文件目录:AI技术内参,文件大小:0.98G
01-开篇词(1讲)[20.14M]
000丨开篇词丨你的360度人工智能信息助理.html[4.78M]
000丨开篇词丨你的360度人工智能信息助理.mp3[2.33M]
000丨开篇词丨你的360度人工智能信息助理.pdf[13.03M]
02-搜索核心技术(28讲)[186.74M]
018丨经典搜索核心算法:TF-IDF及其变种.html[1.16M]
018丨经典搜索核心算法:TF-IDF及其变种.mp3[5.31M]
018丨经典搜索核心算法:TF-IDF及其变种.pdf[1.68M]
019丨经典搜索核心算法:BM25及其变种(内附全年目录).html[3.45M]
019丨经典搜索核心算法:BM25及其变种(内附全年目录).mp3[4.48M]
019丨经典搜索核心算法:BM25及其变种(内附全年目录).pdf[11.11M]
020丨经典搜索核心算法:语言模型及其变种.html[1.29M]
020丨经典搜索核心算法:语言模型及其变种.mp3[4.66M]
020丨经典搜索核心算法:语言模型及其变种.pdf[1.73M]
021丨机器学习排序算法:单点法排序学习.html[1.22M]
021丨机器学习排序算法:单点法排序学习.mp3[4.40M]
021丨机器学习排序算法:单点法排序学习.pdf[1.30M]
022丨机器学习排序算法:配对法排序学习.html[1.03M]
022丨机器学习排序算法:配对法排序学习.mp3[3.97M]
022丨机器学习排序算法:配对法排序学习.pdf[1.14M]
023丨机器学习排序算法:列表法排序学习.html[1.00M]
023丨机器学习排序算法:列表法排序学习.mp3[3.78M]
023丨机器学习排序算法:列表法排序学习.pdf[1.47M]
024丨“查询关键字理解”三部曲之分类.html[1.07M]
024丨“查询关键字理解”三部曲之分类.mp3[4.20M]
024丨“查询关键字理解”三部曲之分类.pdf[1.55M]
025丨“查询关键字理解”三部曲之解析.html[1.11M]
025丨“查询关键字理解”三部曲之解析.mp3[3.65M]
025丨“查询关键字理解”三部曲之解析.pdf[1.24M]
026丨“查询关键字理解”三部曲之扩展.html[1.07M]
026丨“查询关键字理解”三部曲之扩展.mp3[3.45M]
026丨“查询关键字理解”三部曲之扩展.pdf[1.16M]
027丨搜索系统评测,有哪些基础指标?.html[1.06M]
027丨搜索系统评测,有哪些基础指标?.mp3[4.14M]
027丨搜索系统评测,有哪些基础指标?.pdf[1.18M]
028丨搜索系统评测,有哪些高级指标?.html[1.11M]
028丨搜索系统评测,有哪些高级指标?.mp3[3.35M]
028丨搜索系统评测,有哪些高级指标?.pdf[1.18M]
029丨如何评测搜索系统的在线表现?.html[829.08K]
029丨如何评测搜索系统的在线表现?.mp3[3.76M]
029丨如何评测搜索系统的在线表现?.pdf[1.34M]
030丨文档理解第一步:文档分类.html[1.50M]
030丨文档理解第一步:文档分类.mp3[3.92M]
030丨文档理解第一步:文档分类.pdf[1.85M]
031丨文档理解的关键步骤:文档聚类.html[1.10M]
031丨文档理解的关键步骤:文档聚类.mp3[3.41M]
031丨文档理解的关键步骤:文档聚类.pdf[1.55M]
032丨文档理解的重要特例:多模文档建模.html[1.10M]
032丨文档理解的重要特例:多模文档建模.mp3[3.66M]
032丨文档理解的重要特例:多模文档建模.pdf[1.18M]
033丨大型搜索框架宏观视角:发展、特点及趋势.html[1.09M]
033丨大型搜索框架宏观视角:发展、特点及趋势.mp3[3.90M]
033丨大型搜索框架宏观视角:发展、特点及趋势.pdf[1.19M]
034丨多轮打分系统概述.html[0.98M]
034丨多轮打分系统概述.mp3[3.55M]
034丨多轮打分系统概述.pdf[1.11M]
035丨搜索索引及其相关技术概述.html[936.28K]
035丨搜索索引及其相关技术概述.mp3[3.64M]
035丨搜索索引及其相关技术概述.pdf[1.40M]
036丨PageRank算法的核心思想是什么?.html[978.22K]
036丨PageRank算法的核心思想是什么?.mp3[3.69M]
036丨PageRank算法的核心思想是什么?.pdf[1.15M]
037丨经典图算法之HITS.html[1.03M]
037丨经典图算法之HITS.mp3[3.45M]
037丨经典图算法之HITS.pdf[1.49M]
038丨社区检测算法之“模块最大化”.html[944.44K]
038丨社区检测算法之“模块最大化”.mp3[3.12M]
038丨社区检测算法之“模块最大化”.pdf[1.04M]
039丨机器学习排序算法经典模型:RankSVM.html[0.99M]
