-
-
-
001-聊聊2017年KDD大会的时间检验奖[防断更微lxknumber1].md
-
001-聊聊2017年KDD大会的时间检验奖[防断更微lxknumber1].mp3
-
001-聊聊2017年KDD大会的时间检验奖[防断更微lxknumber1].pdf
-
002-精读2017年KDD最佳研究论文[防断更微lxknumber1].md
-
002-精读2017年KDD最佳研究论文[防断更微lxknumber1].mp3
-
002-精读2017年KDD最佳研究论文[防断更微lxknumber1].pdf
-
003-精读2017年KDD最佳应用数据科学论文[防断更微lxknumber1].md
-
003-精读2017年KDD最佳应用数据科学论文[防断更微lxknumber1].mp3
-
003-精读2017年KDD最佳应用数据科学论文[防断更微lxknumber1].pdf
-
004-精读2017年EMNLP最佳长论文之一[防断更微lxknumber1].md
-
004-精读2017年EMNLP最佳长论文之一[防断更微lxknumber1].mp3
-
004-精读2017年EMNLP最佳长论文之一[防断更微lxknumber1].pdf
-
005-精读2017年EMNLP最佳长论文之二[防断更微lxknumber1].md
-
005-精读2017年EMNLP最佳长论文之二[防断更微lxknumber1].mp3
-
005-精读2017年EMNLP最佳长论文之二[防断更微lxknumber1].pdf
-
006-精读2017年EMNLP最佳短论文[防断更微lxknumber1].md
-
006-精读2017年EMNLP最佳短论文[防断更微lxknumber1].mp3
-
006-精读2017年EMNLP最佳短论文[防断更微lxknumber1].pdf
-
007-精读2017年ICCV最佳研究论文[防断更微lxknumber1].md
-
007-精读2017年ICCV最佳研究论文[防断更微lxknumber1].mp3
-
007-精读2017年ICCV最佳研究论文[防断更微lxknumber1].pdf
-
008-精读2017年ICCV最佳学生论文[防断更微lxknumber1].md
-
008-精读2017年ICCV最佳学生论文[防断更微lxknumber1].mp3
-
008-精读2017年ICCV最佳学生论文[防断更微lxknumber1].pdf
-
009-如何将“深度强化学习”应用到视觉问答系统？[防断更微lxknumber1].md
-
009-如何将“深度强化学习”应用到视觉问答系统？[防断更微lxknumber1].mp3
-
009-如何将“深度强化学习”应用到视觉问答系统？[防断更微lxknumber1].pdf
-
010-精读2017年NIPS最佳研究论文之一：如何解决非凸优化问题？[防断更微lxknumber1].md
-
010-精读2017年NIPS最佳研究论文之一：如何解决非凸优化问题？[防断更微lxknumber1].mp3
-
010-精读2017年NIPS最佳研究论文之一：如何解决非凸优化问题？[防断更微lxknumber1].pdf
-
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？[防断更微lxknumber1].md
-
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？[防断更微lxknumber1].mp3
-
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？[防断更微lxknumber1].pdf
-
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？[防断更微lxknumber1].md
-
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？[防断更微lxknumber1].mp3
-
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？[防断更微lxknumber1].pdf
-
013-WSDM2018论文精读：看谷歌团队如何做位置偏差估计[防断更微lxknumber1].md
-
013-WSDM2018论文精读：看谷歌团队如何做位置偏差估计[防断更微lxknumber1].mp3
-
013-WSDM2018论文精读：看谷歌团队如何做位置偏差估计[防断更微lxknumber1].pdf
-
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[防断更微lxknumber1].md
-
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[防断更微lxknumber1].mp3
-
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[防断更微lxknumber1].pdf
-
015-WSDM2018论文精读：深度学习模型中如何使用上下文信息？[防断更微lxknumber1].md
-
015-WSDM2018论文精读：深度学习模型中如何使用上下文信息？[防断更微lxknumber1].mp3
-
015-WSDM2018论文精读：深度学习模型中如何使用上下文信息？[防断更微lxknumber1].pdf
-
016-TheWeb2018论文精读：如何对商品的图片美感进行建模？[防断更微lxknumber1].md
-
016-TheWeb2018论文精读：如何对商品的图片美感进行建模？[防断更微lxknumber1].mp3
-
016-TheWeb2018论文精读：如何对商品的图片美感进行建模？[防断更微lxknumber1].pdf
-
017-TheWeb2018论文精读：如何改进经典的推荐算法BPR？[防断更微lxknumber1].md
-
017-TheWeb2018论文精读：如何改进经典的推荐算法BPR？[防断更微lxknumber1].mp3
-
017-TheWeb2018论文精读：如何改进经典的推荐算法BPR？[防断更微lxknumber1].pdf
-
018-TheWeb2018论文精读：如何从文本中提取高元关系？[防断更微lxknumber1].md
-
018-TheWeb2018论文精读：如何从文本中提取高元关系？[防断更微lxknumber1].mp3
-
