帖征集Andrew Ng教授文章26篇教程的翻译志愿者。历经经过50天的团结奋战，今天已经取得全面彻底的胜利。 目录如下： 稀疏自编码器 神经网络 反向传导算法 梯度检验与高级优化 自编码算法与稀疏性 可视化自编码器训练结果 稀疏自编码器符号一览表 练习：稀疏自编码 矢量化编程实现 矢量化编程 逻辑回归的向量化实现样例 神经网络向量化 练习：矢量 预处理：主成分分析与白化 主成分分析 白化 实现主成分分析和白化 练习：在2D PCA 练习：PCA和美白 SOFTMAX回归 SOFTMAX回归 练习：SOFTMAX回归 自我学习与无监督特征学习 自我学习 练习：自学成才的学习 建立分类用深度网络 从自我学习到深层网络 深度网络概览 栈式自编码算法 微调多层自编码算法 练习：实现深网络位数分类 自编码线性解码器 线性解码器 练习：学习与稀疏Autoencoders的颜色特征 处理大型图像 卷积特征提取 池化 练习：卷积和池 注意： 混杂的 MATLAB模块 风格指南 有用的链接 混杂的主题 数据预处理 用反向传导思想求导 进阶主题： 稀疏编码 稀疏编码 稀疏编码自编码表达 练习：稀疏编码 独立成分分析样式建模 独立成分分析 练习：独立分量分析 其它 卷积培训 受限玻尔兹曼机 深信念网络 去噪Autoencoders的 K-均值 多尺度空间金字塔/ 慢特征分析 瓷砖卷积网络 原文链接：斯坦福大学教授Andrew Ng |
