详细目录：
01-开篇词 (1讲) [20.14M]
000丨开篇词丨你的360度人工智能信息助理.html [4.78M]
000丨开篇词丨你的360度人工智能信息助理.mp3 [2.33M]
000丨开篇词丨你的360度人工智能信息助理.pdf [13.03M]
02-搜索核心技术 (28讲) [186.74M]
018丨经典搜索核心算法：tf-idf及其变种.html [1.16M]
018丨经典搜索核心算法：tf-idf及其变种.mp3 [5.31M]
018丨经典搜索核心算法：tf-idf及其变种.pdf [1.68M]
019丨经典搜索核心算法：bm25及其变种（内附全年目录）.html [3.45M]
019丨经典搜索核心算法：bm25及其变种（内附全年目录）.mp3 [4.48M]
019丨经典搜索核心算法：bm25及其变种（内附全年目录）.pdf [11.11M]
020丨经典搜索核心算法：语言模型及其变种.html [1.29M]
020丨经典搜索核心算法：语言模型及其变种.mp3 [4.66M]
020丨经典搜索核心算法：语言模型及其变种.pdf [1.73M]
021丨机器学习排序算法：单点法排序学习.html [1.22M]
021丨机器学习排序算法：单点法排序学习.mp3 [4.40M]
021丨机器学习排序算法：单点法排序学习.pdf [1.30M]
022丨机器学习排序算法：配对法排序学习.html [1.03M]
022丨机器学习排序算法：配对法排序学习.mp3 [3.97M]
022丨机器学习排序算法：配对法排序学习.pdf [1.14M]
023丨机器学习排序算法：列表法排序学习.html [1.00M]
023丨机器学习排序算法：列表法排序学习.mp3 [3.78M]
023丨机器学习排序算法：列表法排序学习.pdf [1.47M]
024丨“查询关键字理解”三部曲之分类.html [1.07M]
024丨“查询关键字理解”三部曲之分类.mp3 [4.20M]
024丨“查询关键字理解”三部曲之分类.pdf [1.55M]
025丨“查询关键字理解”三部曲之解析.html [1.11M]
025丨“查询关键字理解”三部曲之解析.mp3 [3.65M]
025丨“查询关键字理解”三部曲之解析.pdf [1.24M]
026丨“查询关键字理解”三部曲之扩展.html [1.07M]
026丨“查询关键字理解”三部曲之扩展.mp3 [3.45M]
026丨“查询关键字理解”三部曲之扩展.pdf [1.16M]
027丨搜索系统评测，有哪些基础指标？.html [1.06M]
027丨搜索系统评测，有哪些基础指标？.mp3 [4.14M]
027丨搜索系统评测，有哪些基础指标？.pdf [1.18M]
028丨搜索系统评测，有哪些高级指标？.html [1.11M]
028丨搜索系统评测，有哪些高级指标？.mp3 [3.35M]
028丨搜索系统评测，有哪些高级指标？.pdf [1.18M]
029丨如何评测搜索系统的在线表现？.html [829.08K]
029丨如何评测搜索系统的在线表现？.mp3 [3.76M]
029丨如何评测搜索系统的在线表现？.pdf [1.34M]
030丨文档理解第一步：文档分类.html [1.50M]
030丨文档理解第一步：文档分类.mp3 [3.92M]
030丨文档理解第一步：文档分类.pdf [1.85M]
031丨文档理解的关键步骤：文档聚类.html [1.10M]
031丨文档理解的关键步骤：文档聚类.mp3 [3.41M]
031丨文档理解的关键步骤：文档聚类.pdf [1.55M]
032丨文档理解的重要特例：多模文档建模.html [1.10M]
032丨文档理解的重要特例：多模文档建模.mp3 [3.66M]
032丨文档理解的重要特例：多模文档建模.pdf [1.18M]
033丨大型搜索框架宏观视角：发展、特点及趋势.html [1.09M]
033丨大型搜索框架宏观视角：发展、特点及趋势.mp3 [3.90M]
033丨大型搜索框架宏观视角：发展、特点及趋势.pdf [1.19M]
034丨多轮打分系统概述.html [0.98M]
034丨多轮打分系统概述.mp3 [3.55M]
034丨多轮打分系统概述.pdf [1.11M]
035丨搜索索引及其相关技术概述.html [936.28K]
035丨搜索索引及其相关技术概述.mp3 [3.64M]
035丨搜索索引及其相关技术概述.pdf [1.40M]
036丨pagerank算法的核心思想是什么？.html [978.22K]
036丨pagerank算法的核心思想是什么？.mp3 [3.69M]
036丨pagerank算法的核心思想是什么？.pdf [1.15M]
037丨经典图算法之hits.html [1.03M]
037丨经典图算法之hits.mp3 [3.45M]
037丨经典图算法之hits.pdf [1.49M]
038丨社区检测算法之“模块最大化 ”.html [944.44K]
038丨社区检测算法之“模块最大化 ”.mp3 [3.12M]
038丨社区检测算法之“模块最大化 ”.pdf [1.04M]
039丨机器学习排序算法经典模型：ranksvm.html [0.99M]
039丨机器学习排序算法经典模型：ranksvm.mp3 [3.64M]
039丨机器学习排序算法经典模型：ranksvm.pdf [1.43M]
040丨机器学习排序算法经典模型：gbdt.html [1.22M]
