人工智能科学家吴恩达反复强调，“AI is the new electricity” 。今天的人工智能，犹如一百年前的电，正在给人类带来同样巨大，甚至更加精彩的变化。
毋庸置疑，这是一个属于人工智能的时代。人工智能正在渗透到各行各业，并且离我们越来越近，新的时代中，我们应该如何利用好新武器？
“AI 技术内参”专栏将为你系统剖析人工智能核心技术，精讲人工智能国际顶级学术会议核心论文，解读技术发展前沿与最新研究成果，分享数据科学家以及数据科学团队的养成秘笈。希望能够帮助你在人工智能领域找到最佳学习路径，不断进阶。
〖资源目录〗:
├──001-聊聊2017年KDD大会的时间检验奖.md 10.15kb
├──001-聊聊2017年KDD大会的时间检验奖.mp3 5.04M
├──001-聊聊2017年KDD大会的时间检验奖.pdf 1.77M
├──002-精读2017年KDD最佳研究论文.md 10.87kb
├──002-精读2017年KDD最佳研究论文.mp3 4.85M
├──002-精读2017年KDD最佳研究论文.pdf 1.54M
├──003-精读2017年KDD最佳应用数据科学论文.md 9.80kb
├──003-精读2017年KDD最佳应用数据科学论文.mp3 4.38M
├──003-精读2017年KDD最佳应用数据科学论文.pdf 695.99kb
├──004-精读2017年EMNLP最佳长论文之一.md 8.89kb
├──004-精读2017年EMNLP最佳长论文之一.mp3 3.91M
├──004-精读2017年EMNLP最佳长论文之一.pdf 1.40M
├──005-精读2017年EMNLP最佳长论文之二.md 8.94kb
├──005-精读2017年EMNLP最佳长论文之二.mp3 4.09M
├──005-精读2017年EMNLP最佳长论文之二.pdf 1.17M
├──006-精读2017年EMNLP最佳短论文.md 9.94kb
├──006-精读2017年EMNLP最佳短论文.mp3 4.36M
├──006-精读2017年EMNLP最佳短论文.pdf 1.80M
├──007-精读2017年ICCV最佳研究论文.md 10.33kb
├──007-精读2017年ICCV最佳研究论文.mp3 4.23M
├──007-精读2017年ICCV最佳研究论文.pdf 709.31kb
├──008-精读2017年ICCV最佳学生论文.md 7.83kb
├──008-精读2017年ICCV最佳学生论文.mp3 3.37M
├──008-精读2017年ICCV最佳学生论文.pdf 692.17kb
├──009-如何将“深度强化学习”应用到视觉问答系统？.md 8.33kb
├──009-如何将“深度强化学习”应用到视觉问答系统？.mp3 3.72M
├──009-如何将“深度强化学习”应用到视觉问答系统？.pdf 1.67M
├──010-精读2017年NIPS最佳研究论文之一：如何解决非凸优化问题？.md 8.38kb
├──010-精读2017年NIPS最佳研究论文之一：如何解决非凸优化问题？.mp3 3.41M
├──010-精读2017年NIPS最佳研究论文之一：如何解决非凸优化问题？.pdf 1.25M
├──011-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？.md 8.22kb
├──011-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 3.41M
├──011-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 1.21M
├──012-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？.md 7.59kb
├──012-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 3.17M
├──012-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 1.14M
├──013-WSDM2018论文精读：看谷歌团队如何做位置偏差估计.md 9.92kb
├──013-WSDM2018论文精读：看谷歌团队如何做位置偏差估计.mp3 4.03M
├──013-WSDM2018论文精读：看谷歌团队如何做位置偏差估计.pdf 1.17M
├──014-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.md 8.55kb
├──014-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 3.65M
├──014-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 1.57M
├──015-WSDM2018论文精读：深度学习模型中如何使用上下文信息？.md 5.10kb
├──015-WSDM2018论文精读：深度学习模型中如何使用上下文信息？.mp3 2.32M
├──015-WSDM2018论文精读：深度学习模型中如何使用上下文信息？.pdf 1.53M
├──016-TheWeb2018论文精读：如何对商品的图片美感进行建模？.md 8.79kb
├──016-TheWeb2018论文精读：如何对商品的图片美感进行建模？.mp3 3.67M
