当前目录全盘搜索查询全部查询文件夹查询文件

信息加载中,请等待...

当前目录：主页 /知识教程四库 /完结库 /其它 /极客时间VIP2019年卡会员 /58 AI技术内参完结 /pdf

001讲如何组建一个数据科学团队.pdf
002讲聊聊2017年KDD大会的时间检验奖.pdf
003讲数据科学家基础能力之概率统计.pdf
004讲数据科学家基础能力之机器学习.pdf
005讲数据科学家基础能力之系统.pdf
006讲Google的点击率系统模型.pdf
007讲LDA模型的前世今生.pdf
008讲曾经辉煌的雅虎研究院.pdf
009讲数据科学家高阶能力之分析产品.pdf
010讲数据科学家高阶能力之评估产品.pdf
011讲数据科学家高阶能力之如何系统提升产品性能.pdf
012讲精读2017年KDD最佳研究论文.pdf
013讲精读2017年KDD最佳应用数据科学论文.pdf
014讲精读AlphaGoZero论文.pdf
015讲精读2017年EMNLP最佳长论文之一.pdf
016讲精读2017年EMNLP最佳长论文之二.pdf
017讲精读2017年EMNLP最佳短论文.pdf
018讲经典搜索核心算法：TF-IDF及其变种.pdf
019讲经典搜索核心算法：BM25及其变种（内附全年目录）.pdf
020讲经典搜索核心算法：语言模型及其变种.pdf
021讲机器学习排序算法：单点法排序学习.pdf
022讲机器学习排序算法：配对法排序学习.pdf
023讲机器学习排序算法：列表法排序学习.pdf
024讲“查询关键字理解”三部曲之分类.pdf
025讲“查询关键字理解”三部曲之解析.pdf
026讲“查询关键字理解”三部曲之扩展.pdf
027讲搜索系统评测，有哪些基础指标.pdf
028讲搜索系统评测，有哪些高级指标.pdf
029讲如何评测搜索系统的在线表现.pdf
030讲文档理解第一步：文档分类.pdf
031讲文档理解的关键步骤：文档聚类.pdf
032讲文档理解的重要特例：多模文档建模.pdf
033讲大型搜索框架宏观视角：发展、特点及趋势.pdf
034讲多轮打分系统概述.pdf
035讲搜索索引及其相关技术概述.pdf
036讲PageRank算法的核心思想是什么.pdf
037讲经典图算法之HITS.pdf
038讲社区检测算法之“模块最大化”.pdf
039讲机器学习排序算法经典模型：RankSVM.pdf
040讲机器学习排序算法经典模型：GBDT.pdf
041讲机器学习排序算法经典模型：LambdaMART.pdf
042讲基于深度学习的搜索算法：深度结构化语义模型.pdf
043讲基于深度学习的搜索算法：卷积结构下的隐含语义模型.pdf
044讲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
045讲职场话题：当数据科学家遇见产品团队.pdf
046讲职场话题：数据科学家应聘要具备哪些能力.pdf
047讲职场话题：聊聊数据科学家的职场规划.pdf
048讲精读2017年ICCV最佳研究论文.pdf
049讲精读2017年ICCV最佳学生论文.pdf
050讲如何将“深度强化学习”应用到视觉问答系统.pdf
051讲精读2017年NIPS最佳研究论文之一：如何解决非凸优化问题.pdf
052讲精读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
053讲精读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
054讲数据科学团队养成：电话面试指南.pdf
055讲数据科学团队养成：Onsite面试面面观.pdf
056讲成为“香饽饽”的数据科学家，如何衡量他们的工作呢.pdf
057讲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
058讲数据科学家团队组织架构：水平还是垂直，这是个问题.pdf
059讲2017人工智能技术发展盘点.pdf
060讲WSDM2018论文精读：看谷歌团队如何做位置偏差估计.pdf
061讲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
062讲WSDM2018论文精读：深度学习模型中如何使用上下文信息.pdf
063讲简单推荐模型之一：基于流行度的推荐模型.pdf
064讲简单推荐模型之二：基于相似信息的推荐模型.pdf
065讲简单推荐模型之三：基于内容信息的推荐模型.pdf
066讲基于隐变量的模型之一：矩阵分解.pdf
067讲基于隐变量的模型之二：基于回归的矩阵分解.pdf
068讲基于隐变量的模型之三：分解机.pdf
069讲高级推荐模型之一：张量分解模型.pdf
070讲高级推荐模型之二：协同矩阵分解.pdf
071讲高级推荐模型之三：优化复杂目标函数.pdf
072讲推荐的Exploit和Explore算法之一：EE算法综述.pdf
073讲推荐的Exploit和Explore算法之二：UCB算法.pdf
074讲推荐的Exploit和Explore算法之三：汤普森采样算法.pdf
075讲推荐系统评测之一：传统线下评测.pdf
076讲推荐系统评测之二：线上评测.pdf
077讲推荐系统评测之三：无偏差估计.pdf
078讲现代推荐架构剖析之一：基于线下离线计算的推荐架构.pdf
079讲现代推荐架构剖析之二：基于多层搜索架构的推荐系统.pdf
080讲现代推荐架构剖析之三：复杂现代推荐架构漫谈.pdf
081讲基于深度学习的推荐模型之一：受限波兹曼机.pdf