039丨机器学习排序算法经典模型:RankSVM.mp3[3.64M]
039丨机器学习排序算法经典模型:RankSVM.pdf[1.43M]
040丨机器学习排序算法经典模型:GBDT.html[1.22M]
040丨机器学习排序算法经典模型:GBDT.mp3[3.19M]
040丨机器学习排序算法经典模型:GBDT.pdf[1.34M]
041丨机器学习排序算法经典模型:LambdaMART.html[919.83K]
041丨机器学习排序算法经典模型:LambdaMART.mp3[3.53M]
041丨机器学习排序算法经典模型:LambdaMART.pdf[1.48M]
042丨基于深度学习的搜索算法:深度结构化语义模型.html[1.14M]
042丨基于深度学习的搜索算法:深度结构化语义模型.mp3[3.74M]
042丨基于深度学习的搜索算法:深度结构化语义模型.pdf[1.42M]
043丨基于深度学习的搜索算法:卷积结构下的隐含语义模型.html[1.05M]
043丨基于深度学习的搜索算法:卷积结构下的隐含语义模型.mp3[3.09M]
043丨基于深度学习的搜索算法:卷积结构下的隐含语义模型.pdf[1.50M]
044丨基于深度学习的搜索算法:局部和分布表征下的搜索模型.html[1.10M]
044丨基于深度学习的搜索算法:局部和分布表征下的搜索模型.mp3[3.56M]
044丨基于深度学习的搜索算法:局部和分布表征下的搜索模型.pdf[1.37M]
复盘1丨搜索核心技术模块.html[2.91M]
复盘1丨搜索核心技术模块.pdf[3.63M]
03-推荐系统核心技术(22讲)[120.34M]
063丨简单推荐模型之一:基于流行度的推荐模型.html[1.26M]
063丨简单推荐模型之一:基于流行度的推荐模型.mp3[4.06M]
063丨简单推荐模型之一:基于流行度的推荐模型.pdf[1.31M]
064丨简单推荐模型之二:基于相似信息的推荐模型.html[930.99K]
064丨简单推荐模型之二:基于相似信息的推荐模型.mp3[3.77M]
064丨简单推荐模型之二:基于相似信息的推荐模型.pdf[1.02M]
065丨简单推荐模型之三:基于内容信息的推荐模型.html[0.99M]
065丨简单推荐模型之三:基于内容信息的推荐模型.mp3[3.48M]
065丨简单推荐模型之三:基于内容信息的推荐模型.pdf[1.10M]
066丨基于隐变量的模型之一:矩阵分解.html[1.02M]
066丨基于隐变量的模型之一:矩阵分解.mp3[3.27M]
066丨基于隐变量的模型之一:矩阵分解.pdf[1.42M]
067丨基于隐变量的模型之二:基于回归的矩阵分解.html[1.07M]
067丨基于隐变量的模型之二:基于回归的矩阵分解.mp3[3.35M]
067丨基于隐变量的模型之二:基于回归的矩阵分解.pdf[1.57M]
068丨基于隐变量的模型之三:分解机.html[1.17M]
068丨基于隐变量的模型之三:分解机.mp3[2.35M]
068丨基于隐变量的模型之三:分解机.pdf[1.18M]
069丨高级推荐模型之一:张量分解模型.html[1.07M]
069丨高级推荐模型之一:张量分解模型.mp3[3.33M]
069丨高级推荐模型之一:张量分解模型.pdf[1.13M]
070丨高级推荐模型之二:协同矩阵分解.html[902.15K]
070丨高级推荐模型之二:协同矩阵分解.mp3[3.19M]
070丨高级推荐模型之二:协同矩阵分解.pdf[1.33M]
071丨高级推荐模型之三:优化复杂目标函数.html[1.01M]
071丨高级推荐模型之三:优化复杂目标函数.mp3[2.84M]
071丨高级推荐模型之三:优化复杂目标函数.pdf[1.45M]
072丨推荐的Exploit和Explore算法之一:EE算法综述.html[994.09K]
072丨推荐的Exploit和Explore算法之一:EE算法综述.mp3[3.65M]
072丨推荐的Exploit和Explore算法之一:EE算法综述.pdf[1.16M]
073丨推荐的Exploit和Explore算法之二:UCB算法.html[969.54K]
073丨推荐的Exploit和Explore算法之二:UCB算法.mp3[3.13M]
073丨推荐的Exploit和Explore算法之二:UCB算法.pdf[1.06M]
074丨推荐的Exploit和Explore算法之三:汤普森采样算法.html[928.67K]
074丨推荐的Exploit和Explore算法之三:汤普森采样算法.mp3[2.97M]
074丨推荐的Exploit和Explore算法之三:汤普森采样算法.pdf[1.00M]
075丨推荐系统评测之一:传统线下评测.html[993.84K]
075丨推荐系统评测之一:传统线下评测.mp3[3.03M]
075丨推荐系统评测之一:传统线下评测.pdf[1.37M]
076丨推荐系统评测之二:线上评测.html[1.16M]
076丨推荐系统评测之二:线上评测.mp3[3.04M]
076丨推荐系统评测之二:线上评测.pdf[1.20M]