├──016-TheWeb2018论文精读：如何对商品的图片美感进行建模？.pdf 1.55M
├──017-TheWeb2018论文精读：如何改进经典的推荐算法BPR？.md 6.36kb
├──017-TheWeb2018论文精读：如何改进经典的推荐算法BPR？.mp3 2.65M
├──017-TheWeb2018论文精读：如何改进经典的推荐算法BPR？.pdf 935.31kb
├──018-TheWeb2018论文精读：如何从文本中提取高元关系？.md 6.71kb
├──018-TheWeb2018论文精读：如何从文本中提取高元关系？.mp3 2.79M
├──018-TheWeb2018论文精读：如何从文本中提取高元关系？.pdf 946.20kb
├──019-SIGIR2018论文精读：偏差和“流行度”之间的关系.md 8.95kb
├──019-SIGIR2018论文精读：偏差和“流行度”之间的关系.mp3 3.92M
├──019-SIGIR2018论文精读：偏差和“流行度”之间的关系.pdf 1.61M
├──020-SIGIR2018论文精读：如何利用对抗学习来增强排序模型的普适性？.md 7.57kb
├──020-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 3.20M
├──020-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 1.39M
├──021-SIGIR2018论文精读：如何对搜索页面上的点击行为进行序列建模？.md 7.64kb
├──021-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 3.31M
├──021-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 1.49M
├──022-CVPR2018论文精读：如何研究计算机视觉任务之间的关系？.md 8.40kb
├──022-CVPR2018论文精读：如何研究计算机视觉任务之间的关系？.mp3 3.59M
├──022-CVPR2018论文精读：如何研究计算机视觉任务之间的关系？.pdf 1.96M
├──023-CVPR2018论文精读：如何从整体上对人体进行三维建模？.md 7.44kb
├──023-CVPR2018论文精读：如何从整体上对人体进行三维建模？.mp3 2.96M
├──023-CVPR2018论文精读：如何从整体上对人体进行三维建模？.pdf 606.23kb
├──024-CVPR2018论文精读：如何解决排序学习计算复杂度高这个问题？.md 7.62kb
├──024-CVPR2018论文精读：如何解决排序学习计算复杂度高这个问题？.mp3 3.24M
├──024-CVPR2018论文精读：如何解决排序学习计算复杂度高这个问题？.pdf 1.04M
├──025-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.md 8.31kb
├──025-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 3.48M
├──025-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 540.61kb
├──026-ICML2018论文精读：聊一聊机器学习算法的“公平性”问题.md 7.15kb
├──026-ICML2018论文精读：聊一聊机器学习算法的“公平性”问题.mp3 3.02M
├──026-ICML2018论文精读：聊一聊机器学习算法的“公平性”问题.pdf 836.32kb
├──027-ICML2018论文精读：优化目标函数的时候，有可能放大了“不公平”？.md 6.77kb
├──027-ICML2018论文精读：优化目标函数的时候，有可能放大了“不公平”？.mp3 2.91M
├──027-ICML2018论文精读：优化目标函数的时候，有可能放大了“不公平”？.pdf 1.18M
├──028-ACL2018论文精读：问答系统场景下，如何提出好问题？.md 8.42kb
├──028-ACL2018论文精读：问答系统场景下，如何提出好问题？.mp3 4.48M
├──028-ACL2018论文精读：问答系统场景下，如何提出好问题？.pdf 1.50M
├──029-ACL2018论文精读：什么是对话中的前提触发？如何检测？.md 7.89kb
├──029-ACL2018论文精读：什么是对话中的前提触发？如何检测？.mp3 3.46M
├──029-ACL2018论文精读：什么是对话中的前提触发？如何检测？.pdf 901.79kb
├──030-ACL2018论文精读：什么是“端到端”的语义哈希？.md 7.79kb
├──030-ACL2018论文精读：什么是“端到端”的语义哈希？.mp3 3.41M
├──030-ACL2018论文精读：什么是“端到端”的语义哈希？.pdf 1.33M
├──031-经典搜索核心算法：TF-IDF及其变种.md 10.55kb
├──031-经典搜索核心算法：TF-IDF及其变种.mp3 5.18M
├──031-经典搜索核心算法：TF-IDF及其变种.pdf 1.11M
├──032-经典搜索核心算法：BM25及其变种（内附全年目录）.md 9.27kb
