Synced 深度研学社每周干货，每周五为大家推荐机器学习的入门教程、技术分析、以及资源分享。不多不少，每周进步一点点 ~
【入门书籍】 Speech and Language Processing
by Daniel Jurafsky, James H. Martin简介：作者 Daniel Jurafsky是斯坦福大学语言学系和计算机系的教授，James H. Martin是科罗拉多大学计算机系教授。这本书主要介绍当代计算机领域中的自然语言处理，内容涵盖广阔，涉及传统领域中的方方面面，对重要概念的解释清晰明了，并提供有详细的参考文献。适合对NLP感兴趣的入门者，可以对此领域有一个系统而又全面的了解。
链接： 3rd ed. Draft https://web.stanford.edu/~jurafsky/slp3/
【技术分析】 Adversarial Machine Learning at Scale
by Alexey Kurakin, Ian J. Goodfellow, Samy Bengio
简介：作者Alexey Kurakin和Samy Bengio是Google Brain的科研人员， Ian J. Goodfellow是就职于OpenAI的科研人员。这篇论文研究对抗机器学习。对抗样本是被设计用来愚弄机器学习模型的恶意输入，对抗训练指的是在对抗样本上明确地训练模型的过程。论文中研究对抗训练在ImageNet中的应用，重点包括模型和数据集的规模化，在面临攻击时的稳健性，攻击的迁移性等。
链接： https://arxiv.org/pdf/1611.01236v1.pdf
【资源分享】 Top 20 python Machine Learning Open Source Projects
简介：KDnuggets盘点了Github上最为活跃的20个Python深度学习的项目，包括Scikit-learn、Pylearn2、NuPIC、Nilearn、PyBrain、Pattern、Fuel、Bob、skdata等等。每个项目附有commit和contributor的数量、项目简介和网址链接。
链接： http://www.kdnuggets.com/2015/06/top-20-python-machine-learning-open-source-projects.html