因为平时看的一些论文什么的，有些数据集或者代码什么的需要记录下，就罗列在这里，
1、论文《LCSTS: A Large Scale Chinese Short Text Summarization Dataset》，新浪微博的大规模中文短文本摘要数据集，数据集中包含了200万真实的中文短文本数据和每个文本作者给出的摘要。
2、使用深度学习打造智能聊天机器人 讲述了机器人的发展应用、突破和进展。
3、论文引介 | Neural Generative Question Answering 讲述了一种中文问答系统的实现，里面涉及问答准确度和流畅度的评测，
4、社交数据集汇总 清华大学唐杰老师课题组把他们近年发表论文的相关数据进行了汇总，一共24个数据，包括：Twitter、专利、mobile、flickr、myspace、linkedin、livejournal、movie、enron、slashdot、epinions、wikipedia等，很多数据还包括大量人工标注的结果。
5、Stanford“深度学习与自然语言处理”课程2016期末报告 文本处理最前沿相关，
6、一些论文的代码实现 小部分实现，各种框架，
16、推荐系统经典论文文献及业界应用还有机器学习和信息检索（需翻墙）
18、简单易学！一步步带你理解机器学习算法——马尔可夫链蒙特卡罗（MCMC）
20、Online Summarizers overview介绍了四个在线的摘要工具，应该是限于英文的，不知道是否有可用个的API，
21、机器学习中的「特征工程」到底是什么?本篇举例说明了机器学习应该是个什么过程，该怎么做，跟着这一篇做一遍就明白个差不多了，具体算法细节和数学原理还需要自己查材料理解，
22、用两个使用Caffe的小项目案例演示迁移学习的实用性 介绍了几种学习模式的关系，展示了两个网络模型迁移应用的例子，
24、NLP相关论文阅读笔记，含多个方向，
25、resources for machine learning and social network analysis
27、【适合新手理解特征工程】利用机器学习方法进行情感分析
28、【同上】[干货]基础机器学习算法
29、【序列模型】时间序列分析
30、【快速检索】启发式搜索算法
31、【论文投稿】论文投稿前自查清单
32、【投稿】英文书信模板大全
33、【代码】已实现的部分机器学习代码
34、【python】Python机器学习（附资源）
35、【教程】TensorFlow的71个使用教程与案例
36、通俗理解遗传算法
38、【API】52 个有用的机器学习与预测接口盘点
40、Models built with TensorFlow
41、迁移学习资料
42、Implementing a Retrieval-Based Model in Tensorflow虽不是原文但有完整的图，也给出了原文地址。从构建Baseline到对比模型，到深度学习方法，很多细节说的很详细，可以作为DL的一个特征工程来学习，
43、机器学习入门资源汇总接入人家的资源，给出原地址了，下面是人家的资源，
-
Fast.ai深度学习实战
由Jeremy和Rachel创作的一系列深度学习课程，初学者即使不会微积分、不会概率论、不会线性代数、不会Python，都能一步步地在课程当中慢慢学会深度学习的应用，本号有一篇介绍的详细文章，大家请看：
深度学习没你想象的那么难，Fast.ai 带你学习带你飞！ -
Andrew Ng--《Machine Learning》
不用说，这门课程基本上是学机器学习的学生必修课程，直接到Coursera上进行学习：
Coursera--Machine Learning -
深度 | 机器学习初学者最常见的5个错误：你该怎么避开它们？
机器之心的文章，现在回头看看，这5个错误真的会犯：
深度 | 机器学习初学者最常见的5个错误：你该怎么避开它们？ -
人工智能从入门到进阶，机器之心高分技术文章全集
同样来自机器之心，上面有非常多的资源，不过未经更详细的分类，读者需要有选择地阅读。
人工智能从入门到进阶，机器之心高分技术文章全集 -
技能 | 如何开始深度学习？这里有一份完整的攻略
本文由AI100编译，作者是GRANDJANITOR，分享了他的学习历程。
技能 | 如何开始深度学习？这里有一份完整的攻略
44、这样讲深度学习
45、强化学习：吴恩达对于增强学习的形象论述
能否介绍一下强化学习(Reinforcement Learning)，及其和监督学习的不同？
47、The most cited deep learning papers
48、Deep Learning Papers Reading Roadmap
51、深度学习可视化
新标题---学术写作
4、英文科研写作