├──032-经典搜索核心算法：BM25及其变种（内附全年目录）.mp3 4.46M
├──032-经典搜索核心算法：BM25及其变种（内附全年目录）.pdf 4.04M
├──033-经典搜索核心算法：语言模型及其变种.md 10.77kb
├──033-经典搜索核心算法：语言模型及其变种.mp3 4.64M
├──033-经典搜索核心算法：语言模型及其变种.pdf 1.74M
├──034-机器学习排序算法：单点法排序学习.md 9.62kb
├──034-机器学习排序算法：单点法排序学习.mp3 4.38M
├──034-机器学习排序算法：单点法排序学习.pdf 1.15M
├──035-机器学习排序算法：配对法排序学习.md 9.20kb
├──035-机器学习排序算法：配对法排序学习.mp3 3.95M
├──035-机器学习排序算法：配对法排序学习.pdf 1.23M
├──036-机器学习排序算法：列表法排序学习.md 9.87kb
├──036-机器学习排序算法：列表法排序学习.mp3 3.71M
├──036-机器学习排序算法：列表法排序学习.pdf 1.39M
├──037-“查询关键字理解”三部曲之分类.md 9.80kb
├──037-“查询关键字理解”三部曲之分类.mp3 4.18M
├──037-“查询关键字理解”三部曲之分类.pdf 1.43M
├──038-“查询关键字理解”三部曲之解析.md 9.11kb
├──038-“查询关键字理解”三部曲之解析.mp3 3.63M
├──038-“查询关键字理解”三部曲之解析.pdf 1.51M
├──039-“查询关键字理解”三部曲之扩展.md 8.58kb
├──039-“查询关键字理解”三部曲之扩展.mp3 3.43M
├──039-“查询关键字理解”三部曲之扩展.pdf 1.88M
├──040-搜索系统评测，有哪些基础指标？.md 9.66kb
├──040-搜索系统评测，有哪些基础指标？.mp3 7.97M
├──040-搜索系统评测，有哪些基础指标？.pdf 1.14M
├──041-搜索系统评测，有哪些高级指标？.md 8.53kb
├──041-搜索系统评测，有哪些高级指标？.mp3 3.33M
├──041-搜索系统评测，有哪些高级指标？.pdf 2.13M
├──042-如何评测搜索系统的在线表现？.md 8.29kb
├──042-如何评测搜索系统的在线表现？.mp3 3.62M
├──042-如何评测搜索系统的在线表现？.pdf 730.53kb
├──043-文档理解第一步：文档分类.md 9.31kb
├──043-文档理解第一步：文档分类.mp3 3.90M
├──043-文档理解第一步：文档分类.pdf 2.35M
├──044-文档理解的关键步骤：文档聚类.md 8.00kb
├──044-文档理解的关键步骤：文档聚类.mp3 3.40M
├──044-文档理解的关键步骤：文档聚类.pdf 1.90M
├──045-文档理解的重要特例：多模文档建模.md 8.43kb
├──045-文档理解的重要特例：多模文档建模.mp3 3.53M
├──045-文档理解的重要特例：多模文档建模.pdf 2.11M
├──046-大型搜索框架宏观视角：发展、特点及趋势.md 8.66kb
├──046-大型搜索框架宏观视角：发展、特点及趋势.mp3 3.89M
├──046-大型搜索框架宏观视角：发展、特点及趋势.pdf 1.47M
├──047-多轮打分系统概述.md 9.54kb
├──047-多轮打分系统概述.mp3 3.33M
├──047-多轮打分系统概述.pdf 1.36M
├──048-搜索索引及其相关技术概述.md 8.37kb
├──048-搜索索引及其相关技术概述.mp3 3.62M
├──048-搜索索引及其相关技术概述.pdf 1.53M
├──049-PageRank算法的核心思想是什么？.md 8.87kb
├──049-PageRank算法的核心思想是什么？.mp3 3.67M
├──049-PageRank算法的核心思想是什么？.pdf 1.54M
├──050-经典图算法之HITS.md 7.76kb
├──050-经典图算法之HITS.mp3 3.43M
├──050-经典图算法之HITS.pdf 1.60M
├──051-社区检测算法之“模块最大化”.md 7.68kb
├──051-社区检测算法之“模块最大化”.mp3 3.06M
├──051-社区检测算法之“模块最大化”.pdf 1.28M
├──052-机器学习排序算法经典模型：RankSVM.md 10.16kb
├──052-机器学习排序算法经典模型：RankSVM.mp3 3.62M
├──052-机器学习排序算法经典模型：RankSVM.pdf 964.94kb
├──053-机器学习排序算法经典模型：GBDT.md 10.10kb
├──053-机器学习排序算法经典模型：GBDT.mp3 3.17M
├──053-机器学习排序算法经典模型：GBDT.pdf 1.70M
├──054-机器学习排序算法经典模型：LambdaMART.md 9.33kb
├──054-机器学习排序算法经典模型：LambdaMART.mp3 3.40M
├──054-机器学习排序算法经典模型：LambdaMART.pdf 998.08kb
├──055-基于深度学习的搜索算法：深度结构化语义模型.md 8.60kb
├──055-基于深度学习的搜索算法：深度结构化语义模型.mp3 3.72M