040丨机器学习排序算法经典模型：gbdt.mp3 [3.19M]
040丨机器学习排序算法经典模型：gbdt.pdf [1.34M]
041丨机器学习排序算法经典模型：lambdamart.html [919.83K]
041丨机器学习排序算法经典模型：lambdamart.mp3 [3.53M]
041丨机器学习排序算法经典模型：lambdamart.pdf [1.48M]
042丨基于深度学习的搜索算法：深度结构化语义模型.html [1.14M]
042丨基于深度学习的搜索算法：深度结构化语义模型.mp3 [3.74M]
042丨基于深度学习的搜索算法：深度结构化语义模型.pdf [1.42M]
043丨基于深度学习的搜索算法：卷积结构下的隐含语义模型.html [1.05M]
043丨基于深度学习的搜索算法：卷积结构下的隐含语义模型.mp3 [3.09M]
043丨基于深度学习的搜索算法：卷积结构下的隐含语义模型.pdf [1.50M]
044丨基于深度学习的搜索算法：局部和分布表征下的搜索模型.html [1.10M]
044丨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 [3.56M]
044丨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 [1.37M]
复盘 1丨搜索核心技术模块.html [2.91M]
复盘 1丨搜索核心技术模块.pdf [3.63M]
03-推荐系统核心技术 (22讲) [120.34M]
063丨简单推荐模型之一：基于流行度的推荐模型.html [1.26M]
063丨简单推荐模型之一：基于流行度的推荐模型.mp3 [4.06M]
063丨简单推荐模型之一：基于流行度的推荐模型.pdf [1.31M]
064丨简单推荐模型之二：基于相似信息的推荐模型.html [930.99K]
064丨简单推荐模型之二：基于相似信息的推荐模型.mp3 [3.77M]
064丨简单推荐模型之二：基于相似信息的推荐模型.pdf [1.02M]
065丨简单推荐模型之三：基于内容信息的推荐模型.html [0.99M]
065丨简单推荐模型之三：基于内容信息的推荐模型.mp3 [3.48M]
065丨简单推荐模型之三：基于内容信息的推荐模型.pdf [1.10M]
066丨基于隐变量的模型之一：矩阵分解.html [1.02M]
066丨基于隐变量的模型之一：矩阵分解.mp3 [3.27M]
066丨基于隐变量的模型之一：矩阵分解.pdf [1.42M]
067丨基于隐变量的模型之二：基于回归的矩阵分解.html [1.07M]
067丨基于隐变量的模型之二：基于回归的矩阵分解.mp3 [3.35M]
067丨基于隐变量的模型之二：基于回归的矩阵分解.pdf [1.57M]
068丨基于隐变量的模型之三：分解机.html [1.17M]
068丨基于隐变量的模型之三：分解机.mp3 [2.35M]
068丨基于隐变量的模型之三：分解机.pdf [1.18M]
069丨高级推荐模型之一：张量分解模型.html [1.07M]
069丨高级推荐模型之一：张量分解模型.mp3 [3.33M]
069丨高级推荐模型之一：张量分解模型.pdf [1.13M]
070丨高级推荐模型之二：协同矩阵分解.html [902.15K]
070丨高级推荐模型之二：协同矩阵分解.mp3 [3.19M]
070丨高级推荐模型之二：协同矩阵分解.pdf [1.33M]
071丨高级推荐模型之三：优化复杂目标函数.html [1.01M]
071丨高级推荐模型之三：优化复杂目标函数.mp3 [2.84M]
071丨高级推荐模型之三：优化复杂目标函数.pdf [1.45M]
072丨推荐的exploit和explore算法之一：ee算法综述.html [994.09K]
072丨推荐的exploit和explore算法之一：ee算法综述.mp3 [3.65M]
072丨推荐的exploit和explore算法之一：ee算法综述.pdf [1.16M]
073丨推荐的exploit和explore算法之二：ucb算法.html [969.54K]
073丨推荐的exploit和explore算法之二：ucb算法.mp3 [3.13M]
073丨推荐的exploit和explore算法之二：ucb算法.pdf [1.06M]
074丨推荐的exploit和explore算法之三：汤普森采样算法.html [928.67K]
074丨推荐的exploit和explore算法之三：汤普森采样算法.mp3 [2.97M]
074丨推荐的exploit和explore算法之三：汤普森采样算法.pdf [1.00M]
075丨推荐系统评测之一：传统线下评测.html [993.84K]
075丨推荐系统评测之一：传统线下评测.mp3 [3.03M]
075丨推荐系统评测之一：传统线下评测.pdf [1.37M]
076丨推荐系统评测之二：线上评测.html [1.16M]
076丨推荐系统评测之二：线上评测.mp3 [3.04M]
076丨推荐系统评测之二：线上评测.pdf [1.20M]
077丨推荐系统评测之三：无偏差估计.html [1.03M]
077丨推荐系统评测之三：无偏差估计.mp3 [2.90M]
077丨推荐系统评测之三：无偏差估计.pdf [1.07M]
