正文1：

教程标题：100 页机器学习入门完整版，初学者必备！

作者：专知

教程摘要：近日，作者 Andriy Burkov 放出了他撰写的《The Hundred-Page Machine Learning Book》的这本书的最新版，只有 100 页，目标是任何只要有基础数学知识的人都能看懂的机器学习书籍。这本书的十一个章节最新版都已经在网站上公开，本书将涵盖监督学习和非监督学习两大部分、包括神经网络、深度学习以及计算机科学、数学和统计学中最重要的一些机器学习问题。这本书浅显易懂，适合初学者学习和收藏！

原文链接：

正文2：

教程标题：简单的音频识别

作者： Google TensorFlow

教程摘要：本文展示了如何构建可以识别 10 个不同字词的基本语音识别网络。需要注意的是，真正的语音和音频识别系统要复杂得多，但就像用于识别图像的 MNIST，这个基本语音识别网络能够帮助您基本了解所涉及的技术。

原文链接：

正文3：

教程标题：三次简化一张图：一招理解 LSTM/GRU 门控机制

作者：张皓

教程摘要：NN 在处理时序数据时十分成功。但是，对 RNN 及其变种 LSTM 和 GRU 结构的理解仍然是一个困难的任务。本文介绍一种理解 LSTM 和 GRU 的简单通用的方法。通过对 LSTM 和 GRU 数学形式化的三次简化，最后将数据流形式画成一张图，可以简洁直观地对其中的原理进行理解与分析。此外，本文介绍的三次简化一张图的分析方法具有普适性，可广泛用于其他门控网络的分析。

原文链接：

正文4：

教程标题：如何准备用于 LSTM 模型的数据并进行序列预测？（附代码）

作者：邵洲 学术头条

教程摘要：LSTM 是一种时间递归神经网络，适合于处理和预测时间序列中间隔和延迟相对较长的重要事件。在自然语言处理、语言识别等一系列的应用上都取得了很好的效果。

《Long Short Term Memory Networks with Python》是澳大利亚机器学习专家 Jason Brownlee 的著作，里面详细介绍了 LSTM 模型的原理和使用。

原文链接：