077丨推荐系统评测之三:无偏差估计.html[1.03M]
077丨推荐系统评测之三:无偏差估计.mp3[2.90M]
077丨推荐系统评测之三:无偏差估计.pdf[1.07M]
078丨现代推荐架构剖析之一:基于线下离线计算的推荐架构.html[1.05M]
078丨现代推荐架构剖析之一:基于线下离线计算的推荐架构.mp3[3.32M]
078丨现代推荐架构剖析之一:基于线下离线计算的推荐架构.pdf[1.53M]
079丨现代推荐架构剖析之二:基于多层搜索架构的推荐系统.html[1.09M]
079丨现代推荐架构剖析之二:基于多层搜索架构的推荐系统.mp3[3.01M]
079丨现代推荐架构剖析之二:基于多层搜索架构的推荐系统.pdf[1.17M]
080丨现代推荐架构剖析之三:复杂现代推荐架构漫谈.html[1.14M]
080丨现代推荐架构剖析之三:复杂现代推荐架构漫谈.mp3[2.62M]
080丨现代推荐架构剖析之三:复杂现代推荐架构漫谈.pdf[1.20M]
081丨基于深度学习的推荐模型之一:受限波兹曼机.html[925.96K]
081丨基于深度学习的推荐模型之一:受限波兹曼机.mp3[3.39M]
081丨基于深度学习的推荐模型之一:受限波兹曼机.pdf[1.38M]
082丨基于深度学习的推荐模型之二:基于RNN的推荐系统.html[892.22K]
082丨基于深度学习的推荐模型之二:基于RNN的推荐系统.mp3[3.23M]
082丨基于深度学习的推荐模型之二:基于RNN的推荐系统.pdf[1.34M]
083丨基于深度学习的推荐模型之三:利用深度学习来扩展推荐系统.html[990.86K]
083丨基于深度学习的推荐模型之三:利用深度学习来扩展推荐系统.mp3[3.05M]
083丨基于深度学习的推荐模型之三:利用深度学习来扩展推荐系统.pdf[1.07M]
复盘2丨推荐系统核心技术模块.html[2.70M]
复盘2丨推荐系统核心技术模块.pdf[3.22M]
04-自然语言处理及文本处理核心技术(19讲)[100.71M]
007丨LDA模型的前世今生.html[1.19M]
007丨LDA模型的前世今生.mp3[5.26M]
007丨LDA模型的前世今生.pdf[1.29M]
084丨LDA变种模型知多少.html[1.14M]
084丨LDA变种模型知多少.mp3[3.59M]
084丨LDA变种模型知多少.pdf[1.22M]
085丨针对大规模数据,如何优化LDA算法?.html[915.44K]
085丨针对大规模数据,如何优化LDA算法?.mp3[3.50M]
085丨针对大规模数据,如何优化LDA算法?.pdf[1.01M]
086丨基础文本分析模型之一:隐语义分析.html[1.33M]
086丨基础文本分析模型之一:隐语义分析.mp3[2.68M]
086丨基础文本分析模型之一:隐语义分析.pdf[1.36M]
087丨基础文本分析模型之二:概率隐语义分析.html[931.07K]
087丨基础文本分析模型之二:概率隐语义分析.mp3[2.12M]
087丨基础文本分析模型之二:概率隐语义分析.pdf[1.32M]
088丨基础文本分析模型之三:EM算法.html[1.25M]
088丨基础文本分析模型之三:EM算法.mp3[3.08M]
088丨基础文本分析模型之三:EM算法.pdf[1.28M]
089丨为什么需要Word2Vec算法?.html[946.65K]
089丨为什么需要Word2Vec算法?.mp3[2.79M]
089丨为什么需要Word2Vec算法?.pdf[1.03M]
090丨Word2Vec算法有哪些扩展模型?.html[0.98M]
090丨Word2Vec算法有哪些扩展模型?.mp3[2.92M]
090丨Word2Vec算法有哪些扩展模型?.pdf[1.45M]
091丨Word2Vec算法有哪些应用?.html[916.80K]
091丨Word2Vec算法有哪些应用?.mp3[2.60M]
091丨Word2Vec算法有哪些应用?.pdf[1.35M]
092丨序列建模的深度学习利器:RNN基础架构.html[875.84K]
092丨序列建模的深度学习利器:RNN基础架构.mp3[3.21M]
092丨序列建模的深度学习利器:RNN基础架构.pdf[1.31M]
093丨基于门机制的RNN架构:LSTM与GRU.html[1.08M]
093丨基于门机制的RNN架构:LSTM与GRU.mp3[3.35M]
093丨基于门机制的RNN架构:LSTM与GRU.pdf[1.14M]
094丨RNN在自然语言处理中有哪些应用场景?.html[887.55K]
094丨RNN在自然语言处理中有哪些应用场景?.mp3[3.04M]
094丨RNN在自然语言处理中有哪些应用场景?.pdf[0.99M]
095丨对话系统之经典的对话模型.html[926.53K]
095丨对话系统之经典的对话模型.mp3[3.39M]
095丨对话系统之经典的对话模型.pdf[1.42M]
096丨任务型对话系统有哪些技术要点?.html[948.08K]
