当前目录
全盘
查全部
文件夹
文件
主页
/
套餐22:D到F登H沌大学等热门平台
/
13 极客时间
/
01-专栏课
/
01-50
/
37-AI技术内参
/
08-人工智能国际顶级会议 (31讲)
/
002丨聊聊2017年KDD大会的时间检验奖.html
002丨聊聊2017年KDD大会的时间检验奖.mp3
002丨聊聊2017年KDD大会的时间检验奖.pdf
012丨精读2017年KDD最佳研究论文.html
012丨精读2017年KDD最佳研究论文.mp3
012丨精读2017年KDD最佳研究论文.pdf
013丨精读2017年KDD最佳应用数据科学论文.html
013丨精读2017年KDD最佳应用数据科学论文.mp3
013丨精读2017年KDD最佳应用数据科学论文.pdf
015丨精读2017年EMNLP最佳长论文之一.html
015丨精读2017年EMNLP最佳长论文之一.mp3
015丨精读2017年EMNLP最佳长论文之一.pdf
016丨精读2017年EMNLP最佳长论文之二.html
016丨精读2017年EMNLP最佳长论文之二.mp3
016丨精读2017年EMNLP最佳长论文之二.pdf
017丨精读2017年EMNLP最佳短论文.html
017丨精读2017年EMNLP最佳短论文.mp3
017丨精读2017年EMNLP最佳短论文.pdf
048丨精读2017年ICCV最佳研究论文.html
048丨精读2017年ICCV最佳研究论文.mp3
048丨精读2017年ICCV最佳研究论文.pdf
049丨精读2017年ICCV最佳学生论文.html
049丨精读2017年ICCV最佳学生论文.mp3
049丨精读2017年ICCV最佳学生论文.pdf
050丨如何将“深度强化学习”应用到视觉问答系统?.html
050丨如何将“深度强化学习”应用到视觉问答系统?.mp3
050丨如何将“深度强化学习”应用到视觉问答系统?.pdf
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
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
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
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
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
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
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
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
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
060丨WSDM 2018论文精读:看谷歌团队如何做位置偏差估计.html
060丨WSDM 2018论文精读:看谷歌团队如何做位置偏差估计.mp3
060丨WSDM 2018论文精读:看谷歌团队如何做位置偏差估计.pdf
061丨WSDM 2018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
061丨WSDM 2018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
061丨WSDM 2018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丨WSDM 2018论文精读:深度学习模型中如何使用上下文信息?.html
062丨WSDM 2018论文精读:深度学习模型中如何使用上下文信息?.mp3
062丨WSDM 2018论文精读:深度学习模型中如何使用上下文信息?.pdf
101丨The Web 2018论文精读:如何对商品的图片美感进行建模?.html
101丨The Web 2018论文精读:如何对商品的图片美感进行建模?.mp3
101丨The Web 2018论文精读:如何对商品的图片美感进行建模?.pdf
102丨The Web 2018论文精读:如何改进经典的推荐算法BPR?.html
102丨The Web 2018论文精读:如何改进经典的推荐算法BPR?.mp3
102丨The Web 2018论文精读:如何改进经典的推荐算法BPR?.pdf
103丨The Web 2018论文精读:如何从文本中提取高元关系?.html
103丨The Web 2018论文精读:如何从文本中提取高元关系?.mp3
103丨The Web 2018论文精读:如何从文本中提取高元关系?.pdf
125丨SIGIR 2018论文精读:偏差和“流行度”之间的关系.html
125丨SIGIR 2018论文精读:偏差和“流行度”之间的关系.mp3
125丨SIGIR 2018论文精读:偏差和“流行度”之间的关系.pdf
126丨SIGIR 2018论文精读:如何利用对抗学习来增强排序模型的普适性?.html
126丨SIGIR 2018论文精读:如何利用对抗学习来增强排序模型的普适性?.mp3
126丨SIGIR 2018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丨SIGIR 2018论文精读:如何对搜索页面上的点击行为进行序列建模?.html
127丨SIGIR 2018论文精读:如何对搜索页面上的点击行为进行序列建模?.mp3
127丨SIGIR 2018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丨CVPR 2018论文精读:如何研究计算机视觉任务之间的关系?.html
128丨CVPR 2018论文精读:如何研究计算机视觉任务之间的关系?.mp3
128丨CVPR 2018论文精读:如何研究计算机视觉任务之间的关系?.pdf
129丨CVPR 2018论文精读:如何从整体上对人体进行三维建模?.html
129丨CVPR 2018论文精读:如何从整体上对人体进行三维建模?.mp3
129丨CVPR 2018论文精读:如何从整体上对人体进行三维建模?.pdf
130丨CVPR 2018论文精读:如何解决排序学习计算复杂度高这个问题?.html
130丨CVPR 2018论文精读:如何解决排序学习计算复杂度高这个问题?.mp3
130丨CVPR 2018论文精读:如何解决排序学习计算复杂度高这个问题?.pdf
131丨ICML 2018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
131丨ICML 2018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
131丨ICML 2018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丨ICML 2018论文精读:聊一聊机器学习算法的“公平性”问题.html
132丨ICML 2018论文精读:聊一聊机器学习算法的“公平性”问题.mp3
132丨ICML 2018论文精读:聊一聊机器学习算法的“公平性”问题.pdf
133丨ICML 2018论文精读:优化目标函数的时候,有可能放大了“不公平”?.html
133丨ICML 2018论文精读:优化目标函数的时候,有可能放大了“不公平”?.mp3
133丨ICML 2018论文精读:优化目标函数的时候,有可能放大了“不公平”?.pdf
134丨ACL 2018论文精读:问答系统场景下,如何提出好问题?.html
134丨ACL 2018论文精读:问答系统场景下,如何提出好问题?.mp3
134丨ACL 2018论文精读:问答系统场景下,如何提出好问题?.pdf
135丨ACL 2018论文精读:什么是对话中的前提触发?如何检测?.html
135丨ACL 2018论文精读:什么是对话中的前提触发?如何检测?.mp3
135丨ACL 2018论文精读:什么是对话中的前提触发?如何检测?.pdf
136丨ACL 2018论文精读:什么是“端到端”的语义哈希?.html
136丨ACL 2018论文精读:什么是“端到端”的语义哈希?.mp3
136丨ACL 2018论文精读:什么是“端到端”的语义哈希?.pdf
复盘 7丨一起来读人工智能国际顶级会议论文.html
复盘 7丨一起来读人工智能国际顶级会议论文.pdf
Copyright © All rights reserved.
信息加载中,请等待...