├──055-基于深度学习的搜索算法：深度结构化语义模型.pdf 1.80M
├──056-基于深度学习的搜索算法：卷积结构下的隐含语义模型.md 7.21kb
├──056-基于深度学习的搜索算法：卷积结构下的隐含语义模型.mp3 3.07M
├──056-基于深度学习的搜索算法：卷积结构下的隐含语义模型.pdf 1.03M
├──057-基于深度学习的搜索算法：局部和分布表征下的搜索模型.md 7.81kb
├──057-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 3.43M
├──057-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 1.49M
├──058-简单推荐模型之一：基于流行度的推荐模型.md 9.44kb
├──058-简单推荐模型之一：基于流行度的推荐模型.mp3 4.04M
├──058-简单推荐模型之一：基于流行度的推荐模型.pdf 1.16M
├──059-简单推荐模型之二：基于相似信息的推荐模型.md 8.07kb
├──059-简单推荐模型之二：基于相似信息的推荐模型.mp3 3.70M
├──059-简单推荐模型之二：基于相似信息的推荐模型.pdf 933.16kb
├──060-简单推荐模型之三：基于内容信息的推荐模型.md 7.92kb
├──060-简单推荐模型之三：基于内容信息的推荐模型.mp3 3.46M
├──060-简单推荐模型之三：基于内容信息的推荐模型.pdf 1.06M
├──061-基于隐变量的模型之一：矩阵分解.md 7.47kb
├──061-基于隐变量的模型之一：矩阵分解.mp3 3.25M
├──061-基于隐变量的模型之一：矩阵分解.pdf 1.77M
├──062-基于隐变量的模型之二：基于回归的矩阵分解.md 7.67kb
├──062-基于隐变量的模型之二：基于回归的矩阵分解.mp3 3.33M
├──062-基于隐变量的模型之二：基于回归的矩阵分解.pdf 1.23M
├──063-基于隐变量的模型之三：分解机.md 5.63kb
├──063-基于隐变量的模型之三：分解机.mp3 2.33M
├──063-基于隐变量的模型之三：分解机.pdf 1.24M
├──064-高级推荐模型之一：张量分解模型.md 7.87kb
├──064-高级推荐模型之一：张量分解模型.mp3 3.31M
├──064-高级推荐模型之一：张量分解模型.pdf 1.54M
├──065-高级推荐模型之二：协同矩阵分解.md 7.13kb
├──065-高级推荐模型之二：协同矩阵分解.mp3 3.06M
├──065-高级推荐模型之二：协同矩阵分解.pdf 751.64kb
├──066-高级推荐模型之三：优化复杂目标函数.md 6.50kb
├──066-高级推荐模型之三：优化复杂目标函数.mp3 2.82M
├──066-高级推荐模型之三：优化复杂目标函数.pdf 1.14M
├──067-推荐的Exploit和Explore算法之一：EE算法综述.md 8.41kb
├──067-推荐的Exploit和Explore算法之一：EE算法综述.mp3 3.63M
├──067-推荐的Exploit和Explore算法之一：EE算法综述.pdf 1.05M
├──068-推荐的Exploit和Explore算法之二：UCB算法.md 6.55kb
├──068-推荐的Exploit和Explore算法之二：UCB算法.mp3 2.99M
├──068-推荐的Exploit和Explore算法之二：UCB算法.pdf 1.17M
├──069-推荐的Exploit和Explore算法之三：汤普森采样算法.md 6.93kb
├──069-推荐的Exploit和Explore算法之三：汤普森采样算法.mp3 2.96M
├──069-推荐的Exploit和Explore算法之三：汤普森采样算法.pdf 925.98kb
├──070-推荐系统评测之一：传统线下评测.md 6.82kb
├──070-推荐系统评测之一：传统线下评测.mp3 3.00M
├──070-推荐系统评测之一：传统线下评测.pdf 1.56M
├──071-推荐系统评测之二：线上评测.md 6.86kb
├──071-推荐系统评测之二：线上评测.mp3 2.97M
├──071-推荐系统评测之二：线上评测.pdf 1.68M
├──072-推荐系统评测之三：无偏差估计.md 6.42kb
├──072-推荐系统评测之三：无偏差估计.mp3 8.63M
├──072-推荐系统评测之三：无偏差估计.pdf 1.18M
├──073-现代推荐架构剖析之一：基于线下离线计算的推荐架构.md 7.54kb
├──073-现代推荐架构剖析之一：基于线下离线计算的推荐架构.mp3 3.25M
├──073-现代推荐架构剖析之一：基于线下离线计算的推荐架构.pdf 1.77M
├──074-现代推荐架构剖析之二：基于多层搜索架构的推荐系统.md 6.32kb
├──074-现代推荐架构剖析之二：基于多层搜索架构的推荐系统.mp3 2.88M
├──074-现代推荐架构剖析之二：基于多层搜索架构的推荐系统.pdf 1.92M
├──075-现代推荐架构剖析之三：复杂现代推荐架构漫谈.md 5.80kb
├──075-现代推荐架构剖析之三：复杂现代推荐架构漫谈.mp3 2.60M
├──075-现代推荐架构剖析之三：复杂现代推荐架构漫谈.pdf 1.03M