096丨任务型对话系统有哪些技术要点?.mp3[2.85M]
096丨任务型对话系统有哪些技术要点?.pdf[1.02M]
097丨聊天机器人有哪些核心技术要点?.html[975.41K]
097丨聊天机器人有哪些核心技术要点?.mp3[2.58M]
097丨聊天机器人有哪些核心技术要点?.pdf[1.05M]
098丨什么是文档情感分类?.html[1.00M]
098丨什么是文档情感分类?.mp3[2.91M]
098丨什么是文档情感分类?.pdf[1.08M]
099丨如何来提取情感“实体”和“方面”呢?.html[1.00M]
099丨如何来提取情感“实体”和“方面”呢?.mp3[2.72M]
099丨如何来提取情感“实体”和“方面”呢?.pdf[1.08M]
100丨文本情感分析中如何做意见总结和搜索?.html[947.06K]
100丨文本情感分析中如何做意见总结和搜索?.mp3[2.99M]
100丨文本情感分析中如何做意见总结和搜索?.pdf[1.05M]
复盘3丨自然语言处理及文本处理核心技术模块.html[2.63M]
复盘3丨自然语言处理及文本处理核心技术模块.pdf[3.02M]
05-广告系统核心技术(19讲)[103.29M]
006丨Google的点击率系统模型.html[1.30M]
006丨Google的点击率系统模型.mp3[4.65M]
006丨Google的点击率系统模型.pdf[1.39M]
105丨广告系统概述.html[1.44M]
105丨广告系统概述.mp3[3.72M]
105丨广告系统概述.pdf[1.87M]
106丨广告系统架构.html[971.67K]
106丨广告系统架构.mp3[2.76M]
106丨广告系统架构.pdf[1.04M]
107丨广告回馈预估综述.html[905.50K]
107丨广告回馈预估综述.mp3[3.07M]
107丨广告回馈预估综述.pdf[1.01M]
108丨Facebook的广告点击率预估模型.html[1.21M]
108丨Facebook的广告点击率预估模型.mp3[3.02M]
108丨Facebook的广告点击率预估模型.pdf[1.24M]
109丨雅虎的广告点击率预估模型.html[1.03M]
109丨雅虎的广告点击率预估模型.mp3[2.72M]
109丨雅虎的广告点击率预估模型.pdf[1.47M]
110丨LinkedIn的广告点击率预估模型.html[1.13M]
110丨LinkedIn的广告点击率预估模型.mp3[2.45M]
110丨LinkedIn的广告点击率预估模型.pdf[1.19M]
111丨Twitter的广告点击率预估模型.html[1.06M]
111丨Twitter的广告点击率预估模型.mp3[3.25M]
111丨Twitter的广告点击率预估模型.pdf[1.13M]
112丨阿里巴巴的广告点击率预估模型.html[977.66K]
112丨阿里巴巴的广告点击率预估模型.mp3[3.28M]
112丨阿里巴巴的广告点击率预估模型.pdf[1.42M]
113丨什么是“基于第二价位的广告竞拍”?.html[1.10M]
113丨什么是“基于第二价位的广告竞拍”?.mp3[3.08M]
113丨什么是“基于第二价位的广告竞拍”?.pdf[1.50M]
114丨广告的竞价策略是怎样的?.html[863.65K]
114丨广告的竞价策略是怎样的?.mp3[3.22M]
114丨广告的竞价策略是怎样的?.pdf[1.01M]
115丨如何优化广告的竞价策略?.html[878.19K]
115丨如何优化广告的竞价策略?.mp3[2.89M]
115丨如何优化广告的竞价策略?.pdf[1.32M]
116丨如何控制广告预算?.html[1.02M]
116丨如何控制广告预算?.mp3[2.39M]
116丨如何控制广告预算?.pdf[1.09M]
117丨如何设置广告竞价的底价?.html[0.99M]
117丨如何设置广告竞价的底价?.mp3[3.01M]
117丨如何设置广告竞价的底价?.pdf[1.47M]
118丨聊一聊“程序化直接购买”和“广告期货”.html[1.11M]
118丨聊一聊“程序化直接购买”和“广告期货”.mp3[2.79M]
118丨聊一聊“程序化直接购买”和“广告期货”.pdf[1.52M]
119丨归因模型:如何来衡量广告的有效性.html[0.99M]
119丨归因模型:如何来衡量广告的有效性.mp3[3.07M]
119丨归因模型:如何来衡量广告的有效性.pdf[1.46M]
120丨广告投放如何选择受众?如何扩展受众群?.html[908.90K]
120丨广告投放如何选择受众?如何扩展受众群?.mp3[2.95M]
120丨广告投放如何选择受众?如何扩展受众群?.pdf[1.36M]
121丨如何利用机器学习技术来检测广告欺诈?.html[959.79K]
121丨如何利用机器学习技术来检测广告欺诈?.mp3[2.93M]
121丨如何利用机器学习技术来检测广告欺诈?.pdf[1.05M]
复盘4丨广告系统核心技术模块.html[2.92M]
复盘4丨广告系统核心技术模块.pdf[2.91M]
