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