018-TheWeb2018论文精读：如何从文本中提取高元关系？[防断更微lxknumber1].pdf
-
019-SIGIR2018论文精读：偏差和“流行度”之间的关系[防断更微lxknumber1].md
-
019-SIGIR2018论文精读：偏差和“流行度”之间的关系[防断更微lxknumber1].mp3
-
019-SIGIR2018论文精读：偏差和“流行度”之间的关系[防断更微lxknumber1].pdf
-
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？[防断更微lxknumber1].md
-
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？[防断更微lxknumber1].mp3
-
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？[防断更微lxknumber1].pdf
-
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？[防断更微lxknumber1].md
-
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？[防断更微lxknumber1].mp3
-
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？[防断更微lxknumber1].pdf
-
022-CVPR2018论文精读：如何研究计算机视觉任务之间的关系？[防断更微lxknumber1].md
-
022-CVPR2018论文精读：如何研究计算机视觉任务之间的关系？[防断更微lxknumber1].mp3
-
022-CVPR2018论文精读：如何研究计算机视觉任务之间的关系？[防断更微lxknumber1].pdf
-
023-CVPR2018论文精读：如何从整体上对人体进行三维建模？[防断更微lxknumber1].md
-
023-CVPR2018论文精读：如何从整体上对人体进行三维建模？[防断更微lxknumber1].mp3
-
023-CVPR2018论文精读：如何从整体上对人体进行三维建模？[防断更微lxknumber1].pdf
-
024-CVPR2018论文精读：如何解决排序学习计算复杂度高这个问题？[防断更微lxknumber1].md
-
024-CVPR2018论文精读：如何解决排序学习计算复杂度高这个问题？[防断更微lxknumber1].mp3
-
024-CVPR2018论文精读：如何解决排序学习计算复杂度高这个问题？[防断更微lxknumber1].pdf
-
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[防断更微lxknumber1].md
-
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[防断更微lxknumber1].mp3
-
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[防断更微lxknumber1].pdf
-
026-ICML2018论文精读：聊一聊机器学习算法的“公平性”问题[防断更微lxknumber1].md
-
026-ICML2018论文精读：聊一聊机器学习算法的“公平性”问题[防断更微lxknumber1].mp3
-
026-ICML2018论文精读：聊一聊机器学习算法的“公平性”问题[防断更微lxknumber1].pdf
-
027-ICML2018论文精读：优化目标函数的时候，有可能放大了“不公平”？[防断更微lxknumber1].md
-
027-ICML2018论文精读：优化目标函数的时候，有可能放大了“不公平”？[防断更微lxknumber1].mp3
-
027-ICML2018论文精读：优化目标函数的时候，有可能放大了“不公平”？[防断更微lxknumber1].pdf
-
028-ACL2018论文精读：问答系统场景下，如何提出好问题？[防断更微lxknumber1].md
-
028-ACL2018论文精读：问答系统场景下，如何提出好问题？[防断更微lxknumber1].mp3
-
028-ACL2018论文精读：问答系统场景下，如何提出好问题？[防断更微lxknumber1].pdf
-
029-ACL2018论文精读：什么是对话中的前提触发？如何检测？[防断更微lxknumber1].md
-
029-ACL2018论文精读：什么是对话中的前提触发？如何检测？[防断更微lxknumber1].mp3
-
029-ACL2018论文精读：什么是对话中的前提触发？如何检测？[防断更微lxknumber1].pdf
-
030-ACL2018论文精读：什么是“端到端”的语义哈希？[防断更微lxknumber1].md
-
030-ACL2018论文精读：什么是“端到端”的语义哈希？[防断更微lxknumber1].mp3
-
030-ACL2018论文精读：什么是“端到端”的语义哈希？[防断更微lxknumber1].pdf
-
031-经典搜索核心算法：TF-IDF及其变种[防断更微lxknumber1].md
-
031-经典搜索核心算法：TF-IDF及其变种[防断更微lxknumber1].mp3
-
031-经典搜索核心算法：TF-IDF及其变种[防断更微lxknumber1].pdf
-
032-经典搜索核心算法：BM25及其变种（内附全年目录）[防断更微lxknumber1].md
-
032-经典搜索核心算法：BM25及其变种（内附全年目录）[防断更微lxknumber1].mp3
-
032-经典搜索核心算法：BM25及其变种（内附全年目录）[防断更微lxknumber1].pdf
-
033-经典搜索核心算法：语言模型及其变种[防断更微lxknumber1].md
-
033-经典搜索核心算法：语言模型及其变种[防断更微lxknumber1].mp3
-
033-经典搜索核心算法：语言模型及其变种[防断更微lxknumber1].pdf
-
034-机器学习排序算法：单点法排序学习[防断更微lxknumber1].md
-
034-机器学习排序算法：单点法排序学习[防断更微lxknumber1].mp3
-
034-机器学习排序算法：单点法排序学习[防断更微lxknumber1].pdf
-
035-机器学习排序算法：配对法排序学习[防断更微lxknumber1].md
-
035-机器学习排序算法：配对法排序学习[防断更微lxknumber1].mp3