078丨现代推荐架构剖析之一：基于线下离线计算的推荐架构.html [1.05M]
078丨现代推荐架构剖析之一：基于线下离线计算的推荐架构.mp3 [3.32M]
078丨现代推荐架构剖析之一：基于线下离线计算的推荐架构.pdf [1.53M]
079丨现代推荐架构剖析之二：基于多层搜索架构的推荐系统.html [1.09M]
079丨现代推荐架构剖析之二：基于多层搜索架构的推荐系统.mp3 [3.01M]
079丨现代推荐架构剖析之二：基于多层搜索架构的推荐系统.pdf [1.17M]
080丨现代推荐架构剖析之三：复杂现代推荐架构漫谈.html [1.14M]
080丨现代推荐架构剖析之三：复杂现代推荐架构漫谈.mp3 [2.62M]
080丨现代推荐架构剖析之三：复杂现代推荐架构漫谈.pdf [1.20M]
081丨基于深度学习的推荐模型之一：受限波兹曼机.html [925.96K]
081丨基于深度学习的推荐模型之一：受限波兹曼机.mp3 [3.39M]
081丨基于深度学习的推荐模型之一：受限波兹曼机.pdf [1.38M]
082丨基于深度学习的推荐模型之二：基于rnn的推荐系统.html [892.22K]
082丨基于深度学习的推荐模型之二：基于rnn的推荐系统.mp3 [3.23M]
082丨基于深度学习的推荐模型之二：基于rnn的推荐系统.pdf [1.34M]
083丨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.html [990.86K]
083丨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 [3.05M]
083丨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 [1.07M]
复盘 2丨推荐系统核心技术模块.html [2.70M]
复盘 2丨推荐系统核心技术模块.pdf [3.22M]
04-自然语言处理及文本处理核心技术 (19讲) [100.71M]
007丨lda模型的前世今生.html [1.19M]
007丨lda模型的前世今生.mp3 [5.26M]
007丨lda模型的前世今生.pdf [1.29M]
084丨lda变种模型知多少.html [1.14M]
084丨lda变种模型知多少.mp3 [3.59M]
084丨lda变种模型知多少.pdf [1.22M]
085丨针对大规模数据，如何优化lda算法？.html [915.44K]
085丨针对大规模数据，如何优化lda算法？.mp3 [3.50M]
085丨针对大规模数据，如何优化lda算法？.pdf [1.01M]
086丨基础文本分析模型之一：隐语义分析.html [1.33M]
086丨基础文本分析模型之一：隐语义分析.mp3 [2.68M]
086丨基础文本分析模型之一：隐语义分析.pdf [1.36M]
087丨基础文本分析模型之二：概率隐语义分析.html [931.07K]
087丨基础文本分析模型之二：概率隐语义分析.mp3 [2.12M]
087丨基础文本分析模型之二：概率隐语义分析.pdf [1.32M]
088丨基础文本分析模型之三：em算法.html [1.25M]
088丨基础文本分析模型之三：em算法.mp3 [3.08M]
088丨基础文本分析模型之三：em算法.pdf [1.28M]
089丨为什么需要word2vec算法？.html [946.65K]
089丨为什么需要word2vec算法？.mp3 [2.79M]
089丨为什么需要word2vec算法？.pdf [1.03M]
090丨word2vec算法有哪些扩展模型？.html [0.98M]
090丨word2vec算法有哪些扩展模型？.mp3 [2.92M]
090丨word2vec算法有哪些扩展模型？.pdf [1.45M]
091丨word2vec算法有哪些应用？.html [916.80K]
091丨word2vec算法有哪些应用？.mp3 [2.60M]
091丨word2vec算法有哪些应用？.pdf [1.35M]
092丨序列建模的深度学习利器：rnn基础架构.html [875.84K]
092丨序列建模的深度学习利器：rnn基础架构.mp3 [3.21M]
092丨序列建模的深度学习利器：rnn基础架构.pdf [1.31M]
093丨基于门机制的rnn架构：lstm与gru.html [1.08M]
093丨基于门机制的rnn架构：lstm与gru.mp3 [3.35M]
093丨基于门机制的rnn架构：lstm与gru.pdf [1.14M]
094丨rnn在自然语言处理中有哪些应用场景？.html [887.55K]
094丨rnn在自然语言处理中有哪些应用场景？.mp3 [3.04M]
094丨rnn在自然语言处理中有哪些应用场景？.pdf [0.99M]
095丨对话系统之经典的对话模型.html [926.53K]
095丨对话系统之经典的对话模型.mp3 [3.39M]
095丨对话系统之经典的对话模型.pdf [1.42M]
096丨任务型对话系统有哪些技术要点？.html [948.08K]
096丨任务型对话系统有哪些技术要点？.mp3 [2.85M]
096丨任务型对话系统有哪些技术要点？.pdf [1.02M]
097丨聊天机器人有哪些核心技术要点？.html [975.41K]
097丨聊天机器人有哪些核心技术要点？.mp3 [2.58M]