├──076-基于深度学习的推荐模型之一：受限波兹曼机.md 7.81kb
├──076-基于深度学习的推荐模型之一：受限波兹曼机.mp3 3.37M
├──076-基于深度学习的推荐模型之一：受限波兹曼机.pdf 1.53M
├──077-基于深度学习的推荐模型之二：基于RNN的推荐系统.md 7.92kb
├──077-基于深度学习的推荐模型之二：基于RNN的推荐系统.mp3 3.09M
├──077-基于深度学习的推荐模型之二：基于RNN的推荐系统.pdf 856.45kb
├──078-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.md 6.71kb
├──078-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 3.03M
├──078-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 679.46kb
├──079-广告系统概述.md 8.45kb
├──079-广告系统概述.mp3 3.68M
├──079-广告系统概述.pdf 2.54M
├──080-广告系统架构.md 6.12kb
├──080-广告系统架构.mp3 2.74M
├──080-广告系统架构.pdf 1.38M
├──081-广告回馈预估综述.md 6.92kb
├──081-广告回馈预估综述.mp3 2.94M
├──081-广告回馈预估综述.pdf 1.08M
├──082-Google的点击率系统模型.md 9.33kb
├──082-Google的点击率系统模型.mp3 4.63M
├──082-Google的点击率系统模型.pdf 1.59M
├──083-Facebook的广告点击率预估模型.md 6.97kb
├──083-Facebook的广告点击率预估模型.mp3 3.00M
├──083-Facebook的广告点击率预估模型.pdf 1.53M
├──084-雅虎的广告点击率预估模型.md 7.28kb
├──084-雅虎的广告点击率预估模型.mp3 2.64M
├──084-雅虎的广告点击率预估模型.pdf 1.38M
├──085-LinkedIn的广告点击率预估模型.md 6.09kb
├──085-LinkedIn的广告点击率预估模型.mp3 4.85M
├──085-LinkedIn的广告点击率预估模型.pdf 1.07M
├──086-Twitter的广告点击率预估模型.md 7.23kb
├──086-Twitter的广告点击率预估模型.mp3 3.12M
├──086-Twitter的广告点击率预估模型.pdf 1.38M
├──087-阿里巴巴的广告点击率预估模型.md 8.00kb
├──087-阿里巴巴的广告点击率预估模型.mp3 3.26M
├──087-阿里巴巴的广告点击率预估模型.pdf 924.08kb
├──088-什么是“基于第二价位的广告竞拍”？.md 7.69kb
├──088-什么是“基于第二价位的广告竞拍”？.mp3 3.06M
├──088-什么是“基于第二价位的广告竞拍”？.pdf 1.85M
├──089-广告的竞价策略是怎样的？.md 8.28kb
├──089-广告的竞价策略是怎样的？.mp3 3.20M
├──089-广告的竞价策略是怎样的？.pdf 1.13M
├──090-如何优化广告的竞价策略？.md 7.34kb
├──090-如何优化广告的竞价策略？.mp3 2.82M
├──090-如何优化广告的竞价策略？.pdf 924.84kb
├──091-如何控制广告预算？.md 6.47kb
├──091-如何控制广告预算？.mp3 2.38M
├──091-如何控制广告预算？.pdf 1.11M
├──092-如何设置广告竞价的底价？.md 7.36kb
├──092-如何设置广告竞价的底价？.mp3 2.99M
├──092-如何设置广告竞价的底价？.pdf 1.23M
├──093-聊一聊“程序化直接购买”和“广告期货”.md 6.95kb
├──093-聊一聊“程序化直接购买”和“广告期货”.mp3 2.77M
├──093-聊一聊“程序化直接购买”和“广告期货”.pdf 1.33M
├──094-归因模型：如何来衡量广告的有效性.md 7.39kb
├──094-归因模型：如何来衡量广告的有效性.mp3 2.94M
├──094-归因模型：如何来衡量广告的有效性.pdf 1.19M
├──095-广告投放如何选择受众？如何扩展受众群？.md 7.00kb
├──095-广告投放如何选择受众？如何扩展受众群？.mp3 2.93M
├──095-广告投放如何选择受众？如何扩展受众群？.pdf 2.02M
├──096-如何利用机器学习技术来检测广告欺诈？.md 7.25kb
├──096-如何利用机器学习技术来检测广告欺诈？.mp3 2.91M
├──096-如何利用机器学习技术来检测广告欺诈？.pdf 1.08M
├──097-LDA模型的前世今生.md 11.58kb
├──097-LDA模型的前世今生.mp3 5.13M
├──097-LDA模型的前世今生.pdf 1.96M
├──098-LDA变种模型知多少.md 8.97kb
├──098-LDA变种模型知多少.mp3 3.57M
├──098-LDA变种模型知多少.pdf 983.34kb
├──099-针对大规模数据，如何优化LDA算法？.md 8.73kb