-
035-机器学习排序算法：配对法排序学习[防断更微lxknumber1].pdf
-
036-机器学习排序算法：列表法排序学习[防断更微lxknumber1].md
-
036-机器学习排序算法：列表法排序学习[防断更微lxknumber1].mp3
-
036-机器学习排序算法：列表法排序学习[防断更微lxknumber1].pdf
-
037-“查询关键字理解”三部曲之分类[防断更微lxknumber1].md
-
037-“查询关键字理解”三部曲之分类[防断更微lxknumber1].mp3
-
037-“查询关键字理解”三部曲之分类[防断更微lxknumber1].pdf
-
038-“查询关键字理解”三部曲之解析[防断更微lxknumber1].md
-
038-“查询关键字理解”三部曲之解析[防断更微lxknumber1].mp3
-
038-“查询关键字理解”三部曲之解析[防断更微lxknumber1].pdf
-
039-“查询关键字理解”三部曲之扩展[防断更微lxknumber1].md
-
039-“查询关键字理解”三部曲之扩展[防断更微lxknumber1].mp3
-
039-“查询关键字理解”三部曲之扩展[防断更微lxknumber1].pdf
-
040-搜索系统评测，有哪些基础指标？[防断更微lxknumber1].md
-
040-搜索系统评测，有哪些基础指标？[防断更微lxknumber1].mp3
-
040-搜索系统评测，有哪些基础指标？[防断更微lxknumber1].pdf
-
041-搜索系统评测，有哪些高级指标？[防断更微lxknumber1].md
-
041-搜索系统评测，有哪些高级指标？[防断更微lxknumber1].mp3
-
041-搜索系统评测，有哪些高级指标？[防断更微lxknumber1].pdf
-
042-如何评测搜索系统的在线表现？[防断更微lxknumber1].md
-
042-如何评测搜索系统的在线表现？[防断更微lxknumber1].mp3
-
042-如何评测搜索系统的在线表现？[防断更微lxknumber1].pdf
-
043-文档理解第一步：文档分类[防断更微lxknumber1].md
-
043-文档理解第一步：文档分类[防断更微lxknumber1].mp3
-
043-文档理解第一步：文档分类[防断更微lxknumber1].pdf
-
044-文档理解的关键步骤：文档聚类[防断更微lxknumber1].md
-
044-文档理解的关键步骤：文档聚类[防断更微lxknumber1].mp3
-
044-文档理解的关键步骤：文档聚类[防断更微lxknumber1].pdf
-
045-文档理解的重要特例：多模文档建模[防断更微lxknumber1].md
-
045-文档理解的重要特例：多模文档建模[防断更微lxknumber1].mp3
-
045-文档理解的重要特例：多模文档建模[防断更微lxknumber1].pdf
-
046-大型搜索框架宏观视角：发展、特点及趋势[防断更微lxknumber1].md
-
046-大型搜索框架宏观视角：发展、特点及趋势[防断更微lxknumber1].mp3
-
046-大型搜索框架宏观视角：发展、特点及趋势[防断更微lxknumber1].pdf
-
047-多轮打分系统概述[防断更微lxknumber1].md
-
047-多轮打分系统概述[防断更微lxknumber1].mp3
-
047-多轮打分系统概述[防断更微lxknumber1].pdf
-
048-搜索索引及其相关技术概述[防断更微lxknumber1].md
-
048-搜索索引及其相关技术概述[防断更微lxknumber1].mp3
-
048-搜索索引及其相关技术概述[防断更微lxknumber1].pdf
-
049-PageRank算法的核心思想是什么？[防断更微lxknumber1].md
-
049-PageRank算法的核心思想是什么？[防断更微lxknumber1].mp3
-
049-PageRank算法的核心思想是什么？[防断更微lxknumber1].pdf
-
050-经典图算法之HITS[防断更微lxknumber1].md
-
050-经典图算法之HITS[防断更微lxknumber1].mp3
-
050-经典图算法之HITS[防断更微lxknumber1].pdf
-
051-社区检测算法之“模块最大化”[防断更微lxknumber1].md
-
051-社区检测算法之“模块最大化”[防断更微lxknumber1].mp3
-
051-社区检测算法之“模块最大化”[防断更微lxknumber1].pdf
-
052-机器学习排序算法经典模型：RankSVM[防断更微lxknumber1].md
-
052-机器学习排序算法经典模型：RankSVM[防断更微lxknumber1].mp3
-
052-机器学习排序算法经典模型：RankSVM[防断更微lxknumber1].pdf
-
053-机器学习排序算法经典模型：GBDT[防断更微lxknumber1].md
-
053-机器学习排序算法经典模型：GBDT[防断更微lxknumber1].mp3
-
053-机器学习排序算法经典模型：GBDT[防断更微lxknumber1].pdf
-
054-机器学习排序算法经典模型：LambdaMART[防断更微lxknumber1].md
-
054-机器学习排序算法经典模型：LambdaMART[防断更微lxknumber1].mp3
-
054-机器学习排序算法经典模型：LambdaMART[防断更微lxknumber1].pdf
-
055-基于深度学习的搜索算法：深度结构化语义模型[防断更微lxknumber1].md
-
055-基于深度学习的搜索算法：深度结构化语义模型[防断更微lxknumber1].mp3
-
055-基于深度学习的搜索算法：深度结构化语义模型[防断更微lxknumber1].pdf
-
056-基于深度学习的搜索算法：卷积结构下的隐含语义模型[防断更微lxknumber1].md
-
056-基于深度学习的搜索算法：卷积结构下的隐含语义模型[防断更微lxknumber1].mp3
-
056-基于深度学习的搜索算法：卷积结构下的隐含语义模型[防断更微lxknumber1].pdf
-
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[防断更微lxknumber1].md
-
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[防断更微lxknumber1].mp3