097丨聊天机器人有哪些核心技术要点？.pdf [1.05M]
098丨什么是文档情感分类？.html [1.00M]
098丨什么是文档情感分类？.mp3 [2.91M]
098丨什么是文档情感分类？.pdf [1.08M]
099丨如何来提取情感“实体”和“方面”呢？.html [1.00M]
099丨如何来提取情感“实体”和“方面”呢？.mp3 [2.72M]
099丨如何来提取情感“实体”和“方面”呢？.pdf [1.08M]
100丨文本情感分析中如何做意见总结和搜索？.html [947.06K]
100丨文本情感分析中如何做意见总结和搜索？.mp3 [2.99M]
100丨文本情感分析中如何做意见总结和搜索？.pdf [1.05M]
复盘 3丨自然语言处理及文本处理核心技术模块.html [2.63M]
复盘 3丨自然语言处理及文本处理核心技术模块.pdf [3.02M]
05-广告系统核心技术 (19讲) [103.29M]
006丨google的点击率系统模型.html [1.30M]
006丨google的点击率系统模型.mp3 [4.65M]
006丨google的点击率系统模型.pdf [1.39M]
105丨广告系统概述.html [1.44M]
105丨广告系统概述.mp3 [3.72M]
105丨广告系统概述.pdf [1.87M]
106丨广告系统架构.html [971.67K]
106丨广告系统架构.mp3 [2.76M]
106丨广告系统架构.pdf [1.04M]
107丨广告回馈预估综述.html [905.50K]
107丨广告回馈预估综述.mp3 [3.07M]
107丨广告回馈预估综述.pdf [1.01M]
108丨facebook的广告点击率预估模型.html [1.21M]
108丨facebook的广告点击率预估模型.mp3 [3.02M]
108丨facebook的广告点击率预估模型.pdf [1.24M]
109丨雅虎的广告点击率预估模型.html [1.03M]
109丨雅虎的广告点击率预估模型.mp3 [2.72M]
109丨雅虎的广告点击率预估模型.pdf [1.47M]
110丨linkedin的广告点击率预估模型.html [1.13M]
110丨linkedin的广告点击率预估模型.mp3 [2.45M]
110丨linkedin的广告点击率预估模型.pdf [1.19M]
111丨twitter的广告点击率预估模型.html [1.06M]
111丨twitter的广告点击率预估模型.mp3 [3.25M]
111丨twitter的广告点击率预估模型.pdf [1.13M]
112丨阿里巴巴的广告点击率预估模型.html [977.66K]
112丨阿里巴巴的广告点击率预估模型.mp3 [3.28M]
112丨阿里巴巴的广告点击率预估模型.pdf [1.42M]
113丨什么是“基于第二价位的广告竞拍”？.html [1.10M]
113丨什么是“基于第二价位的广告竞拍”？.mp3 [3.08M]
113丨什么是“基于第二价位的广告竞拍”？.pdf [1.50M]
114丨广告的竞价策略是怎样的？.html [863.65K]
114丨广告的竞价策略是怎样的？.mp3 [3.22M]
114丨广告的竞价策略是怎样的？.pdf [1.01M]
115丨如何优化广告的竞价策略？.html [878.19K]
115丨如何优化广告的竞价策略？.mp3 [2.89M]
115丨如何优化广告的竞价策略？.pdf [1.32M]
116丨如何控制广告预算？.html [1.02M]
116丨如何控制广告预算？.mp3 [2.39M]
116丨如何控制广告预算？.pdf [1.09M]
117丨如何设置广告竞价的底价？.html [0.99M]
117丨如何设置广告竞价的底价？.mp3 [3.01M]
117丨如何设置广告竞价的底价？.pdf [1.47M]
118丨聊一聊“程序化直接购买”和“广告期货”.html [1.11M]
118丨聊一聊“程序化直接购买”和“广告期货”.mp3 [2.79M]
118丨聊一聊“程序化直接购买”和“广告期货”.pdf [1.52M]
119丨归因模型：如何来衡量广告的有效性.html [0.99M]
119丨归因模型：如何来衡量广告的有效性.mp3 [3.07M]
119丨归因模型：如何来衡量广告的有效性.pdf [1.46M]
120丨广告投放如何选择受众？如何扩展受众群？.html [908.90K]
120丨广告投放如何选择受众？如何扩展受众群？.mp3 [2.95M]
120丨广告投放如何选择受众？如何扩展受众群？.pdf [1.36M]
121丨如何利用机器学习技术来检测广告欺诈？.html [959.79K]
121丨如何利用机器学习技术来检测广告欺诈？.mp3 [2.93M]
121丨如何利用机器学习技术来检测广告欺诈？.pdf [1.05M]
复盘 4丨广告系统核心技术模块.html [2.92M]
复盘 4丨广告系统核心技术模块.pdf [2.91M]
06-计算机视觉核心技术 (13讲) [68.74M]
140丨什么是计算机视觉？.html [916.53K]
140丨什么是计算机视觉？.mp3 [3.42M]
140丨什么是计算机视觉？.pdf [1.39M]
141丨掌握计算机视觉任务的基础模型和操作.html [987.50K]
141丨掌握计算机视觉任务的基础模型和操作.mp3 [2.86M]
