课程简介：

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。

课程目录：

AI技术内参
├──01-开篇词 (1讲
| ├──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
| ├──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 829.08kb
| ├──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 1003.25kb
| ├──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 936.28kb
| ├──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 978.22kb
| ├──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 944.44kb
| ├──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 1017.40kb
| ├──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 919.83kb
| ├──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
| ├──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 930.99kb
| ├──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 1011.58kb
| ├──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 902.15kb
| ├──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 994.09kb
| ├──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 969.54kb
| ├──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 928.67kb
| ├──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 1021.00kb
| ├──075丨推荐系统评测之一：传统线下评测.html 993.84kb
| ├──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 925.96kb
| ├──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 892.22kb
| ├──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 990.86kb
| ├──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
| ├──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 915.44kb
| ├──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 931.07kb
| ├──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 946.65kb
| ├──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 1000.71kb
| ├──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 916.80kb
| ├──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 875.84kb
| ├──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 887.55kb
| ├──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 1015.39kb
| ├──095丨对话系统之经典的对话模型.html 926.53kb
| ├──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 948.08kb
| ├──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 975.41kb
| ├──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 1020.42kb
| ├──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 947.06kb
| ├──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
| ├──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 971.67kb
| ├──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 905.50kb
| ├──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 977.66kb
| ├──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 863.65kb
| ├──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 878.19kb
| ├──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 1012.54kb
| ├──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 1017.02kb
| ├──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 908.90kb
| ├──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 959.79kb
| ├──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
| ├──140丨什么是计算机视觉？.html 916.53kb
| ├──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 987.50kb
| ├──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 989.87kb
| ├──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 866.11kb
| ├──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 987.85kb
| ├──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 910.26kb
| ├──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 919.13kb
| ├──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 1022.03kb
| ├──150丨计算机视觉高级话题（二）：视觉问答.html 841.56kb
| ├──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 986.07kb
| ├──151丨计算机视觉高级话题（三）：产生式模型.html 949.49kb
| ├──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
| ├──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 988.45kb
| ├──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 985.48kb
| ├──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 1018.29kb
| ├──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 967.76kb
| ├──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 987.47kb
| ├──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 892.96kb
| ├──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 1003.12kb
| ├──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 893.60kb
| ├──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 790.17kb
| ├──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
| ├──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 973.96kb
| ├──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 995.78kb
| ├──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 880.42kb
| ├──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 986.84kb
| ├──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 1002.80kb
| ├──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 985.12kb
| ├──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 998.21kb
| ├──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 1013.37kb
| ├──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 981.99kb
| ├──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 972.55kb
| ├──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 820.14kb
| ├──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 994.64kb
| ├──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 879.56kb
| ├──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 769.71kb
| ├──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 973.46kb
| ├──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 903.76kb
| ├──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 842.32kb
| ├──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 946.26kb
| ├──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
| ├──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 961.55kb
| ├──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 869.59kb
| ├──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 1021.42kb
| ├──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
| ├──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