-
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[防断更微lxknumber1].pdf
-
058-简单推荐模型之一：基于流行度的推荐模型[防断更微lxknumber1].md
-
058-简单推荐模型之一：基于流行度的推荐模型[防断更微lxknumber1].mp3
-
058-简单推荐模型之一：基于流行度的推荐模型[防断更微lxknumber1].pdf
-
059-简单推荐模型之二：基于相似信息的推荐模型[防断更微lxknumber1].md
-
059-简单推荐模型之二：基于相似信息的推荐模型[防断更微lxknumber1].mp3
-
059-简单推荐模型之二：基于相似信息的推荐模型[防断更微lxknumber1].pdf
-
060-简单推荐模型之三：基于内容信息的推荐模型[防断更微lxknumber1].md
-
060-简单推荐模型之三：基于内容信息的推荐模型[防断更微lxknumber1].mp3
-
060-简单推荐模型之三：基于内容信息的推荐模型[防断更微lxknumber1].pdf
-
061-基于隐变量的模型之一：矩阵分解[防断更微lxknumber1].md
-
061-基于隐变量的模型之一：矩阵分解[防断更微lxknumber1].mp3
-
061-基于隐变量的模型之一：矩阵分解[防断更微lxknumber1].pdf
-
062-基于隐变量的模型之二：基于回归的矩阵分解[防断更微lxknumber1].md
-
062-基于隐变量的模型之二：基于回归的矩阵分解[防断更微lxknumber1].mp3
-
062-基于隐变量的模型之二：基于回归的矩阵分解[防断更微lxknumber1].pdf
-
063-基于隐变量的模型之三：分解机[防断更微lxknumber1].md
-
063-基于隐变量的模型之三：分解机[防断更微lxknumber1].mp3
-
063-基于隐变量的模型之三：分解机[防断更微lxknumber1].pdf
-
064-高级推荐模型之一：张量分解模型[防断更微lxknumber1].md
-
064-高级推荐模型之一：张量分解模型[防断更微lxknumber1].mp3
-
064-高级推荐模型之一：张量分解模型[防断更微lxknumber1].pdf
-
065-高级推荐模型之二：协同矩阵分解[防断更微lxknumber1].md
-
065-高级推荐模型之二：协同矩阵分解[防断更微lxknumber1].mp3
-
065-高级推荐模型之二：协同矩阵分解[防断更微lxknumber1].pdf
-
066-高级推荐模型之三：优化复杂目标函数[防断更微lxknumber1].md
-
066-高级推荐模型之三：优化复杂目标函数[防断更微lxknumber1].mp3
-
066-高级推荐模型之三：优化复杂目标函数[防断更微lxknumber1].pdf
-
067-推荐的Exploit和Explore算法之一：EE算法综述[防断更微lxknumber1].md
-
067-推荐的Exploit和Explore算法之一：EE算法综述[防断更微lxknumber1].mp3
-
067-推荐的Exploit和Explore算法之一：EE算法综述[防断更微lxknumber1].pdf
-
068-推荐的Exploit和Explore算法之二：UCB算法[防断更微lxknumber1].md
-
068-推荐的Exploit和Explore算法之二：UCB算法[防断更微lxknumber1].mp3
-
068-推荐的Exploit和Explore算法之二：UCB算法[防断更微lxknumber1].pdf
-
069-推荐的Exploit和Explore算法之三：汤普森采样算法[防断更微lxknumber1].md
-
069-推荐的Exploit和Explore算法之三：汤普森采样算法[防断更微lxknumber1].mp3
-
069-推荐的Exploit和Explore算法之三：汤普森采样算法[防断更微lxknumber1].pdf
-
070-推荐系统评测之一：传统线下评测[防断更微lxknumber1].md
-
070-推荐系统评测之一：传统线下评测[防断更微lxknumber1].mp3
-
070-推荐系统评测之一：传统线下评测[防断更微lxknumber1].pdf
-
071-推荐系统评测之二：线上评测[防断更微lxknumber1].md
-
071-推荐系统评测之二：线上评测[防断更微lxknumber1].mp3
-
071-推荐系统评测之二：线上评测[防断更微lxknumber1].pdf
-
072-推荐系统评测之三：无偏差估计[防断更微lxknumber1].md
-
072-推荐系统评测之三：无偏差估计[防断更微lxknumber1].mp3
-
072-推荐系统评测之三：无偏差估计[防断更微lxknumber1].pdf
-
073-现代推荐架构剖析之一：基于线下离线计算的推荐架构[防断更微lxknumber1].md
-
073-现代推荐架构剖析之一：基于线下离线计算的推荐架构[防断更微lxknumber1].mp3
-
073-现代推荐架构剖析之一：基于线下离线计算的推荐架构[防断更微lxknumber1].pdf
-
074-现代推荐架构剖析之二：基于多层搜索架构的推荐系统[防断更微lxknumber1].md
-
074-现代推荐架构剖析之二：基于多层搜索架构的推荐系统[防断更微lxknumber1].mp3
-
074-现代推荐架构剖析之二：基于多层搜索架构的推荐系统[防断更微lxknumber1].pdf
-
075-现代推荐架构剖析之三：复杂现代推荐架构漫谈[防断更微lxknumber1].md
-
075-现代推荐架构剖析之三：复杂现代推荐架构漫谈[防断更微lxknumber1].mp3
-
075-现代推荐架构剖析之三：复杂现代推荐架构漫谈[防断更微lxknumber1].pdf
-
076-基于深度学习的推荐模型之一：受限波兹曼机[防断更微lxknumber1].md
-
076-基于深度学习的推荐模型之一：受限波兹曼机[防断更微lxknumber1].mp3
-
076-基于深度学习的推荐模型之一：受限波兹曼机[防断更微lxknumber1].pdf
-
077-基于深度学习的推荐模型之二：基于RNN的推荐系统[防断更微lxknumber1].md
-
077-基于深度学习的推荐模型之二：基于RNN的推荐系统[防断更微lxknumber1].mp3
-
077-基于深度学习的推荐模型之二：基于RNN的推荐系统[防断更微lxknumber1].pdf