141丨掌握计算机视觉任务的基础模型和操作.pdf [1.08M]
142丨计算机视觉中的特征提取难在哪里？.html [989.87K]
142丨计算机视觉中的特征提取难在哪里？.mp3 [2.84M]
142丨计算机视觉中的特征提取难在哪里？.pdf [1.07M]
143丨基于深度学习的计算机视觉技术（一）：深度神经网络入门.html [1.29M]
143丨基于深度学习的计算机视觉技术（一）：深度神经网络入门.mp3 [3.28M]
143丨基于深度学习的计算机视觉技术（一）：深度神经网络入门.pdf [1.67M]
144丨基于深度学习的计算机视觉技术（二）：基本的深度学习模型.html [866.11K]
144丨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 [3.58M]
144丨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 [1.33M]
145丨基于深度学习的计算机视觉技术（三）：深度学习模型的优化.html [987.85K]
145丨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 [3.47M]
145丨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 [1.46M]
146丨计算机视觉领域的深度学习模型（一）：alexnet.html [910.26K]
146丨计算机视觉领域的深度学习模型（一）：alexnet.mp3 [3.12M]
146丨计算机视觉领域的深度学习模型（一）：alexnet.pdf [1.38M]
147丨计算机视觉领域的深度学习模型（二）：vgg & googlenet.html [1.33M]
147丨计算机视觉领域的深度学习模型（二）：vgg & googlenet.mp3 [3.40M]
147丨计算机视觉领域的深度学习模型（二）：vgg & googlenet.pdf [1.71M]
148丨计算机视觉领域的深度学习模型（三）：resnet.html [1.07M]
148丨计算机视觉领域的深度学习模型（三）：resnet.mp3 [2.59M]
148丨计算机视觉领域的深度学习模型（三）：resnet.pdf [1.15M]
149丨计算机视觉高级话题（一）：图像物体识别和分割.html [919.13K]
149丨计算机视觉高级话题（一）：图像物体识别和分割.mp3 [2.70M]
149丨计算机视觉高级话题（一）：图像物体识别和分割.pdf [1.00M]
150丨计算机视觉高级话题（二）：视觉问答.html [841.56K]
150丨计算机视觉高级话题（二）：视觉问答.mp3 [2.35M]
150丨计算机视觉高级话题（二）：视觉问答.pdf [986.07K]
151丨计算机视觉高级话题（三）：产生式模型.html [949.49K]
151丨计算机视觉高级话题（三）：产生式模型.mp3 [2.81M]
151丨计算机视觉高级话题（三）：产生式模型.pdf [1.38M]
复盘 5丨计算机视觉核心技术模块.html [2.23M]
复盘 5丨计算机视觉核心技术模块.pdf [2.62M]
07-数据科学家与数据科学团队养成 (25讲) [170.33M]
001丨如何组建一个数据科学团队？.html [1.46M]
001丨如何组建一个数据科学团队？.mp3 [5.24M]
001丨如何组建一个数据科学团队？.pdf [1.89M]
003丨数据科学家基础能力之概率统计.html [1.59M]
003丨数据科学家基础能力之概率统计.mp3 [4.75M]
003丨数据科学家基础能力之概率统计.pdf [1.68M]
004丨数据科学家基础能力之机器学习.html [2.36M]
004丨数据科学家基础能力之机器学习.mp3 [5.47M]
004丨数据科学家基础能力之机器学习.pdf [2.20M]
005丨数据科学家基础能力之系统.html [1.56M]
005丨数据科学家基础能力之系统.mp3 [4.52M]
005丨数据科学家基础能力之系统.pdf [1.56M]
008丨曾经辉煌的雅虎研究院.html [1.36M]
008丨曾经辉煌的雅虎研究院.mp3 [4.91M]
008丨曾经辉煌的雅虎研究院.pdf [1.89M]
009丨数据科学家高阶能力之分析产品.html [1.38M]
009丨数据科学家高阶能力之分析产品.mp3 [4.82M]
009丨数据科学家高阶能力之分析产品.pdf [1.85M]
010丨数据科学家高阶能力之评估产品.html [988.45K]
010丨数据科学家高阶能力之评估产品.mp3 [5.29M]
010丨数据科学家高阶能力之评估产品.pdf [1.44M]
011丨数据科学家高阶能力之如何系统提升产品性能.html [1.03M]
011丨数据科学家高阶能力之如何系统提升产品性能.mp3 [4.41M]
011丨数据科学家高阶能力之如何系统提升产品性能.pdf [1.16M]
045丨职场话题：当数据科学家遇见产品团队.html [1.01M]
045丨职场话题：当数据科学家遇见产品团队.mp3 [3.87M]
045丨职场话题：当数据科学家遇见产品团队.pdf [1.51M]
046丨职场话题：数据科学家应聘要具备哪些能力？.html [1.06M]
046丨职场话题：数据科学家应聘要具备哪些能力？.mp3 [4.24M]