├──099-针对大规模数据，如何优化LDA算法？.mp3 3.36M
├──099-针对大规模数据，如何优化LDA算法？.pdf 1.44M
├──100-基础文本分析模型之一：隐语义分析.md 6.08kb
├──100-基础文本分析模型之一：隐语义分析.mp3 2.66M
├──100-基础文本分析模型之一：隐语义分析.pdf 2.03M
├──101-基础文本分析模型之二：概率隐语义分析.md 4.75kb
├──101-基础文本分析模型之二：概率隐语义分析.mp3 2.10M
├──101-基础文本分析模型之二：概率隐语义分析.pdf 726.94kb
├──102-基础文本分析模型之三：EM算法.md 6.56kb
├──102-基础文本分析模型之三：EM算法.mp3 3.01M
├──102-基础文本分析模型之三：EM算法.pdf 1.46M
├──103-为什么需要Word2Vec算法？.md 6.42kb
├──103-为什么需要Word2Vec算法？.mp3 2.77M
├──103-为什么需要Word2Vec算法？.pdf 1.55M
├──104-Word2Vec算法有哪些扩展模型？.md 8.03kb
├──104-Word2Vec算法有哪些扩展模型？.mp3 2.90M
├──104-Word2Vec算法有哪些扩展模型？.pdf 1.58M
├──105-Word2Vec算法有哪些应用？.md 5.70kb
├──105-Word2Vec算法有哪些应用？.mp3 2.47M
├──105-Word2Vec算法有哪些应用？.pdf 1017.34kb
├──106-序列建模的深度学习利器：RNN基础架构.md 7.14kb
├──106-序列建模的深度学习利器：RNN基础架构.mp3 3.19M
├──106-序列建模的深度学习利器：RNN基础架构.pdf 788.47kb
├──107-基于门机制的RNN架构：LSTM与GRU.md 7.05kb
├──107-基于门机制的RNN架构：LSTM与GRU.mp3 3.33M
├──107-基于门机制的RNN架构：LSTM与GRU.pdf 1.14M
├──108-RNN在自然语言处理中有哪些应用场景？.md 6.88kb
├──108-RNN在自然语言处理中有哪些应用场景？.mp3 3.02M
├──108-RNN在自然语言处理中有哪些应用场景？.pdf 869.36kb
├──109-对话系统之经典的对话模型.md 7.85kb
├──109-对话系统之经典的对话模型.mp3 3.26M
├──109-对话系统之经典的对话模型.pdf 1.34M
├──110-任务型对话系统有哪些技术要点？.md 6.60kb
├──110-任务型对话系统有哪些技术要点？.mp3 2.83M
├──110-任务型对话系统有哪些技术要点？.pdf 1.17M
├──111-聊天机器人有哪些核心技术要点？.md 5.99kb
├──111-聊天机器人有哪些核心技术要点？.mp3 2.56M
├──111-聊天机器人有哪些核心技术要点？.pdf 972.95kb
├──112-什么是文档情感分类？.md 6.91kb
├──112-什么是文档情感分类？.mp3 2.89M
├──112-什么是文档情感分类？.pdf 813.57kb
├──113-如何来提取情感“实体”和“方面”呢？.md 6.17kb
├──113-如何来提取情感“实体”和“方面”呢？.mp3 2.59M
├──113-如何来提取情感“实体”和“方面”呢？.pdf 1.79M
├──114-文本情感分析中如何做意见总结和搜索？.md 6.87kb
├──114-文本情感分析中如何做意见总结和搜索？.mp3 2.97M
├──114-文本情感分析中如何做意见总结和搜索？.pdf 1.15M
├──115-什么是计算机视觉？.md 7.58kb
├──115-什么是计算机视觉？.mp3 3.29M
├──115-什么是计算机视觉？.pdf 1.41M
├──116-掌握计算机视觉任务的基础模型和操作.md 6.49kb
├──116-掌握计算机视觉任务的基础模型和操作.mp3 2.84M
├──116-掌握计算机视觉任务的基础模型和操作.pdf 1.47M
├──117-计算机视觉中的特征提取难在哪里？.md 6.48kb
├──117-计算机视觉中的特征提取难在哪里？.mp3 2.82M
├──117-计算机视觉中的特征提取难在哪里？.pdf 1.27M
├──118-基于深度学习的计算机视觉技术（一）：深度神经网络入门.md 7.52kb
├──118-基于深度学习的计算机视觉技术（一）：深度神经网络入门.mp3 3.26M
├──118-基于深度学习的计算机视觉技术（一）：深度神经网络入门.pdf 2.03M
├──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.md 7.83kb
├──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.mp3 3.52M
├──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.pdf 825.00kb
├──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.md 7.56kb
├──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.mp3 3.40M