-
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[防断更微lxknumber1].md
-
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[防断更微lxknumber1].mp3
-
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[防断更微lxknumber1].pdf
-
079-广告系统概述[防断更微lxknumber1].md
-
079-广告系统概述[防断更微lxknumber1].mp3
-
079-广告系统概述[防断更微lxknumber1].pdf
-
080-广告系统架构[防断更微lxknumber1].md
-
080-广告系统架构[防断更微lxknumber1].mp3
-
080-广告系统架构[防断更微lxknumber1].pdf
-
081-广告回馈预估综述[防断更微lxknumber1].md
-
081-广告回馈预估综述[防断更微lxknumber1].mp3
-
081-广告回馈预估综述[防断更微lxknumber1].pdf
-
082-Google的点击率系统模型[防断更微lxknumber1].md
-
082-Google的点击率系统模型[防断更微lxknumber1].mp3
-
082-Google的点击率系统模型[防断更微lxknumber1].pdf
-
083-Facebook的广告点击率预估模型[防断更微lxknumber1].md
-
083-Facebook的广告点击率预估模型[防断更微lxknumber1].mp3
-
083-Facebook的广告点击率预估模型[防断更微lxknumber1].pdf
-
084-雅虎的广告点击率预估模型[防断更微lxknumber1].md
-
084-雅虎的广告点击率预估模型[防断更微lxknumber1].mp3
-
084-雅虎的广告点击率预估模型[防断更微lxknumber1].pdf
-
085-LinkedIn的广告点击率预估模型[防断更微lxknumber1].md
-
085-LinkedIn的广告点击率预估模型[防断更微lxknumber1].mp3
-
085-LinkedIn的广告点击率预估模型[防断更微lxknumber1].pdf
-
086-Twitter的广告点击率预估模型[防断更微lxknumber1].md
-
086-Twitter的广告点击率预估模型[防断更微lxknumber1].mp3
-
086-Twitter的广告点击率预估模型[防断更微lxknumber1].pdf
-
087-阿里巴巴的广告点击率预估模型[防断更微lxknumber1].md
-
087-阿里巴巴的广告点击率预估模型[防断更微lxknumber1].mp3
-
087-阿里巴巴的广告点击率预估模型[防断更微lxknumber1].pdf
-
088-什么是“基于第二价位的广告竞拍”？[防断更微lxknumber1].md
-
088-什么是“基于第二价位的广告竞拍”？[防断更微lxknumber1].mp3
-
088-什么是“基于第二价位的广告竞拍”？[防断更微lxknumber1].pdf
-
089-广告的竞价策略是怎样的？[防断更微lxknumber1].md
-
089-广告的竞价策略是怎样的？[防断更微lxknumber1].mp3
-
089-广告的竞价策略是怎样的？[防断更微lxknumber1].pdf
-
090-如何优化广告的竞价策略？[防断更微lxknumber1].md
-
090-如何优化广告的竞价策略？[防断更微lxknumber1].mp3
-
090-如何优化广告的竞价策略？[防断更微lxknumber1].pdf
-
091-如何控制广告预算？[防断更微lxknumber1].md
-
091-如何控制广告预算？[防断更微lxknumber1].mp3
-
091-如何控制广告预算？[防断更微lxknumber1].pdf
-
092-如何设置广告竞价的底价？[防断更微lxknumber1].md
-
092-如何设置广告竞价的底价？[防断更微lxknumber1].mp3
-
092-如何设置广告竞价的底价？[防断更微lxknumber1].pdf
-
093-聊一聊“程序化直接购买”和“广告期货”[防断更微lxknumber1].md
-
093-聊一聊“程序化直接购买”和“广告期货”[防断更微lxknumber1].mp3
-
093-聊一聊“程序化直接购买”和“广告期货”[防断更微lxknumber1].pdf
-
094-归因模型：如何来衡量广告的有效性[防断更微lxknumber1].md
-
094-归因模型：如何来衡量广告的有效性[防断更微lxknumber1].mp3
-
094-归因模型：如何来衡量广告的有效性[防断更微lxknumber1].pdf
-
095-广告投放如何选择受众？如何扩展受众群？[防断更微lxknumber1].md
-
095-广告投放如何选择受众？如何扩展受众群？[防断更微lxknumber1].mp3
-
095-广告投放如何选择受众？如何扩展受众群？[防断更微lxknumber1].pdf
-
096-如何利用机器学习技术来检测广告欺诈？[防断更微lxknumber1].md
-
096-如何利用机器学习技术来检测广告欺诈？[防断更微lxknumber1].mp3
-
096-如何利用机器学习技术来检测广告欺诈？[防断更微lxknumber1].pdf
-
097-LDA模型的前世今生[防断更微lxknumber1].md
-
097-LDA模型的前世今生[防断更微lxknumber1].mp3
-
097-LDA模型的前世今生[防断更微lxknumber1].pdf
-
098-LDA变种模型知多少[防断更微lxknumber1].md
-
098-LDA变种模型知多少[防断更微lxknumber1].mp3
-
098-LDA变种模型知多少[防断更微lxknumber1].pdf
-
099-针对大规模数据，如何优化LDA算法？[防断更微lxknumber1].md
-
099-针对大规模数据，如何优化LDA算法？[防断更微lxknumber1].mp3
-
099-针对大规模数据，如何优化LDA算法？[防断更微lxknumber1].pdf
-
100-基础文本分析模型之一：隐语义分析[防断更微lxknumber1].md
-
100-基础文本分析模型之一：隐语义分析[防断更微lxknumber1].mp3
-