046丨职场话题：数据科学家应聘要具备哪些能力？.pdf [1.58M]
047丨职场话题：聊聊数据科学家的职场规划.html [985.48K]
047丨职场话题：聊聊数据科学家的职场规划.mp3 [3.92M]
047丨职场话题：聊聊数据科学家的职场规划.pdf [1.43M]
054丨数据科学团队养成：电话面试指南.html [1.04M]
054丨数据科学团队养成：电话面试指南.mp3 [3.97M]
054丨数据科学团队养成：电话面试指南.pdf [1.15M]
055丨数据科学团队养成：onsite面试面面观.html [0.99M]
055丨数据科学团队养成：onsite面试面面观.mp3 [3.54M]
055丨数据科学团队养成：onsite面试面面观.pdf [1.50M]
056丨成为“香饽饽”的数据科学家，如何衡量他们的工作呢？.html [1.03M]
056丨成为“香饽饽”的数据科学家，如何衡量他们的工作呢？.mp3 [3.72M]
056丨成为“香饽饽”的数据科学家，如何衡量他们的工作呢？.pdf [1.16M]
057丨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？.html [1.05M]
057丨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 [3.87M]
057丨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 [1.54M]
058丨数据科学家团队组织架构：水平还是垂直，这是个问题.html [1.34M]
058丨数据科学家团队组织架构：水平还是垂直，这是个问题.mp3 [3.67M]
058丨数据科学家团队组织架构：水平还是垂直，这是个问题.pdf [1.74M]
122丨数据科学家必备套路之一：搜索套路.html [1.00M]
122丨数据科学家必备套路之一：搜索套路.mp3 [4.27M]
122丨数据科学家必备套路之一：搜索套路.pdf [1.13M]
123丨数据科学家必备套路之二：推荐套路.html [967.76K]
123丨数据科学家必备套路之二：推荐套路.mp3 [3.61M]
123丨数据科学家必备套路之二：推荐套路.pdf [1.40M]
124丨数据科学家必备套路之三：广告套路.html [987.47K]
124丨数据科学家必备套路之三：广告套路.mp3 [3.17M]
124丨数据科学家必备套路之三：广告套路.pdf [1.41M]
137丨如何做好人工智能项目的管理？.html [892.96K]
137丨如何做好人工智能项目的管理？.mp3 [3.43M]
137丨如何做好人工智能项目的管理？.pdf [1.02M]
138丨数据科学团队必备的工程流程三部曲.html [0.98M]
138丨数据科学团队必备的工程流程三部曲.mp3 [3.73M]
138丨数据科学团队必备的工程流程三部曲.pdf [1.48M]
139丨数据科学团队怎么选择产品和项目？.html [893.60K]
139丨数据科学团队怎么选择产品和项目？.mp3 [3.41M]
139丨数据科学团队怎么选择产品和项目？.pdf [1.35M]
155丨微软研究院：工业界研究机构的楷模.html [1.00M]
155丨微软研究院：工业界研究机构的楷模.mp3 [3.86M]
155丨微软研究院：工业界研究机构的楷模.pdf [1.50M]
156丨聊一聊谷歌特立独行的混合型研究.html [790.17K]
156丨聊一聊谷歌特立独行的混合型研究.mp3 [2.97M]
156丨聊一聊谷歌特立独行的混合型研究.pdf [1.30M]
复盘 6丨数据科学家与数据科学团队是怎么养成的？.html [3.89M]
复盘 6丨数据科学家与数据科学团队是怎么养成的？.pdf [4.30M]
08-人工智能国际顶级会议 (31讲) [186.98M]
002丨聊聊2017年kdd大会的时间检验奖.html [1.72M]
002丨聊聊2017年kdd大会的时间检验奖.mp3 [5.11M]
002丨聊聊2017年kdd大会的时间检验奖.pdf [2.08M]
012丨精读2017年kdd最佳研究论文.html [1.28M]
012丨精读2017年kdd最佳研究论文.mp3 [4.91M]
012丨精读2017年kdd最佳研究论文.pdf [1.73M]
013丨精读2017年kdd最佳应用数据科学论文.html [973.96K]
013丨精读2017年kdd最佳应用数据科学论文.mp3 [4.52M]
013丨精读2017年kdd最佳应用数据科学论文.pdf [1.16M]
015丨精读2017年emnlp最佳长论文之一.html [1.02M]
015丨精读2017年emnlp最佳长论文之一.mp3 [4.04M]
015丨精读2017年emnlp最佳长论文之一.pdf [1.15M]
016丨精读2017年emnlp最佳长论文之二.html [1.18M]
016丨精读2017年emnlp最佳长论文之二.mp3 [4.10M]
016丨精读2017年emnlp最佳长论文之二.pdf [1.61M]
017丨精读2017年emnlp最佳短论文.html [1.21M]
017丨精读2017年emnlp最佳短论文.mp3 [4.38M]
017丨精读2017年emnlp最佳短论文.pdf [1.30M]
