开篇词 (1讲)

开篇词 | 你的360度人工智能信息助理

人工智能国际顶级会议 (31讲)

001 | 聊聊2017年KDD大会的时间检验奖
002 | 精读2017年KDD最佳研究论文
003 | 精读2017年KDD最佳应用数据科学论文
004 | 精读2017年EMNLP最佳长论文之一
005 | 精读2017年EMNLP最佳长论文之二
006 | 精读2017年EMNLP最佳短论文
007 | 精读2017年ICCV最佳研究论文
008 | 精读2017年ICCV最佳学生论文
009 | 如何将“深度强化学习”应用到视觉问答系统?
010 | 精读2017年NIPS最佳研究论文之一:如何解决非凸优化问题?

搜索核心技术 (28讲)

031 | 经典搜索核心算法:TF-IDF及其变种
032 | 经典搜索核心算法:BM25及其变种(内附全年目录)
033 | 经典搜索核心算法:语言模型及其变种
034 | 机器学习排序算法:单点法排序学习
035 | 机器学习排序算法:配对法排序学习
036 | 机器学习排序算法:列表法排序学习
037 | “查询关键字理解”三部曲之分类
038 | “查询关键字理解”三部曲之解析
039 | “查询关键字理解”三部曲之扩展
040 | 搜索系统评测,有哪些基础指标?

推荐系统核心技术 (22讲)

058 | 简单推荐模型之一:基于流行度的推荐模型
059 | 简单推荐模型之二:基于相似信息的推荐模型
060 | 简单推荐模型之三:基于内容信息的推荐模型
061 | 基于隐变量的模型之一:矩阵分解
062 | 基于隐变量的模型之二:基于回归的矩阵分解
063 | 基于隐变量的模型之三:分解机
064 | 高级推荐模型之一:张量分解模型
065 | 高级推荐模型之二:协同矩阵分解
066 | 高级推荐模型之三:优化复杂目标函数
067 | 推荐的Exploit和Explore算法之一:EE算法综述

广告系统核心技术 (19讲)

079 | 广告系统概述
080 | 广告系统架构
081 | 广告回馈预估综述
082 | Google的点击率系统模型
083 | Facebook的广告点击率预估模型
084 | 雅虎的广告点击率预估模型
085 | LinkedIn的广告点击率预估模型
086 | Twitter的广告点击率预估模型
087 | 阿里巴巴的广告点击率预估模型
088 | 什么是“基于第二价位的广告竞拍”?

自然语言处理及文本处理核心技术 (19讲)

097 | LDA模型的前世今生
098 | LDA变种模型知多少
099 | 针对大规模数据,如何优化LDA算法?
100 | 基础文本分析模型之一:隐语义分析
101 | 基础文本分析模型之二:概率隐语义分析
102 | 基础文本分析模型之三:EM算法
103 | 为什么需要Word2Vec算法?
104 | Word2Vec算法有哪些扩展模型?
105 | Word2Vec算法有哪些应用?
106 | 序列建模的深度学习利器:RNN基础架构

计算机视觉核心技术 (13讲)

115 | 什么是计算机视觉?
116 | 掌握计算机视觉任务的基础模型和操作
117 | 计算机视觉中的特征提取难在哪里?
118 | 基于深度学习的计算机视觉技术(一):深度神经网络入门
119 | 基于深度学习的计算机视觉技术(二):基本的深度学习模型
120 | 基于深度学习的计算机视觉技术(三):深度学习模型的优化
121 | 计算机视觉领域的深度学习模型(一):AlexNet
122 | 计算机视觉领域的深度学习模型(二):VGG & GoogleNet
123 | 计算机视觉领域的深度学习模型(三):ResNet
124 | 计算机视觉高级话题(一):图像物体识别和分割

数据科学家与数据科学团队养成 (25讲)

127 | 数据科学家基础能力之概率统计
128 | 数据科学家基础能力之机器学习
129 | 数据科学家基础能力之系统
130 | 数据科学家高阶能力之分析产品
131 | 数据科学家高阶能力之评估产品
132 | 数据科学家高阶能力之如何系统提升产品性能
133 | 职场话题:当数据科学家遇见产品团队
134 | 职场话题:数据科学家应聘要具备哪些能力?
135 | 职场话题:聊聊数据科学家的职场规划
136 | 如何组建一个数据科学团队?

热点话题讨论 (7讲)

151 | 精读AlphaGo Zero论文
152 | 2017人工智能技术发展盘点
153 | 如何快速学习国际顶级学术会议的内容?
154 | 在人工智能领域,如何快速找到学习的切入点?
155 | 人工智能技术选择,该从哪里获得灵感?
156 | 近在咫尺,走进人工智能研究
内参特刊 | 和你聊聊每个人都关心的人工智能热点话题

结束语 (1讲)

结束语 | 雄关漫道真如铁,而今迈步从头越

发表回复

后才能评论

默认是geekape.net

解压密码:@vposy