06-计算机视觉核心技术(13讲)[68.74M]
140丨什么是计算机视觉?.html[916.53K]
140丨什么是计算机视觉?.mp3[3.42M]
140丨什么是计算机视觉?.pdf[1.39M]
141丨掌握计算机视觉任务的基础模型和操作.html[987.50K]
141丨掌握计算机视觉任务的基础模型和操作.mp3[2.86M]
141丨掌握计算机视觉任务的基础模型和操作.pdf[1.08M]
142丨计算机视觉中的特征提取难在哪里?.html[989.87K]
142丨计算机视觉中的特征提取难在哪里?.mp3[2.84M]
142丨计算机视觉中的特征提取难在哪里?.pdf[1.07M]
143丨基于深度学习的计算机视觉技术(一):深度神经网络入门.html[1.29M]
143丨基于深度学习的计算机视觉技术(一):深度神经网络入门.mp3[3.28M]
143丨基于深度学习的计算机视觉技术(一):深度神经网络入门.pdf[1.67M]
144丨基于深度学习的计算机视觉技术(二):基本的深度学习模型.html[866.11K]
144丨基于深度学习的计算机视觉技术(二):基本的深度学习模型.mp3[3.58M]
144丨基于深度学习的计算机视觉技术(二):基本的深度学习模型.pdf[1.33M]
145丨基于深度学习的计算机视觉技术(三):深度学习模型的优化.html[987.85K]
145丨基于深度学习的计算机视觉技术(三):深度学习模型的优化.mp3[3.47M]
145丨基于深度学习的计算机视觉技术(三):深度学习模型的优化.pdf[1.46M]
146丨计算机视觉领域的深度学习模型(一):AlexNet.html[910.26K]
146丨计算机视觉领域的深度学习模型(一):AlexNet.mp3[3.12M]
146丨计算机视觉领域的深度学习模型(一):AlexNet.pdf[1.38M]
147丨计算机视觉领域的深度学习模型(二):VGG&GoogleNet.html[1.33M]
147丨计算机视觉领域的深度学习模型(二):VGG&GoogleNet.mp3[3.40M]
147丨计算机视觉领域的深度学习模型(二):VGG&GoogleNet.pdf[1.71M]
148丨计算机视觉领域的深度学习模型(三):ResNet.html[1.07M]
148丨计算机视觉领域的深度学习模型(三):ResNet.mp3[2.59M]
148丨计算机视觉领域的深度学习模型(三):ResNet.pdf[1.15M]
149丨计算机视觉高级话题(一):图像物体识别和分割.html[919.13K]
149丨计算机视觉高级话题(一):图像物体识别和分割.mp3[2.70M]
149丨计算机视觉高级话题(一):图像物体识别和分割.pdf[1.00M]
150丨计算机视觉高级话题(二):视觉问答.html[841.56K]
150丨计算机视觉高级话题(二):视觉问答.mp3[2.35M]
150丨计算机视觉高级话题(二):视觉问答.pdf[986.07K]
151丨计算机视觉高级话题(三):产生式模型.html[949.49K]
151丨计算机视觉高级话题(三):产生式模型.mp3[2.81M]
151丨计算机视觉高级话题(三):产生式模型.pdf[1.38M]
复盘5丨计算机视觉核心技术模块.html[2.23M]
复盘5丨计算机视觉核心技术模块.pdf[2.62M]
07-数据科学家与数据科学团队养成(25讲)[170.33M]
001丨如何组建一个数据科学团队?.html[1.46M]
001丨如何组建一个数据科学团队?.mp3[5.24M]
001丨如何组建一个数据科学团队?.pdf[1.89M]
003丨数据科学家基础能力之概率统计.html[1.59M]
003丨数据科学家基础能力之概率统计.mp3[4.75M]
003丨数据科学家基础能力之概率统计.pdf[1.68M]
004丨数据科学家基础能力之机器学习.html[2.36M]
004丨数据科学家基础能力之机器学习.mp3[5.47M]
004丨数据科学家基础能力之机器学习.pdf[2.20M]
005丨数据科学家基础能力之系统.html[1.56M]
005丨数据科学家基础能力之系统.mp3[4.52M]
005丨数据科学家基础能力之系统.pdf[1.56M]
008丨曾经辉煌的雅虎研究院.html[1.36M]
008丨曾经辉煌的雅虎研究院.mp3[4.91M]
008丨曾经辉煌的雅虎研究院.pdf[1.89M]
009丨数据科学家高阶能力之分析产品.html[1.38M]
009丨数据科学家高阶能力之分析产品.mp3[4.82M]
009丨数据科学家高阶能力之分析产品.pdf[1.85M]
010丨数据科学家高阶能力之评估产品.html[988.45K]
010丨数据科学家高阶能力之评估产品.mp3[5.29M]
010丨数据科学家高阶能力之评估产品.pdf[1.44M]
011丨数据科学家高阶能力之如何系统提升产品性能.html[1.03M]
011丨数据科学家高阶能力之如何系统提升产品性能.mp3[4.41M]