├──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.pdf 1.28M
├──121-计算机视觉领域的深度学习模型（一）：AlexNet.md 7.05kb
├──121-计算机视觉领域的深度学习模型（一）：AlexNet.mp3 3.10M
├──121-计算机视觉领域的深度学习模型（一）：AlexNet.pdf 1013.77kb
├──122-计算机视觉领域的深度学习模型（二）：VGG&GoogleNet.md 7.72kb
├──122-计算机视觉领域的深度学习模型（二）：VGG&GoogleNet.mp3 3.26M
├──122-计算机视觉领域的深度学习模型（二）：VGG&GoogleNet.pdf 2.21M
├──123-计算机视觉领域的深度学习模型（三）：ResNet.md 6.30kb
├──123-计算机视觉领域的深度学习模型（三）：ResNet.mp3 2.57M
├──123-计算机视觉领域的深度学习模型（三）：ResNet.pdf 1.84M
├──124-计算机视觉高级话题（一）：图像物体识别和分割.md 6.64kb
├──124-计算机视觉高级话题（一）：图像物体识别和分割.mp3 2.68M
├──124-计算机视觉高级话题（一）：图像物体识别和分割.pdf 2.08M
├──125-计算机视觉高级话题（二）：视觉问答.md 6.31kb
├──125-计算机视觉高级话题（二）：视觉问答.mp3 2.22M
├──125-计算机视觉高级话题（二）：视觉问答.pdf 1.15M
├──126-计算机视觉高级话题（三）：产生式模型.md 7.08kb
├──126-计算机视觉高级话题（三）：产生式模型.mp3 2.79M
├──126-计算机视觉高级话题（三）：产生式模型.pdf 1.31M
├──127-数据科学家基础能力之概率统计.md 10.43kb
├──127-数据科学家基础能力之概率统计.mp3 4.73M
├──127-数据科学家基础能力之概率统计.pdf 977.09kb
├──128-数据科学家基础能力之机器学习.md 10.84kb
├──128-数据科学家基础能力之机器学习.mp3 5.34M
├──128-数据科学家基础能力之机器学习.pdf 1.67M
├──129-数据科学家基础能力之系统.md 9.53kb
├──129-数据科学家基础能力之系统.mp3 4.39M
├──129-数据科学家基础能力之系统.pdf 721.25kb
├──130-数据科学家高阶能力之分析产品.md 9.98kb
├──130-数据科学家高阶能力之分析产品.mp3 4.80M
├──130-数据科学家高阶能力之分析产品.pdf 1.23M
├──131-数据科学家高阶能力之评估产品.md 11.12kb
├──131-数据科学家高阶能力之评估产品.mp3 5.16M
├──131-数据科学家高阶能力之评估产品.pdf 1.13M
├──132-数据科学家高阶能力之如何系统提升产品性能.md 9.72kb
├──132-数据科学家高阶能力之如何系统提升产品性能.mp3 4.39M
├──132-数据科学家高阶能力之如何系统提升产品性能.pdf 811.99kb
├──133-职场话题：当数据科学家遇见产品团队.md 8.98kb
├──133-职场话题：当数据科学家遇见产品团队.mp3 3.85M
├──133-职场话题：当数据科学家遇见产品团队.pdf 1.37M
├──134-职场话题：数据科学家应聘要具备哪些能力？.md 10.04kb
├──134-职场话题：数据科学家应聘要具备哪些能力？.mp3 4.22M
├──134-职场话题：数据科学家应聘要具备哪些能力？.pdf 1.93M
├──135-职场话题：聊聊数据科学家的职场规划.md 8.62kb
├──135-职场话题：聊聊数据科学家的职场规划.mp3 3.79M
├──135-职场话题：聊聊数据科学家的职场规划.pdf 1.37M
├──136-如何组建一个数据科学团队？.md 9.61kb
├──136-如何组建一个数据科学团队？.mp3 5.17M
├──136-如何组建一个数据科学团队？.pdf 1.60M
├──137-数据科学团队养成：电话面试指南.md 9.13kb
├──137-数据科学团队养成：电话面试指南.mp3 3.95M
├──137-数据科学团队养成：电话面试指南.pdf 683.26kb
├──138-数据科学团队养成：Onsite面试面面观.md 8.02kb
├──138-数据科学团队养成：Onsite面试面面观.mp3 3.59M
├──138-数据科学团队养成：Onsite面试面面观.pdf 1.64M
├──139-成为“香饽饽”的数据科学家，如何衡量他们的工作呢？.md 8.49kb
├──139-成为“香饽饽”的数据科学家，如何衡量他们的工作呢？.mp3 3.85M
├──139-成为“香饽饽”的数据科学家，如何衡量他们的工作呢？.pdf 2.12M
├──140-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？.md 7.92kb
├──140-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 3.52M
├──140-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 1.53M