048丨精读2017年iccv最佳研究论文.html [995.78K]
048丨精读2017年iccv最佳研究论文.mp3 [4.25M]
048丨精读2017年iccv最佳研究论文.pdf [1.55M]
049丨精读2017年iccv最佳学生论文.html [880.42K]
049丨精读2017年iccv最佳学生论文.mp3 [3.39M]
049丨精读2017年iccv最佳学生论文.pdf [1.40M]
050丨如何将“深度强化学习”应用到视觉问答系统？.html [986.84K]
050丨如何将“深度强化学习”应用到视觉问答系统？.mp3 [3.74M]
050丨如何将“深度强化学习”应用到视觉问答系统？.pdf [1.10M]
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 [1.00M]
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 [3.43M]
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 [1.53M]
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 [1.02M]
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 [3.48M]
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 [1.14M]
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 [0.98M]
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 [3.19M]
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 [1.46M]
060丨wsdm 2018论文精读：看谷歌团队如何做位置偏差估计.html [985.12K]
060丨wsdm 2018论文精读：看谷歌团队如何做位置偏差估计.mp3 [4.17M]
060丨wsdm 2018论文精读：看谷歌团队如何做位置偏差估计.pdf [1.50M]
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 [998.21K]
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 [3.68M]
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 [1.19M]
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 [0.99M]
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 [2.34M]
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 [1.43M]
101丨the web 2018论文精读：如何对商品的图片美感进行建模？.html [1.02M]
101丨the web 2018论文精读：如何对商品的图片美感进行建模？.mp3 [3.69M]
101丨the web 2018论文精读：如何对商品的图片美感进行建模？.pdf [1.13M]
102丨the web 2018论文精读：如何改进经典的推荐算法bpr？.html [1.01M]
102丨the web 2018论文精读：如何改进经典的推荐算法bpr？.mp3 [2.72M]
102丨the web 2018论文精读：如何改进经典的推荐算法bpr？.pdf [1.07M]
103丨the web 2018论文精读：如何从文本中提取高元关系？.html [1.06M]
103丨the web 2018论文精读：如何从文本中提取高元关系？.mp3 [2.80M]
103丨the web 2018论文精读：如何从文本中提取高元关系？.pdf [1.14M]
125丨sigir 2018论文精读：偏差和“流行度”之间的关系.html [981.99K]
125丨sigir 2018论文精读：偏差和“流行度”之间的关系.mp3 [3.95M]
125丨sigir 2018论文精读：偏差和“流行度”之间的关系.pdf [1.13M]
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 [972.55K]
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 [3.21M]
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 [1.42M]
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 [1.01M]
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 [3.33M]
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 [1.46M]