011丨数据科学家高阶能力之如何系统提升产品性能.pdf[1.16M]
045丨职场话题:当数据科学家遇见产品团队.html[1.01M]
045丨职场话题:当数据科学家遇见产品团队.mp3[3.87M]
045丨职场话题:当数据科学家遇见产品团队.pdf[1.51M]
046丨职场话题:数据科学家应聘要具备哪些能力?.html[1.06M]
046丨职场话题:数据科学家应聘要具备哪些能力?.mp3[4.24M]
046丨职场话题:数据科学家应聘要具备哪些能力?.pdf[1.58M]
047丨职场话题:聊聊数据科学家的职场规划.html[985.48K]
047丨职场话题:聊聊数据科学家的职场规划.mp3[3.92M]
047丨职场话题:聊聊数据科学家的职场规划.pdf[1.43M]
054丨数据科学团队养成:电话面试指南.html[1.04M]
054丨数据科学团队养成:电话面试指南.mp3[3.97M]
054丨数据科学团队养成:电话面试指南.pdf[1.15M]
055丨数据科学团队养成:Onsite面试面面观.html[0.99M]
055丨数据科学团队养成:Onsite面试面面观.mp3[3.54M]
055丨数据科学团队养成:Onsite面试面面观.pdf[1.50M]
056丨成为“香饽饽”的数据科学家,如何衡量他们的工作呢?.html[1.03M]
056丨成为“香饽饽”的数据科学家,如何衡量他们的工作呢?.mp3[3.72M]
056丨成为“香饽饽”的数据科学家,如何衡量他们的工作呢?.pdf[1.16M]
057丨人工智能领域知识体系更新周期只有5~6年,数据科学家如何培养?.html[1.05M]
057丨人工智能领域知识体系更新周期只有5~6年,数据科学家如何培养?.mp3[3.87M]
057丨人工智能领域知识体系更新周期只有5~6年,数据科学家如何培养?.pdf[1.54M]
058丨数据科学家团队组织架构:水平还是垂直,这是个问题.html[1.34M]
058丨数据科学家团队组织架构:水平还是垂直,这是个问题.mp3[3.67M]
058丨数据科学家团队组织架构:水平还是垂直,这是个问题.pdf[1.74M]
122丨数据科学家必备套路之一:搜索套路.html[1.00M]
122丨数据科学家必备套路之一:搜索套路.mp3[4.27M]
122丨数据科学家必备套路之一:搜索套路.pdf[1.13M]
123丨数据科学家必备套路之二:推荐套路.html[967.76K]
123丨数据科学家必备套路之二:推荐套路.mp3[3.61M]
123丨数据科学家必备套路之二:推荐套路.pdf[1.40M]
124丨数据科学家必备套路之三:广告套路.html[987.47K]
124丨数据科学家必备套路之三:广告套路.mp3[3.17M]
124丨数据科学家必备套路之三:广告套路.pdf[1.41M]
137丨如何做好人工智能项目的管理?.html[892.96K]
137丨如何做好人工智能项目的管理?.mp3[3.43M]
137丨如何做好人工智能项目的管理?.pdf[1.02M]
138丨数据科学团队必备的工程流程三部曲.html[0.98M]
138丨数据科学团队必备的工程流程三部曲.mp3[3.73M]
138丨数据科学团队必备的工程流程三部曲.pdf[1.48M]
139丨数据科学团队怎么选择产品和项目?.html[893.60K]
139丨数据科学团队怎么选择产品和项目?.mp3[3.41M]
139丨数据科学团队怎么选择产品和项目?.pdf[1.35M]
155丨微软研究院:工业界研究机构的楷模.html[1.00M]
155丨微软研究院:工业界研究机构的楷模.mp3[3.86M]
155丨微软研究院:工业界研究机构的楷模.pdf[1.50M]
156丨聊一聊谷歌特立独行的混合型研究.html[790.17K]
156丨聊一聊谷歌特立独行的混合型研究.mp3[2.97M]
156丨聊一聊谷歌特立独行的混合型研究.pdf[1.30M]
复盘6丨数据科学家与数据科学团队是怎么养成的?.html[3.89M]
复盘6丨数据科学家与数据科学团队是怎么养成的?.pdf[4.30M]
08-人工智能国际顶级会议(31讲)[186.98M]
002丨聊聊2017年KDD大会的时间检验奖.html[1.72M]
002丨聊聊2017年KDD大会的时间检验奖.mp3[5.11M]
002丨聊聊2017年KDD大会的时间检验奖.pdf[2.08M]
012丨精读2017年KDD最佳研究论文.html[1.28M]
012丨精读2017年KDD最佳研究论文.mp3[4.91M]
012丨精读2017年KDD最佳研究论文.pdf[1.73M]
013丨精读2017年KDD最佳应用数据科学论文.html[973.96K]
013丨精读2017年KDD最佳应用数据科学论文.mp3[4.52M]
013丨精读2017年KDD最佳应用数据科学论文.pdf[1.16M]
015丨精读2017年EMNLP最佳长论文之一.html[1.02M]
015丨精读2017年EMNLP最佳长论文之一.mp3[4.04M]
015丨精读2017年EMNLP最佳长论文之一.pdf[1.15M]
