关于
如果你对我的文章感兴趣，那么很可能你也对我平时的阅读感兴趣，以下是一些你可以参考或订阅的资源：- 我在豆瓣上的豆列列举了一些看过的好书：[只读经典]思维改变生活 | [只读经典]思考的技术与艺术 | 决策与判断 | 机器学习与人工智能书籍资源导引
我的微博
Popular
- 逃出你的肖申克（二）：仁者见仁智者见智？从视觉错觉到偏见 - 141,383 views
- [BetterExplained]为什么你应该（从现在开始就）写博客 - 133,128 views
- 我在南大的七年 - 132,334 views
- 暗时间 - 131,469 views
- [BetterExplained]如何有效地记忆与学习 - 117,687 views
- 逃出你的肖申克（一）：为什么一定要亲身经历了之后才能明白？ - 98,782 views
- 逃出你的肖申克（三）：遇见20万年前的自己 - 90,894 views
- 数学之美番外篇：平凡而又神奇的贝叶斯方法 - 81,885 views
- [BetterExplained]书写是为了更好的思考 - 81,552 views
- 编程的首要原则(s)是什么？ - 78,655 views
-
-
怎样花两年时间去面试一个人
04 November 2011 1:18 AM | 105 Comments -
知其所以然（三）：为什么算法这么难？
10 July 2011 12:24 AM | 57 Comments -
逃出你的肖申克（四）：理智与情感
23 January 2011 8:28 PM | 125 Comments -
知其所以然（续）
14 November 2010 5:41 PM | 42 Comments -
逃出你的肖申克（三）：遇见20万年前的自己
18 March 2010 12:28 AM | 112 Comments -
暗时间
20 December 2009 1:39 PM | 143 Comments -
不是书评 ：《我是一只IT小小鸟》
05 October 2009 1:18 AM | 57 Comments -
[BetterExplained]遇到问题为什么应该自己动手
06 July 2009 9:48 PM | 62 Comments
-
怎样花两年时间去面试一个人
04 November 2011 1:18 AM | 105 Comments -
知其所以然（三）：为什么算法这么难？
10 July 2011 12:24 AM | 57 Comments -
逃出你的肖申克（四）：理智与情感
23 January 2011 8:28 PM | 125 Comments -
知其所以然（续）
14 November 2010 5:41 PM | 42 Comments -
逃出你的肖申克（三）：遇见20万年前的自己
18 March 2010 12:28 AM | 112 Comments -
暗时间
20 December 2009 1:39 PM | 143 Comments -
不是书评 ：《我是一只IT小小鸟》
05 October 2009 1:18 AM | 57 Comments -
[BetterExplained]遇到问题为什么应该自己动手
06 July 2009 9:48 PM | 62 Comments
- T客网 ︱ Techpot » Blog Archive » 这周我加星（7）
[BetterExplained]为什么你应该（从现在开始就）写博客 - 天子 2.0
如何清晰地思考（近一年来业余阅读的关于思维方面的知识结构整理） - 如何有效地记忆与学习–对牛人文章的归纳 - 总是要喝下去才知道味道
[BetterExplained]书写是为了更好的思考 - 如何有效地记忆与学习–对牛人文章的归纳 - 总是要喝下去才知道味道
[BetterExplained]如何有效地记忆与学习 - frank
康托尔、哥德尔、图灵——永恒的金色对角线(rev#2) - frank
康托尔、哥德尔、图灵——永恒的金色对角线(rev#2) - 如何充分利用网络与软件资源学好英语！ | Chem Web
[BetterExplained]书写是为了更好的思考 - hmgle可能是不可调和的右脑活跃分子 | 调和的微光 – HARMONIC GLEAM
逃出你的肖申克（二）：仁者见仁智者见智？从视觉错觉到偏见
-
怎样花两年时间去面试一个人
Categories
资源导引 Archive
-
机器学习与人工智能学习资源导引
Posted on September 11, 2008 | 9 Comments我经常在 TopLanguage 讨论组上推荐一些书籍，也经常问里面的牛人们搜罗一些有关的资料，人工智能、机器学习、自然语言处理、知识发现（特别地，数据挖掘）、信息检索 这些无疑是 CS 领域最好玩的分支了（也是互相紧密联系的），这里将最近有关机器学习和人工智能相关的一些学习资源归一个类