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 [1.04M]
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 [3.72M]
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 [1.16M]
129丨cvpr 2018论文精读：如何从整体上对人体进行三维建模？.html [820.14K]
129丨cvpr 2018论文精读：如何从整体上对人体进行三维建模？.mp3 [2.98M]
129丨cvpr 2018论文精读：如何从整体上对人体进行三维建模？.pdf [994.64K]
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 [879.56K]
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 [3.26M]
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 [1.33M]
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 [769.71K]
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 [3.50M]
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 [973.46K]
132丨icml 2018论文精读：聊一聊机器学习算法的“公平性”问题.html [1.01M]
132丨icml 2018论文精读：聊一聊机器学习算法的“公平性”问题.mp3 [3.04M]
132丨icml 2018论文精读：聊一聊机器学习算法的“公平性”问题.pdf [1.40M]
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 [903.76K]
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 [2.98M]
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 [1.03M]
134丨acl 2018论文精读：问答系统场景下，如何提出好问题？.html [1.08M]
134丨acl 2018论文精读：问答系统场景下，如何提出好问题？.mp3 [3.61M]
134丨acl 2018论文精读：问答系统场景下，如何提出好问题？.pdf [1.17M]
135丨acl 2018论文精读：什么是对话中的前提触发？如何检测？.html [842.32K]
135丨acl 2018论文精读：什么是对话中的前提触发？如何检测？.mp3 [3.48M]
135丨acl 2018论文精读：什么是对话中的前提触发？如何检测？.pdf [1.33M]
136丨acl 2018论文精读：什么是“端到端”的语义哈希？.html [946.26K]
136丨acl 2018论文精读：什么是“端到端”的语义哈希？.mp3 [3.43M]
136丨acl 2018论文精读：什么是“端到端”的语义哈希？.pdf [1.40M]
复盘 7丨一起来读人工智能国际顶级会议论文.html [4.57M]
复盘 7丨一起来读人工智能国际顶级会议论文.pdf [4.31M]
09-热点话题讨论 (7讲) [41.52M]
014丨精读alphago zero论文.html [1.31M]
014丨精读alphago zero论文.mp3 [4.58M]
014丨精读alphago zero论文.pdf [1.37M]
059丨2017人工智能技术发展盘点.html [1.47M]
059丨2017人工智能技术发展盘点.mp3 [4.11M]
059丨2017人工智能技术发展盘点.pdf [1.58M]
104丨如何快速学习国际顶级学术会议的内容？.html [961.55K]
104丨如何快速学习国际顶级学术会议的内容？.mp3 [3.76M]
104丨如何快速学习国际顶级学术会议的内容？.pdf [1.48M]
152丨在人工智能领域，如何快速找到学习的切入点？.html [1.01M]
152丨在人工智能领域，如何快速找到学习的切入点？.mp3 [3.50M]
152丨在人工智能领域，如何快速找到学习的切入点？.pdf [1.48M]
153丨人工智能技术选择，该从哪里获得灵感？.html [869.59K]
153丨人工智能技术选择，该从哪里获得灵感？.mp3 [3.10M]
153丨人工智能技术选择，该从哪里获得灵感？.pdf [1.02M]
154丨近在咫尺，走进人工智能研究.html [1.00M]
154丨近在咫尺，走进人工智能研究.mp3 [3.54M]
154丨近在咫尺，走进人工智能研究.pdf [1.48M]
内参特刊丨和你聊聊每个人都关心的人工智能热点话题.html [1.75M]
内参特刊丨和你聊聊每个人都关心的人工智能热点话题.pdf [2.20M]
10-结束语 (1讲) [5.06M]
结束语丨雄关漫道真如铁，而今迈步从头越.html [1.27M]
结束语丨雄关漫道真如铁，而今迈步从头越.mp3 [2.29M]
结束语丨雄关漫道真如铁，而今迈步从头越.pdf [1.50M]
评论0