016丨精读2017年EMNLP最佳长论文之二.html[1.18M]
016丨精读2017年EMNLP最佳长论文之二.mp3[4.10M]
016丨精读2017年EMNLP最佳长论文之二.pdf[1.61M]
017丨精读2017年EMNLP最佳短论文.html[1.21M]
017丨精读2017年EMNLP最佳短论文.mp3[4.38M]
017丨精读2017年EMNLP最佳短论文.pdf[1.30M]
048丨精读2017年ICCV最佳研究论文.html[995.78K]
048丨精读2017年ICCV最佳研究论文.mp3[4.25M]
048丨精读2017年ICCV最佳研究论文.pdf[1.55M]
049丨精读2017年ICCV最佳学生论文.html[880.42K]
049丨精读2017年ICCV最佳学生论文.mp3[3.39M]
049丨精读2017年ICCV最佳学生论文.pdf[1.40M]
050丨如何将“深度强化学习”应用到视觉问答系统?.html[986.84K]
050丨如何将“深度强化学习”应用到视觉问答系统?.mp3[3.74M]
050丨如何将“深度强化学习”应用到视觉问答系统?.pdf[1.10M]
051丨精读2017年NIPS最佳研究论文之一:如何解决非凸优化问题?.html[1.00M]
051丨精读2017年NIPS最佳研究论文之一:如何解决非凸优化问题?.mp3[3.43M]
051丨精读2017年NIPS最佳研究论文之一:如何解决非凸优化问题?.pdf[1.53M]
052丨精读2017年NIPS最佳研究论文之二:KSD测试如何检验两个分布的异同?.html[1.02M]
052丨精读2017年NIPS最佳研究论文之二:KSD测试如何检验两个分布的异同?.mp3[3.48M]
052丨精读2017年NIPS最佳研究论文之二:KSD测试如何检验两个分布的异同?.pdf[1.14M]
053丨精读2017年NIPS最佳研究论文之三:如何解决非完美信息博弈问题?.html[0.98M]
053丨精读2017年NIPS最佳研究论文之三:如何解决非完美信息博弈问题?.mp3[3.19M]
053丨精读2017年NIPS最佳研究论文之三:如何解决非完美信息博弈问题?.pdf[1.46M]
060丨WSDM2018论文精读:看谷歌团队如何做位置偏差估计.html[985.12K]
060丨WSDM2018论文精读:看谷歌团队如何做位置偏差估计.mp3[4.17M]
060丨WSDM2018论文精读:看谷歌团队如何做位置偏差估计.pdf[1.50M]
061丨WSDM2018论文精读:看京东团队如何挖掘商品的替代信息和互补信息.html[998.21K]
061丨WSDM2018论文精读:看京东团队如何挖掘商品的替代信息和互补信息.mp3[3.68M]
061丨WSDM2018论文精读:看京东团队如何挖掘商品的替代信息和互补信息.pdf[1.19M]
062丨WSDM2018论文精读:深度学习模型中如何使用上下文信息?.html[0.99M]
062丨WSDM2018论文精读:深度学习模型中如何使用上下文信息?.mp3[2.34M]
062丨WSDM2018论文精读:深度学习模型中如何使用上下文信息?.pdf[1.43M]
101丨TheWeb2018论文精读:如何对商品的图片美感进行建模?.html[1.02M]
101丨TheWeb2018论文精读:如何对商品的图片美感进行建模?.mp3[3.69M]
101丨TheWeb2018论文精读:如何对商品的图片美感进行建模?.pdf[1.13M]
102丨TheWeb2018论文精读:如何改进经典的推荐算法BPR?.html[1.01M]
102丨TheWeb2018论文精读:如何改进经典的推荐算法BPR?.mp3[2.72M]
102丨TheWeb2018论文精读:如何改进经典的推荐算法BPR?.pdf[1.07M]
103丨TheWeb2018论文精读:如何从文本中提取高元关系?.html[1.06M]
103丨TheWeb2018论文精读:如何从文本中提取高元关系?.mp3[2.80M]
103丨TheWeb2018论文精读:如何从文本中提取高元关系?.pdf[1.14M]
125丨SIGIR2018论文精读:偏差和“流行度”之间的关系.html[981.99K]
125丨SIGIR2018论文精读:偏差和“流行度”之间的关系.mp3[3.95M]
125丨SIGIR2018论文精读:偏差和“流行度”之间的关系.pdf[1.13M]
126丨SIGIR2018论文精读:如何利用对抗学习来增强排序模型的普适性?.html[972.55K]
126丨SIGIR2018论文精读:如何利用对抗学习来增强排序模型的普适性?.mp3[3.21M]
126丨SIGIR2018论文精读:如何利用对抗学习来增强排序模型的普适性?.pdf[1.42M]
127丨SIGIR2018论文精读:如何对搜索页面上的点击行为进行序列建模?.html[1.01M]
127丨SIGIR2018论文精读:如何对搜索页面上的点击行为进行序列建模?.mp3[3.33M]
