AI技术内参
洪亮劼
Etsy数据科学主管,前雅虎研究院资深科学家
立即订阅
8829 人已学习
课程目录
已完结 166 讲
0/6登录后,你可以任选6讲全文学习。
开篇词 (1讲)
开篇词 | 你的360度人工智能信息助理
免费
人工智能国际顶级会议 (31讲)
001 | 聊聊2017年KDD大会的时间检验奖
002 | 精读2017年KDD最佳研究论文
003 | 精读2017年KDD最佳应用数据科学论文
004 | 精读2017年EMNLP最佳长论文之一
005 | 精读2017年EMNLP最佳长论文之二
006 | 精读2017年EMNLP最佳短论文
007 | 精读2017年ICCV最佳研究论文
008 | 精读2017年ICCV最佳学生论文
009 | 如何将“深度强化学习”应用到视觉问答系统?
010 | 精读2017年NIPS最佳研究论文之一:如何解决非凸优化问题?
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?
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?
013 | WSDM 2018论文精读:看谷歌团队如何做位置偏差估计
014 | 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
015 | WSDM 2018论文精读:深度学习模型中如何使用上下文信息?
016 | The Web 2018论文精读:如何对商品的图片美感进行建模?
017 | The Web 2018论文精读:如何改进经典的推荐算法BPR?
018 | The Web 2018论文精读:如何从文本中提取高元关系?
019 | SIGIR 2018论文精读:偏差和“流行度”之间的关系
020 | 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?
021 | 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?
022 | CVPR 2018论文精读:如何研究计算机视觉任务之间的关系?
023 | CVPR 2018论文精读:如何从整体上对人体进行三维建模?
024 | CVPR 2018论文精读:如何解决排序学习计算复杂度高这个问题?
025 | 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
026 | ICML 2018论文精读:聊一聊机器学习算法的“公平性”问题
027 | ICML 2018论文精读:优化目标函数的时候,有可能放大了“不公平”?
028 | ACL 2018论文精读:问答系统场景下,如何提出好问题?
029 | ACL 2018论文精读:什么是对话中的前提触发?如何检测?
030 | ACL 2018论文精读:什么是“端到端”的语义哈希?
复盘 7 | 一起来读人工智能国际顶级会议论文
搜索核心技术 (28讲)
031 | 经典搜索核心算法:TF-IDF及其变种
032 | 经典搜索核心算法:BM25及其变种(内附全年目录)
033 | 经典搜索核心算法:语言模型及其变种
034 | 机器学习排序算法:单点法排序学习
035 | 机器学习排序算法:配对法排序学习
036 | 机器学习排序算法:列表法排序学习
037 | “查询关键字理解”三部曲之分类
038 | “查询关键字理解”三部曲之解析
039 | “查询关键字理解”三部曲之扩展
040 | 搜索系统评测,有哪些基础指标?
041 | 搜索系统评测,有哪些高级指标?
042 | 如何评测搜索系统的在线表现?
043 | 文档理解第一步:文档分类
044 | 文档理解的关键步骤:文档聚类
045 | 文档理解的重要特例:多模文档建模
046 | 大型搜索框架宏观视角:发展、特点及趋势
047 | 多轮打分系统概述
048 | 搜索索引及其相关技术概述
049 | PageRank算法的核心思想是什么?
050 | 经典图算法之HITS
051 | 社区检测算法之“模块最大化 ”
052 | 机器学习排序算法经典模型:RankSVM
053 | 机器学习排序算法经典模型:GBDT
054 | 机器学习排序算法经典模型:LambdaMART
055 | 基于深度学习的搜索算法:深度结构化语义模型
056 | 基于深度学习的搜索算法:卷积结构下的隐含语义模型
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
复盘 1 | 搜索核心技术模块
推荐系统核心技术 (22讲)
058 | 简单推荐模型之一:基于流行度的推荐模型
059 | 简单推荐模型之二:基于相似信息的推荐模型
060 | 简单推荐模型之三:基于内容信息的推荐模型
061 | 基于隐变量的模型之一:矩阵分解
062 | 基于隐变量的模型之二:基于回归的矩阵分解
063 | 基于隐变量的模型之三:分解机
064 | 高级推荐模型之一:张量分解模型
065 | 高级推荐模型之二:协同矩阵分解
066 | 高级推荐模型之三:优化复杂目标函数
067 | 推荐的Exploit和Explore算法之一:EE算法综述
068 | 推荐的Exploit和Explore算法之二:UCB算法
069 | 推荐的Exploit和Explore算法之三:汤普森采样算法
070 | 推荐系统评测之一:传统线下评测
071 | 推荐系统评测之二:线上评测
072 | 推荐系统评测之三:无偏差估计
073 | 现代推荐架构剖析之一:基于线下离线计算的推荐架构
074 | 现代推荐架构剖析之二:基于多层搜索架构的推荐系统
075 | 现代推荐架构剖析之三:复杂现代推荐架构漫谈
076 | 基于深度学习的推荐模型之一:受限波兹曼机
077 | 基于深度学习的推荐模型之二:基于RNN的推荐系统
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
复盘 2 | 推荐系统核心技术模块
广告系统核心技术 (18讲)
079 | 广告系统概述
080 | 广告系统架构
081 | 广告回馈预估综述
082 | Google的点击率系统模型
083 | Facebook的广告点击率预估模型
084 | 雅虎的广告点击率预估模型
085 | LinkedIn的广告点击率预估模型
086 | Twitter的广告点击率预估模型
087 | 阿里巴巴的广告点击率预估模型
088 | 什么是“基于第二价位的广告竞拍”?
089 | 广告的竞价策略是怎样的?
090 | 如何优化广告的竞价策略?
091 | 如何控制广告预算?
092 | 如何设置广告竞价的底价?
093 | 聊一聊“程序化直接购买”和“广告期货”
094 | 归因模型:如何来衡量广告的有效性
095 | 广告投放如何选择受众?如何扩展受众群?
096 | 如何利用机器学习技术来检测广告欺诈?
自然语言处理及文本处理核心技术 (0讲)
该章节暂未更新内容,敬请期待
计算机视觉核心技术 (0讲)
该章节暂未更新内容,敬请期待
数据科学家与数据科学团队养成 (0讲)
该章节暂未更新内容,敬请期待
热点话题讨论 (0讲)
该章节暂未更新内容,敬请期待
结束语 (0讲)
该章节暂未更新内容,敬请期待
AI技术内参
登录|注册