100-基础文本分析模型之一：隐语义分析[防断更微lxknumber1].pdf
-
101-基础文本分析模型之二：概率隐语义分析[防断更微lxknumber1].md
-
101-基础文本分析模型之二：概率隐语义分析[防断更微lxknumber1].mp3
-
101-基础文本分析模型之二：概率隐语义分析[防断更微lxknumber1].pdf
-
102-基础文本分析模型之三：EM算法[防断更微lxknumber1].md
-
102-基础文本分析模型之三：EM算法[防断更微lxknumber1].mp3
-
102-基础文本分析模型之三：EM算法[防断更微lxknumber1].pdf
-
103-为什么需要Word2Vec算法？[防断更微lxknumber1].md
-
103-为什么需要Word2Vec算法？[防断更微lxknumber1].mp3
-
103-为什么需要Word2Vec算法？[防断更微lxknumber1].pdf
-
104-Word2Vec算法有哪些扩展模型？[防断更微lxknumber1].md
-
104-Word2Vec算法有哪些扩展模型？[防断更微lxknumber1].mp3
-
104-Word2Vec算法有哪些扩展模型？[防断更微lxknumber1].pdf
-
105-Word2Vec算法有哪些应用？[防断更微lxknumber1].md
-
105-Word2Vec算法有哪些应用？[防断更微lxknumber1].mp3
-
105-Word2Vec算法有哪些应用？[防断更微lxknumber1].pdf
-
106-序列建模的深度学习利器：RNN基础架构[防断更微lxknumber1].md
-
106-序列建模的深度学习利器：RNN基础架构[防断更微lxknumber1].mp3
-
106-序列建模的深度学习利器：RNN基础架构[防断更微lxknumber1].pdf
-
107-基于门机制的RNN架构：LSTM与GRU[防断更微lxknumber1].md
-
107-基于门机制的RNN架构：LSTM与GRU[防断更微lxknumber1].mp3
-
107-基于门机制的RNN架构：LSTM与GRU[防断更微lxknumber1].pdf
-
108-RNN在自然语言处理中有哪些应用场景？[防断更微lxknumber1].md
-
108-RNN在自然语言处理中有哪些应用场景？[防断更微lxknumber1].mp3
-
108-RNN在自然语言处理中有哪些应用场景？[防断更微lxknumber1].pdf
-
109-对话系统之经典的对话模型[防断更微lxknumber1].md
-
109-对话系统之经典的对话模型[防断更微lxknumber1].mp3
-
109-对话系统之经典的对话模型[防断更微lxknumber1].pdf
-
110-任务型对话系统有哪些技术要点？[防断更微lxknumber1].md
-
110-任务型对话系统有哪些技术要点？[防断更微lxknumber1].mp3
-
110-任务型对话系统有哪些技术要点？[防断更微lxknumber1].pdf
-
111-聊天机器人有哪些核心技术要点？[防断更微lxknumber1].md
-
111-聊天机器人有哪些核心技术要点？[防断更微lxknumber1].mp3
-
111-聊天机器人有哪些核心技术要点？[防断更微lxknumber1].pdf
-
112-什么是文档情感分类？[防断更微lxknumber1].md
-
112-什么是文档情感分类？[防断更微lxknumber1].mp3
-
112-什么是文档情感分类？[防断更微lxknumber1].pdf
-
113-如何来提取情感“实体”和“方面”呢？[防断更微lxknumber1].md
-
113-如何来提取情感“实体”和“方面”呢？[防断更微lxknumber1].mp3
-
113-如何来提取情感“实体”和“方面”呢？[防断更微lxknumber1].pdf
-
114-文本情感分析中如何做意见总结和搜索？[防断更微lxknumber1].md
-
114-文本情感分析中如何做意见总结和搜索？[防断更微lxknumber1].mp3
-
114-文本情感分析中如何做意见总结和搜索？[防断更微lxknumber1].pdf
-
115-什么是计算机视觉？[防断更微lxknumber1].md
-
115-什么是计算机视觉？[防断更微lxknumber1].mp3
-
115-什么是计算机视觉？[防断更微lxknumber1].pdf
-
116-掌握计算机视觉任务的基础模型和操作[防断更微lxknumber1].md
-
116-掌握计算机视觉任务的基础模型和操作[防断更微lxknumber1].mp3
-
116-掌握计算机视觉任务的基础模型和操作[防断更微lxknumber1].pdf
-
117-计算机视觉中的特征提取难在哪里？[防断更微lxknumber1].md
-
117-计算机视觉中的特征提取难在哪里？[防断更微lxknumber1].mp3
-
117-计算机视觉中的特征提取难在哪里？[防断更微lxknumber1].pdf
-
118-基于深度学习的计算机视觉技术（一）：深度神经网络入门[防断更微lxknumber1].md
-
118-基于深度学习的计算机视觉技术（一）：深度神经网络入门[防断更微lxknumber1].mp3
-
118-基于深度学习的计算机视觉技术（一）：深度神经网络入门[防断更微lxknumber1].pdf
-
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[防断更微lxknumber1].md
-
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[防断更微lxknumber1].mp3
-
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[防断更微lxknumber1].pdf
-
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[防断更微lxknumber1].md
-
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[防断更微lxknumber1].mp3
-
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[防断更微lxknumber1].pdf
-
121-计算机视觉领域的深度学习模型（一）：AlexNet[防断更微lxknumber1].md
-