├──141-数据科学家团队组织架构：水平还是垂直，这是个问题.md 8.04kb
├──141-数据科学家团队组织架构：水平还是垂直，这是个问题.mp3 3.65M
├──141-数据科学家团队组织架构：水平还是垂直，这是个问题.pdf 1.99M
├──142-数据科学家必备套路之一：搜索套路.md 9.56kb
├──142-数据科学家必备套路之一：搜索套路.mp3 4.23M
├──142-数据科学家必备套路之一：搜索套路.pdf 1.68M
├──143-数据科学家必备套路之二：推荐套路.md 7.67kb
├──143-数据科学家必备套路之二：推荐套路.mp3 3.47M
├──143-数据科学家必备套路之二：推荐套路.pdf 886.91kb
├──144-数据科学家必备套路之三：广告套路.md 7.52kb
├──144-数据科学家必备套路之三：广告套路.mp3 3.15M
├──144-数据科学家必备套路之三：广告套路.pdf 1.56M
├──145-如何做好人工智能项目的管理？.md 7.47kb
├──145-如何做好人工智能项目的管理？.mp3 4.12M
├──145-如何做好人工智能项目的管理？.pdf 1.06M
├──146-数据科学团队必备的工程流程三部曲.md 8.62kb
├──146-数据科学团队必备的工程流程三部曲.mp3 3.71M
├──146-数据科学团队必备的工程流程三部曲.pdf 1.65M
├──147-数据科学团队怎么选择产品和项目？.md 7.91kb
├──147-数据科学团队怎么选择产品和项目？.mp3 3.39M
├──147-数据科学团队怎么选择产品和项目？.pdf 869.87kb
├──148-曾经辉煌的雅虎研究院.md 13.63kb
├──148-曾经辉煌的雅虎研究院.mp3 4.89M
├──148-曾经辉煌的雅虎研究院.pdf 1.31M
├──149-微软研究院：工业界研究机构的楷模.md 8.50kb
├──149-微软研究院：工业界研究机构的楷模.mp3 3.79M
├──149-微软研究院：工业界研究机构的楷模.pdf 1.32M
├──150-聊一聊谷歌特立独行的混合型研究.md 7.57kb
├──150-聊一聊谷歌特立独行的混合型研究.mp3 2.95M
├──150-聊一聊谷歌特立独行的混合型研究.pdf 754.09kb
├──151-精读AlphaGoZero论文.md 9.34kb
├──151-精读AlphaGoZero论文.mp3 4.56M
├──151-精读AlphaGoZero论文.pdf 1.60M
├──152-2017人工智能技术发展盘点.md 9.53kb
├──152-2017人工智能技术发展盘点.mp3 4.09M
├──152-2017人工智能技术发展盘点.pdf 1.72M
├──153-如何快速学习国际顶级学术会议的内容？.md 8.89kb
├──153-如何快速学习国际顶级学术会议的内容？.mp3 3.74M
├──153-如何快速学习国际顶级学术会议的内容？.pdf 1.08M
├──154-在人工智能领域，如何快速找到学习的切入点？.md 7.91kb
├──154-在人工智能领域，如何快速找到学习的切入点？.mp3 3.48M
├──154-在人工智能领域，如何快速找到学习的切入点？.pdf 1.21M
├──155-人工智能技术选择，该从哪里获得灵感？.md 6.95kb
├──155-人工智能技术选择，该从哪里获得灵感？.mp3 3.08M
├──155-人工智能技术选择，该从哪里获得灵感？.pdf 1.04M
├──156-近在咫尺，走进人工智能研究.md 8.09kb
├──156-近在咫尺，走进人工智能研究.mp3 3.52M
├──156-近在咫尺，走进人工智能研究.pdf 1.52M
├──复盘1-搜索核心技术模块.md 4.69kb
├──复盘1-搜索核心技术模块.pdf 1.69M
├──复盘2-推荐系统核心技术模块.md 3.95kb
├──复盘2-推荐系统核心技术模块.pdf 1.53M
├──复盘3-自然语言处理及文本处理核心技术模块.md 3.07kb
├──复盘3-自然语言处理及文本处理核心技术模块.pdf 2.85M
├──复盘4-广告系统核心技术模块.md 2.71kb
├──复盘4-广告系统核心技术模块.pdf 5.12M
├──复盘5-计算机视觉核心技术模块.md 2.31kb
├──复盘5-计算机视觉核心技术模块.pdf 3.72M
├──复盘6-数据科学家与数据科学团队是怎么养成的？.md 4.05kb
├──复盘6-数据科学家与数据科学团队是怎么养成的？.pdf 7.23M
├──复盘7-一起来读人工智能国际顶级会议论文.md 6.35kb
├──复盘7-一起来读人工智能国际顶级会议论文.pdf 8.73M
├──结束语-雄关漫道真如铁，而今迈步从头越.md 4.46kb
├──结束语-雄关漫道真如铁，而今迈步从头越.mp3 2.16M
├──结束语-雄关漫道真如铁，而今迈步从头越.pdf 1.19M
├──开篇词-你的360度人工智能信息助理.md 4.57kb
├──开篇词-你的360度人工智能信息助理.mp3 2.26M
├──开篇词-你的360度人工智能信息助理.pdf 4.95M
├──内参特刊-和你聊聊每个人都关心的人工智能热点话题.md 14.32kb
└──内参特刊-和你聊聊每个人都关心的人工智能热点话题.pdf 1.37M