这期David 9给各位初学者推荐8个很棒的机器学习小抄，速查表以及我的理解，希望各位刚入坑的小伙伴能有一个总览性的理解，加速你的学习迭代：
1. SCIKIT-LEARN 算法导览 ：
分类只要判别类别标签，回归还要预测具体值，特征降维要找到有用的那些维度，聚类是要给未知总集区分类别，初学者除了知道以上这些问题大类， SCIKIT-LEARN 算法导览还提供一些具体的选择细节。 继续阅读8 个很棒的机器学习小抄，速查表及其解释: Machine Learning Cheat Sheets !
分类： 概览
机器视觉目标检测补习贴之R-CNN系列 — R-CNN, Fast R-CNN, Faster R-CNN
CVPR 2017在即，David 9最近补习了目标检测的趋势研究。深度学习无疑在近年来使机器视觉和目标检测上了一个新台阶。初识目标检测领域，当然先要了解下面这些框架：
- RCNN
- Fast RCNN
- Faster RCNN
- Yolo
- SSD
附一张发表RCNN并开启目标检测深度学习浪潮的Ross B. Girshick（rbg）男神：
无论如何，目标检测属于应用范畴，有些机器学习基础上手还是很快的，所以让我们马上来补习一下！
首先什么是目标检测？目标检测对人类是如此简单：
把存在的目标从图片中找出来，就是那么简单！ 继续阅读机器视觉目标检测补习贴之R-CNN系列 — R-CNN, Fast R-CNN, Faster R-CNN
Yoshua Bengio大神深度学习实战方法论解读 — 模型评估， 超参数调优，网格搜索，调试策略
人类擅长把一个问题转化为另一个问题，而深度学习试图把所有问题转化为同一个问题 — David 9
现代深度学习或机器学习，很大程度上是把所有问题转化为同一个“模型训练”问题。如何解决这个模型训练的问题成为了数据科学家们的主攻问题。
鲜为人知的是，设计机器学习模型、训练算法和目标函数仅仅是工作的一部分。还有很重要的一部分是：数据科学家们要对数据和问题有更深层次的理解，对于模型评估， 超参数调优，网格搜索，调试策略都有相当的实践经验。
正如Deep Learning（Ian Goodfellow Yoshua Bengio）一书中所说：
Correct application of an algorithm depends on mastering some fairly simple methodology