121-计算机视觉领域的深度学习模型（一）：AlexNet[防断更微lxknumber1].mp3
-
121-计算机视觉领域的深度学习模型（一）：AlexNet[防断更微lxknumber1].pdf
-
122-计算机视觉领域的深度学习模型（二）：VGG&GoogleNet[防断更微lxknumber1].md
-
122-计算机视觉领域的深度学习模型（二）：VGG&GoogleNet[防断更微lxknumber1].mp3
-
122-计算机视觉领域的深度学习模型（二）：VGG&GoogleNet[防断更微lxknumber1].pdf
-
123-计算机视觉领域的深度学习模型（三）：ResNet[防断更微lxknumber1].md
-
123-计算机视觉领域的深度学习模型（三）：ResNet[防断更微lxknumber1].mp3
-
123-计算机视觉领域的深度学习模型（三）：ResNet[防断更微lxknumber1].pdf
-
124-计算机视觉高级话题（一）：图像物体识别和分割[防断更微lxknumber1].md
-
124-计算机视觉高级话题（一）：图像物体识别和分割[防断更微lxknumber1].mp3
-
124-计算机视觉高级话题（一）：图像物体识别和分割[防断更微lxknumber1].pdf
-
125-计算机视觉高级话题（二）：视觉问答[防断更微lxknumber1].md
-
125-计算机视觉高级话题（二）：视觉问答[防断更微lxknumber1].mp3
-
125-计算机视觉高级话题（二）：视觉问答[防断更微lxknumber1].pdf
-
126-计算机视觉高级话题（三）：产生式模型[防断更微lxknumber1].md
-
126-计算机视觉高级话题（三）：产生式模型[防断更微lxknumber1].mp3
-
126-计算机视觉高级话题（三）：产生式模型[防断更微lxknumber1].pdf
-
127-数据科学家基础能力之概率统计[防断更微lxknumber1].md
-
127-数据科学家基础能力之概率统计[防断更微lxknumber1].mp3
-
127-数据科学家基础能力之概率统计[防断更微lxknumber1].pdf
-
128-数据科学家基础能力之机器学习[防断更微lxknumber1].md
-
128-数据科学家基础能力之机器学习[防断更微lxknumber1].mp3
-
128-数据科学家基础能力之机器学习[防断更微lxknumber1].pdf
-
129-数据科学家基础能力之系统[防断更微lxknumber1].md
-
129-数据科学家基础能力之系统[防断更微lxknumber1].mp3
-
129-数据科学家基础能力之系统[防断更微lxknumber1].pdf
-
130-数据科学家高阶能力之分析产品[防断更微lxknumber1].md
-
130-数据科学家高阶能力之分析产品[防断更微lxknumber1].mp3
-
130-数据科学家高阶能力之分析产品[防断更微lxknumber1].pdf
-
131-数据科学家高阶能力之评估产品[防断更微lxknumber1].md
-
131-数据科学家高阶能力之评估产品[防断更微lxknumber1].mp3
-
131-数据科学家高阶能力之评估产品[防断更微lxknumber1].pdf
-
132-数据科学家高阶能力之如何系统提升产品性能[防断更微lxknumber1].md
-
132-数据科学家高阶能力之如何系统提升产品性能[防断更微lxknumber1].mp3
-
132-数据科学家高阶能力之如何系统提升产品性能[防断更微lxknumber1].pdf
-
133-职场话题：当数据科学家遇见产品团队[防断更微lxknumber1].md
-
133-职场话题：当数据科学家遇见产品团队[防断更微lxknumber1].mp3
-
133-职场话题：当数据科学家遇见产品团队[防断更微lxknumber1].pdf
-
134-职场话题：数据科学家应聘要具备哪些能力？[防断更微lxknumber1].md
-
134-职场话题：数据科学家应聘要具备哪些能力？[防断更微lxknumber1].mp3
-
134-职场话题：数据科学家应聘要具备哪些能力？[防断更微lxknumber1].pdf
-
135-职场话题：聊聊数据科学家的职场规划[防断更微lxknumber1].md
-
135-职场话题：聊聊数据科学家的职场规划[防断更微lxknumber1].mp3
-
135-职场话题：聊聊数据科学家的职场规划[防断更微lxknumber1].pdf
-
136-如何组建一个数据科学团队？[防断更微lxknumber1].md
-
136-如何组建一个数据科学团队？[防断更微lxknumber1].mp3
-
136-如何组建一个数据科学团队？[防断更微lxknumber1].pdf
-
137-数据科学团队养成：电话面试指南[防断更微lxknumber1].md
-
137-数据科学团队养成：电话面试指南[防断更微lxknumber1].mp3
-
137-数据科学团队养成：电话面试指南[防断更微lxknumber1].pdf
-
138-数据科学团队养成：Onsite面试面面观[防断更微lxknumber1].md
-
138-数据科学团队养成：Onsite面试面面观[防断更微lxknumber1].mp3
-
138-数据科学团队养成：Onsite面试面面观[防断更微lxknumber1].pdf
-
139-成为“香饽饽”的数据科学家，如何衡量他们的工作呢？[防断更微lxknumber1].md
-
139-成为“香饽饽”的数据科学家，如何衡量他们的工作呢？[防断更微lxknumber1].mp3
-
139-成为“香饽饽”的数据科学家，如何衡量他们的工作呢？[防断更微lxknumber1].pdf
-
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？[防断更微lxknumber1].md
-
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？[防断更微lxknumber1].mp3
-
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？[防断更微lxknumber1].pdf
-
141-数据科学家团队组织架构：水平还是垂直，这是个问题[防断更微lxknumber1].md
-
141-数据科学家团队组织架构：水平还是垂直，这是个问题[防断更微lxknumber1].mp3
-