结束语 | 雄关漫道真如铁,而今迈步从头越

洪亮劼 2018-10-12
去年,“极客时间”联系到我,询问是否愿意开一个人工智能主题的专栏,因为我对知识经济充满好奇,对知识分享更是有极大的热情,所以我几乎是不加思考就答应了下来,对于接下来一年会遇到的挑战和收获丝毫没有准备。
一年过去了,我们的专栏到了说再见的时候。现在我的感受是,我和你一起完成了一个不可能完成的任务。今天就和你聊聊一路走来我遇到的那些挑战和收获。
我的第一个挑战就是在浩如烟海的人工智能知识库中,究竟要为你准备什么样的内容才能照顾到不同人群的需求。人工智能技术涵盖面广,变化更新很快,涉及到大量的工程实践以及纯粹的理论工作,如何取舍呢?
最后呈现给你的 156 期内容,涵盖推荐、搜索、广告、自然语言处理和计算机视觉这五个人工智能核心技术模块,带你了解最关键的概念、模型和技术;最新的顶级学术会议论文导读,帮助你跟踪最新的技术动态;以及数据科学家成长和数据科学团队建设的经验之谈,帮助初学者快速入门。
一切取舍之间的纠结都是为了打造一整套丰富的内容,给初学者一个理想的入门手册,带你跨进人工智能的大门,看清这里面都有什么,在心里画出一张人工智能的地图;同时还能给你一个进阶指南,让你能够找到继续精进的方向。
对于顶级学术会议中精彩论文的分享,我花费了很多精力。现在很多会议动辄发表一两百篇甚至几百篇新论文,我每次都要扎进去选取我认为最优质的内容你给解读。我之所以觉得这个部分很重要,是因为在一个发展如此快速的领域,我们不能只埋头学技术、做工程实现,还得关注最新发展、最新思路,这样我们的学习才能事半功倍。
取消
完成
0/1000字
划线
笔记
复制
© 版权归极客邦科技所有,未经许可不得传播售卖。 页面已增加防盗追踪,如有侵权极客邦将依法追究其法律责任。
该试读文章来自付费专栏《AI技术内参》,如需阅读全部文章,
请订阅文章所属专栏。
立即订阅
登录 后留言

精选留言(17)

  • David
    hi 洪老师,您的课程是学习AI很好的灯塔。想问一下,现在AI技术发展很快,学习赶不上变化,特别的AutoML,Auto feature,等自动化工具的出现,会不会在某些技能,知识被弱化,而另一些能力需要强化?总的趋势上看,AI越来越平民化,那AI 和算法工程师的价值会不会变的越来越低呢?谢谢
    2018-11-04
    4
  • Robert
    謝謝老師對於AI知識啟蒙的培育付出, 生也有涯, 而知也無涯. 老師的引領到了一個階段, 接下來就是我們修行的時間了. 希望花開之時, 有機會與老師再聚首切磋
    2018-10-13
    3
  • yy
    老师辛苦,还想继续听!
    2018-11-02
    2
  • Xiangjun
    确实不错的专栏,有积累,有深度
    2018-12-04
    1
  • 韩 * *
    谢谢老师!
    2019-08-15
  • Junjian
    感谢老师辛苦付出!
    2018-12-23
  • yy
    老师辛苦,还想继续听
    2018-11-02
  • lpear
    感谢老师辛苦的付出
    2018-10-29
  • 永夜
    感谢老师,虽然我还没看完,看了快一百章,感谢您的分享和教学。
    2018-10-27
  • 帅帅
    极客时间的音频我最开始听了听,怎么都听不下去,隔靴搔痒;
    后来就只看文字了,反复的看能理解很透彻;

    我是看了推荐系统过来的,推荐系统的老师推荐了这个专栏,我看了目录就毫不犹豫下单了;期待能有大大的收获;
    2018-10-20
  • 夏洛克的救赎
    学习指南 工作指南 谢谢老师!
    2018-10-18
  • 极客星星
    非常感谢洪老师 您的专栏是我在极客时间订阅的专栏中收获最大的 希望还能继续看到后续的作品 谢谢
    2018-10-13
  • 唐建
    非常感谢洪老师,内容很详实。
    2018-10-12
  • 我千玺
    感谢洪老师的付出,老师辛苦了
    2018-10-12
  • 笨笨
    感谢老师的分享,虽有许多未能及时消化,但对AI的好奇与敬畏持续,再次感谢,期待再聚首。
    2018-10-12
  • 感谢老师的辛苦付出!
    2018-10-12
  • 寻找自我
    感谢洪老师的辛勤付出,学到很多东西。
    2018-10-12
收起评论
17
返回
顶部