082讲基于深度学习的推荐模型之二：基于RNN的推荐系统.pdf
083讲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
084讲LDA变种模型知多少.pdf
085讲针对大规模数据，如何优化LDA算法.pdf
086讲基础文本分析模型之一：隐语义分析.pdf
087讲基础文本分析模型之二：概率隐语义分析.pdf
088讲基础文本分析模型之三：EM算法.pdf
089讲为什么需要Word2Vec算法.pdf
090讲Word2Vec算法有哪些扩展模型.pdf
091讲Word2Vec算法有哪些应用.pdf
092讲序列建模的深度学习利器：RNN基础架构.pdf
093讲基于门机制的RNN架构：LSTM与GRU.pdf
094讲RNN在自然语言处理中有哪些应用场景.pdf
095讲对话系统之经典的对话模型.pdf
096讲任务型对话系统有哪些技术要点.pdf
097讲聊天机器人有哪些核心技术要点.pdf
098讲什么是文档情感分类.pdf
099讲如何来提取情感“实体”和“方面”呢.pdf
100讲文本情感分析中如何做意见总结和搜索.pdf
101讲TheWeb2018论文精读：如何对商品的图片美感进行建模.pdf
102讲TheWeb2018论文精读：如何改进经典的推荐算法BPR.pdf
103讲TheWeb2018论文精读：如何从文本中提取高元关系.pdf
104讲如何快速学习国际顶级学术会议的内容.pdf
105讲广告系统概述.pdf
106讲广告系统架构.pdf
107讲广告回馈预估综述.pdf
108讲Facebook的广告点击率预估模型.pdf
109讲雅虎的广告点击率预估模型.pdf
110讲LinkedIn的广告点击率预估模型.pdf
111讲Twitter的广告点击率预估模型.pdf
112讲阿里巴巴的广告点击率预估模型.pdf
113讲什么是“基于第二价位的广告竞拍”.pdf
114讲广告的竞价策略是怎样的.pdf
115讲如何优化广告的竞价策略.pdf
116讲如何控制广告预算.pdf
117讲如何设置广告竞价的底价.pdf
118讲聊一聊“程序化直接购买”和“广告期货”.pdf
119讲归因模型：如何来衡量广告的有效性.pdf
120讲广告投放如何选择受众如何扩展受众群.pdf
121讲如何利用机器学习技术来检测广告欺诈.pdf
122讲数据科学家必备套路之一：搜索套路.pdf
123讲数据科学家必备套路之二：推荐套路.pdf
124讲数据科学家必备套路之三：广告套路.pdf
125讲SIGIR2018论文精读：偏差和“流行度”之间的关系.pdf
126讲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
127讲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
128讲CVPR2018论文精读：如何研究计算机视觉任务之间的关系.pdf
129讲CVPR2018论文精读：如何从整体上对人体进行三维建模.pdf
130讲CVPR2018论文精读：如何解决排序学习计算复杂度高这个问题.pdf
131讲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
132讲ICML2018论文精读：聊一聊机器学习算法的“公平性”问题.pdf
133讲ICML2018论文精读：优化目标函数的时候，有可能放大了“不公平”.pdf
134讲ACL2018论文精读：问答系统场景下，如何提出好问题.pdf
135讲ACL2018论文精读：什么是对话中的前提触发如何检测.pdf
136讲ACL2018论文精读：什么是“端到端”的语义哈希.pdf
137讲如何做好人工智能项目的管理.pdf
138讲数据科学团队必备的工程流程三部曲.pdf
139讲数据科学团队怎么选择产品和项目.pdf
140讲什么是计算机视觉.pdf
141讲掌握计算机视觉任务的基础模型和操作.pdf
142讲计算机视觉中的特征提取难在哪里.pdf
143讲基于深度学习的计算机视觉技术（一）：深度神经网络入门.pdf
144讲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
145讲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
146讲计算机视觉领域的深度学习模型（一）：AlexNet.pdf
147讲计算机视觉领域的深度学习模型（二）：VGG&GoogleNet.pdf
148讲计算机视觉领域的深度学习模型（三）：ResNet.pdf
149讲计算机视觉高级话题（一）：图像物体识别和分割.pdf
150讲计算机视觉高级话题（二）：视觉问答.pdf
151讲计算机视觉高级话题（三）：产生式模型.pdf
152讲在人工智能领域，如何快速找到学习的切入点.pdf
153讲人工智能技术选择，该从哪里获得灵感.pdf
154讲近在咫尺，走进人工智能研究.pdf
155讲微软研究院：工业界研究机构的楷模.pdf
156讲聊一聊谷歌特立独行的混合型研究.pdf
复盘1讲搜索核心技术模块.pdf
复盘2讲推荐系统核心技术模块.pdf
复盘3讲自然语言处理及文本处理核心技术模块.pdf
复盘4讲广告系统核心技术模块.pdf
复盘5讲计算机视觉核心技术模块.pdf
复盘6讲数据科学家与数据科学团队是怎么养成的.pdf
复盘7讲一起来读人工智能国际顶级会议论文.pdf
结束语讲雄关漫道真如铁，而今迈步从头越.pdf
开篇词讲你的360度人工智能信息助理.pdf
内参特刊讲和你聊聊每个人都关心的人工智能热点话题.pdf