itlife365点com分享AI技术内参 你的360度人工智能信息助理by itlife365.com
更多内容学习：itlife365.com itlife365点com
你将获得
人工智能国际顶级学术会议论文精讲；
人工智能五大核心技术模块深度剖析；
人工智能工程师进阶之路；
人工智能业界热点独家解读。
课程介绍
人工智能科学家吴恩达反复强调，“AI is the new electricity” 。今天的人工智能，犹如一百年前的电，正在给人类带来同样巨大，甚至更加精彩的变化。
课程目录
毋庸置疑，这是一个属于人工智能的时代。人工智能正在渗透到各行各业，并且离我们越来越近，新的时代中，我们应该如何利用好新武器？
“AI 技术内参”专栏将为你系统剖析人工智能核心技术，精讲人工智能国际顶级学术会议核心论文，解读技术发展前沿与最新研究成果，分享数据科学家以及数据科学团队的养成秘笈。希望能够帮助你在人工智能领域找到最佳学习路径，不断进阶。
专栏精心打磨了四大模块，具体如下：
模块一：人工智能国际顶级学术会议深入解读与技术展望（10 周左右）
精选 10 个国际人工智能顶级学术会议，剖析其论文精髓，解读最新技术成果，全览人工智能发展趋势。模块中包含的顶级会议有机器学习方面的 ICML、NIPS；机器视觉方面的 CVPR、ICCV；自然语言处理方面的 ACL、EMNLP；数据挖掘和数据科学方面的 KDD、WSDM；信息检索和搜索方面的 SIGIR；互联网综合方面的 WWW。
模块二：人工智能核心技术剖析（32 周左右）
分专题讲解人工智能和机器学习的核心技术，帮你拨开层层迷雾，快速入门。这其中包括搜索核心技术、推荐系统核心技术、广告系统核心技术、自然语言处理及文本处理核心技术、计算机视觉核心技术等。
模块三：人工智能工程师、科学家的养成和人工智能团队的构建（8 周左右）
国内外各大公司都在纷纷组建自己的人工智能团队，洪亮劼将结合个人经历，分享人工智能团队的组建以及运作经验。另外，针对立志成为数据科学家或者人工智能科学家的同学，他将会梳理对应的技能图谱以及知识脉络，并进行系统剖析。
模块四：人工智能业界热点（2 周左右）
在这整个一年的课程当中，相信会有很多的与人工智能相关的行业或者技术热点出现。洪亮劼也会结合这些热点，即时解读最新的业界动态，探讨最新的研究成果，分享个人洞见。
更多内容学习：itlife365.com itlife365点com
课程目录：
AI技术内参全年模块
模块一 人工智能国际顶级会议模块（10周）
第1周
KDD 2017（数据挖掘与知识发现大会）论文精讲
第2周
EMNLP 2017（自然语言处理实证方法会议）论文精讲
第3周
ICCV 2017（国际计算机视觉大会）论文精讲
第4周
NIPS 2017（神经信息处理系统大会）论文精讲
第5周
WSDM 2018（网络搜索与数据挖掘国际会议）论文精讲
第6周
THE WEB 2018（国际万维网大会）论文精讲
第7周
CVPR 2018（国际计算机视觉与模式识别会议）论文精讲
第8周
SIGIR 2018（国际信息检索大会）论文精讲
第9周
ICML 2018（国际机器学习大会）论文精讲
第10周
ACL 2018（计算语言学学会年会）论文精讲
模块二 人工智能核心技术模块（32周）
大型搜索框架剖析及历史发展
第1周
现代搜索架构剖析
多轮打分系统概述
搜索索引及其相关技术概述
TF-IDF算法及其变种
第2周
经典搜索核心算法
BM25算法及其变种
Language Model算法及其变种
Pointwise算法综述
基于机器学习
Pairwise算法综述
第3周
的排序算法
Listwise算法综述
GBDT算法
搜索核心技术
基于机器学习
第4周
LambdaMART算法
的高级排序算法
RankSVM算法
查询关键字分类
查询关键字理解
查询关键字解析
第5周
查询关键字扩展
文档分类
文档聚类
文档理解
第6周
多模文档分类
PageRank算法
HITS算法
经典图算法
第7周
其他经典图算法
基于深度学习
第8周
3个话题
的搜索算法
精度、召回以及F值
第9周
搜索系统的评价
MAP、MRR以及AUC
NDCG以及其他评价方法
基于线下离线计算的推荐架构
第10周
现代推荐架构剖析
基于搜索的多层推荐架构
复杂现代推荐架构漫谈
基于流行度的推荐模型
简单推荐模型
基于相似信息的推荐模型
第11周
基于内容特征的推荐模型
矩阵分解模型
推荐系统核心技术
基于隐变量的模型
因子分解机模型
第12周
基于回归的隐变量模型
张量分解模型
高阶推荐模型
联合矩阵分解模型
第13周
优化复杂目标函数
Exploit以及Explore综述
推荐的EXPLOIT
UCB算法
第14周
和EXPLORE算法
Thompson采样算法
基于深度学习
3个话题
第15周
的推荐模型
传统的线下评测
第16周
推荐系统的评价
线上评测
无偏差的线下模拟和评测
广告系统的生态圈
广告系统架构
第17周
广告系统架构
数据管理（DMP）概述
Google的点击率系统模型
广告点击率预测（上）
第18周
Facebook的点击率系统模型
广告系统核心技术
Yahoo的点击率系统模型
Linkedln的点击率系统模型
广告点击率预测（下）
第19周
Alibaba的点击率系统模型
BIDDING出价系统
第20周
3个话题
Budget Pacing & Frequency
第21周
预算
Reserved Price
Dynamic Pricing
转化归因
第22周
广告交易、机制与博弈论
高阶话题
广告系统前沿话题
隐性语义分析
第23周
基础文本分析
概率隐性语义分析
EM算法
LDA模型
自然语言处理及文本处理核心技术
第24周
LDA的各类变种模型
LDA模型
LDA的大规模优化算法
文档情感分类
第25周
文本情感分析
情感方面提取以及信息提取
意见总结和搜索
基本Word2Vec算法
第26周
其他Word2Vec算法概述
Word2Vec
Word2Vec的使用
RNN基本架构
基于深度学习
第27周
LSTM及GRU模型
的语言序列模型
基于RNN的应用
Memory Networks
基于深度学习
第28周
高级的对话模型
的聊天对话模型
对话模型的发展
计算机视觉技术概述
第29周
图像分类
图像技术基础
优化技术
计算机视觉技术核心
神经网络入门
深度学习图像
第30周
卷积神经网络
更多内容学习：itlife365.com itlife365点com