141-数据科学家团队组织架构：水平还是垂直，这是个问题[防断更微lxknumber1].pdf
-
142-数据科学家必备套路之一：搜索套路[防断更微lxknumber1].md
-
142-数据科学家必备套路之一：搜索套路[防断更微lxknumber1].mp3
-
142-数据科学家必备套路之一：搜索套路[防断更微lxknumber1].pdf
-
143-数据科学家必备套路之二：推荐套路[防断更微lxknumber1].md
-
143-数据科学家必备套路之二：推荐套路[防断更微lxknumber1].mp3
-
143-数据科学家必备套路之二：推荐套路[防断更微lxknumber1].pdf
-
144-数据科学家必备套路之三：广告套路[防断更微lxknumber1].md
-
144-数据科学家必备套路之三：广告套路[防断更微lxknumber1].mp3
-
144-数据科学家必备套路之三：广告套路[防断更微lxknumber1].pdf
-
145-如何做好人工智能项目的管理？[防断更微lxknumber1].md
-
145-如何做好人工智能项目的管理？[防断更微lxknumber1].mp3
-
145-如何做好人工智能项目的管理？[防断更微lxknumber1].pdf
-
146-数据科学团队必备的工程流程三部曲[防断更微lxknumber1].md
-
146-数据科学团队必备的工程流程三部曲[防断更微lxknumber1].mp3
-
146-数据科学团队必备的工程流程三部曲[防断更微lxknumber1].pdf
-
147-数据科学团队怎么选择产品和项目？[防断更微lxknumber1].md
-
147-数据科学团队怎么选择产品和项目？[防断更微lxknumber1].mp3
-
147-数据科学团队怎么选择产品和项目？[防断更微lxknumber1].pdf
-
148-曾经辉煌的雅虎研究院[防断更微lxknumber1].md
-
148-曾经辉煌的雅虎研究院[防断更微lxknumber1].mp3
-
148-曾经辉煌的雅虎研究院[防断更微lxknumber1].pdf
-
149-微软研究院：工业界研究机构的楷模[防断更微lxknumber1].md
-
149-微软研究院：工业界研究机构的楷模[防断更微lxknumber1].mp3
-
149-微软研究院：工业界研究机构的楷模[防断更微lxknumber1].pdf
-
150-聊一聊谷歌特立独行的混合型研究[防断更微lxknumber1].md
-
150-聊一聊谷歌特立独行的混合型研究[防断更微lxknumber1].mp3
-
150-聊一聊谷歌特立独行的混合型研究[防断更微lxknumber1].pdf
-
151-精读AlphaGoZero论文[防断更微lxknumber1].md
-
151-精读AlphaGoZero论文[防断更微lxknumber1].mp3
-
151-精读AlphaGoZero论文[防断更微lxknumber1].pdf
-
152-2017人工智能技术发展盘点[防断更微lxknumber1].md
-
152-2017人工智能技术发展盘点[防断更微lxknumber1].mp3
-
152-2017人工智能技术发展盘点[防断更微lxknumber1].pdf
-
153-如何快速学习国际顶级学术会议的内容？[防断更微lxknumber1].md
-
153-如何快速学习国际顶级学术会议的内容？[防断更微lxknumber1].mp3
-
153-如何快速学习国际顶级学术会议的内容？[防断更微lxknumber1].pdf
-
154-在人工智能领域，如何快速找到学习的切入点？[防断更微lxknumber1].md
-
154-在人工智能领域，如何快速找到学习的切入点？[防断更微lxknumber1].mp3
-
154-在人工智能领域，如何快速找到学习的切入点？[防断更微lxknumber1].pdf
-
155-人工智能技术选择，该从哪里获得灵感？[防断更微lxknumber1].md
-
155-人工智能技术选择，该从哪里获得灵感？[防断更微lxknumber1].mp3
-
155-人工智能技术选择，该从哪里获得灵感？[防断更微lxknumber1].pdf
-
156-近在咫尺，走进人工智能研究[防断更微lxknumber1].md
-
156-近在咫尺，走进人工智能研究[防断更微lxknumber1].mp3
-
156-近在咫尺，走进人工智能研究[防断更微lxknumber1].pdf
-
复盘1-搜索核心技术模块[防断更微lxknumber1].md
-
复盘1-搜索核心技术模块[防断更微lxknumber1].pdf
-
复盘2-推荐系统核心技术模块[防断更微lxknumber1].md
-
复盘2-推荐系统核心技术模块[防断更微lxknumber1].pdf
-
复盘3-自然语言处理及文本处理核心技术模块[防断更微lxknumber1].md
-
复盘3-自然语言处理及文本处理核心技术模块[防断更微lxknumber1].pdf
-
复盘4-广告系统核心技术模块[防断更微lxknumber1].md
-
复盘4-广告系统核心技术模块[防断更微lxknumber1].pdf
-
复盘5-计算机视觉核心技术模块[防断更微lxknumber1].md
-
复盘5-计算机视觉核心技术模块[防断更微lxknumber1].pdf
-
复盘6-数据科学家与数据科学团队是怎么养成的？[防断更微lxknumber1].md
-
复盘6-数据科学家与数据科学团队是怎么养成的？[防断更微lxknumber1].pdf
-
复盘7-一起来读人工智能国际顶级会议论文[防断更微lxknumber1].md
-
复盘7-一起来读人工智能国际顶级会议论文[防断更微lxknumber1].pdf
-
结束语-雄关漫道真如铁，而今迈步从头越[防断更微lxknumber1].md
-
结束语-雄关漫道真如铁，而今迈步从头越[防断更微lxknumber1].mp3
-
结束语-雄关漫道真如铁，而今迈步从头越[防断更微lxknumber1].pdf
-
开篇词-你的360度人工智能信息助理[防断更微lxknumber1].md
-
开篇词-你的360度人工智能信息助理[防断更微lxknumber1].mp3
-
开篇词-你的360度人工智能信息助理[防断更微lxknumber1].pdf
-
每天两小时，副业收入过万咨询+V.png
-
内参特刊-和你聊聊每个人都关心的人工智能热点话题[防断更微lxknumber1].md
-
内参特刊-和你聊聊每个人都关心的人工智能热点话题[防断更微lxknumber1].pdf
-
微信lxknumber1，避免失联、断更.png
-