127丨SIGIR2018论文精读:如何对搜索页面上的点击行为进行序列建模?.pdf[1.46M]
128丨CVPR2018论文精读:如何研究计算机视觉任务之间的关系?.html[1.04M]
128丨CVPR2018论文精读:如何研究计算机视觉任务之间的关系?.mp3[3.72M]
128丨CVPR2018论文精读:如何研究计算机视觉任务之间的关系?.pdf[1.16M]
129丨CVPR2018论文精读:如何从整体上对人体进行三维建模?.html[820.14K]
129丨CVPR2018论文精读:如何从整体上对人体进行三维建模?.mp3[2.98M]
129丨CVPR2018论文精读:如何从整体上对人体进行三维建模?.pdf[994.64K]
130丨CVPR2018论文精读:如何解决排序学习计算复杂度高这个问题?.html[879.56K]
130丨CVPR2018论文精读:如何解决排序学习计算复杂度高这个问题?.mp3[3.26M]
130丨CVPR2018论文精读:如何解决排序学习计算复杂度高这个问题?.pdf[1.33M]
131丨ICML2018论文精读:模型经得起对抗样本的攻击?这或许只是个错觉.html[769.71K]
131丨ICML2018论文精读:模型经得起对抗样本的攻击?这或许只是个错觉.mp3[3.50M]
131丨ICML2018论文精读:模型经得起对抗样本的攻击?这或许只是个错觉.pdf[973.46K]
132丨ICML2018论文精读:聊一聊机器学习算法的“公平性”问题.html[1.01M]
132丨ICML2018论文精读:聊一聊机器学习算法的“公平性”问题.mp3[3.04M]
132丨ICML2018论文精读:聊一聊机器学习算法的“公平性”问题.pdf[1.40M]
133丨ICML2018论文精读:优化目标函数的时候,有可能放大了“不公平”?.html[903.76K]
133丨ICML2018论文精读:优化目标函数的时候,有可能放大了“不公平”?.mp3[2.98M]
133丨ICML2018论文精读:优化目标函数的时候,有可能放大了“不公平”?.pdf[1.03M]
134丨ACL2018论文精读:问答系统场景下,如何提出好问题?.html[1.08M]
134丨ACL2018论文精读:问答系统场景下,如何提出好问题?.mp3[3.61M]
134丨ACL2018论文精读:问答系统场景下,如何提出好问题?.pdf[1.17M]
135丨ACL2018论文精读:什么是对话中的前提触发?如何检测?.html[842.32K]
135丨ACL2018论文精读:什么是对话中的前提触发?如何检测?.mp3[3.48M]
135丨ACL2018论文精读:什么是对话中的前提触发?如何检测?.pdf[1.33M]
136丨ACL2018论文精读:什么是“端到端”的语义哈希?.html[946.26K]
136丨ACL2018论文精读:什么是“端到端”的语义哈希?.mp3[3.43M]
136丨ACL2018论文精读:什么是“端到端”的语义哈希?.pdf[1.40M]
复盘7丨一起来读人工智能国际顶级会议论文.html[4.57M]
复盘7丨一起来读人工智能国际顶级会议论文.pdf[4.31M]
09-热点话题讨论(7讲)[41.52M]
014丨精读AlphaGoZero论文.html[1.31M]
014丨精读AlphaGoZero论文.mp3[4.58M]
014丨精读AlphaGoZero论文.pdf[1.37M]
059丨2017人工智能技术发展盘点.html[1.47M]
059丨2017人工智能技术发展盘点.mp3[4.11M]
059丨2017人工智能技术发展盘点.pdf[1.58M]
104丨如何快速学习国际顶级学术会议的内容?.html[961.55K]
104丨如何快速学习国际顶级学术会议的内容?.mp3[3.76M]
104丨如何快速学习国际顶级学术会议的内容?.pdf[1.48M]
152丨在人工智能领域,如何快速找到学习的切入点?.html[1.01M]
152丨在人工智能领域,如何快速找到学习的切入点?.mp3[3.50M]
152丨在人工智能领域,如何快速找到学习的切入点?.pdf[1.48M]
153丨人工智能技术选择,该从哪里获得灵感?.html[869.59K]
153丨人工智能技术选择,该从哪里获得灵感?.mp3[3.10M]
153丨人工智能技术选择,该从哪里获得灵感?.pdf[1.02M]
154丨近在咫尺,走进人工智能研究.html[1.00M]
154丨近在咫尺,走进人工智能研究.mp3[3.54M]
154丨近在咫尺,走进人工智能研究.pdf[1.48M]
内参特刊丨和你聊聊每个人都关心的人工智能热点话题.html[1.75M]
内参特刊丨和你聊聊每个人都关心的人工智能热点话题.pdf[2.20M]
10-结束语(1讲)[5.06M]
结束语丨雄关漫道真如铁,而今迈步从头越.html[1.27M]
结束语丨雄关漫道真如铁,而今迈步从头越.mp3[2.29M]
结束语丨雄关漫道真如铁,而今迈步从头越.pdf[1.50M]
网盘下载:
如下载链接失效,请在页面底部评论,24小时内修复下载链接。
评论0