极客时间出品的专栏课《AI技术内参》作者洪亮劼，新客首单到手价98元，现免费分享。
课程介绍
人工智能，被誉为新时代的电力，正在全球范围内催生出前所未有的变革。它跨越行业界限，深入我们生活的方方面面，而如何把握这一浪潮，提升自身竞争力，成为了摆在我们面前的重要课题。"AI 技术内参"专栏应运而生，旨在为广大求知者提供一站式的AI学习平台。
专栏精心设置了四大模块，全方位解读人工智能的奥秘。在"人工智能国际顶级学术会议深入解读与技术展望"模块中，我们将带您走进机器学习领域的ICML、NIPS，机器视觉的CVPR、ICCV，自然语言处理的ACL、EMNLP等顶尖会议，剖析论文精髓，洞察技术前沿。在"人工智能核心技术剖析"模块，我们将分专题讲解搜索、推荐、广告、自然语言处理、计算机视觉等核心技术，助您快速入门，拨开迷雾。在"人工智能工程师、科学家的养成和人工智能团队的构建"模块，我们结合业界经验，分享人工智能团队的组建与运作心得，为有志之士提供成长蓝图。最后，在"人工智能业界热点"模块，我们将聚焦AI行业的最新动态，让您紧跟时代步伐。
"AI 技术内参"专栏致力于为您提供系统、深入的AI知识，助您在人工智能的浪潮中乘风破浪，勇立潮头。无论您是初学者还是资深从业者，都能在这里找到适合自己的学习路径，不断进阶。加入我们，共同探索人工智能的无限可能！
课程目录
│ ├── 000丨开篇词丨你的360度人工智能信息助理.mp3
│ └── 000丨开篇词丨你的360度人工智能信息助理.pdf
├── 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
│ ├── 018丨经典搜索核心算法：TF-IDF及其变种.mp3
│ ├── 018丨经典搜索核心算法：TF-IDF及其变种.pdf
│ ├── 019丨经典搜索核心算法：BM25及其变种（内附全年目录）.html
│ ├── 019丨经典搜索核心算法：BM25及其变种（内附全年目录）.mp3
│ ├── 019丨经典搜索核心算法：BM25及其变种（内附全年目录）.pdf
│ ├── 020丨经典搜索核心算法：语言模型及其变种.html
│ ├── 020丨经典搜索核心算法：语言模型及其变种.mp3
│ ├── 020丨经典搜索核心算法：语言模型及其变种.pdf
│ ├── 021丨机器学习排序算法：单点法排序学习.html
│ ├── 021丨机器学习排序算法：单点法排序学习.mp3
│ ├── 021丨机器学习排序算法：单点法排序学习.pdf
│ ├── 022丨机器学习排序算法：配对法排序学习.html
│ ├── 022丨机器学习排序算法：配对法排序学习.mp3
│ ├── 022丨机器学习排序算法：配对法排序学习.pdf
│ ├── 023丨机器学习排序算法：列表法排序学习.html
│ ├── 023丨机器学习排序算法：列表法排序学习.mp3
│ ├── 023丨机器学习排序算法：列表法排序学习.pdf
│ ├── 024丨“查询关键字理解”三部曲之分类.html
│ ├── 024丨“查询关键字理解”三部曲之分类.mp3
│ ├── 024丨“查询关键字理解”三部曲之分类.pdf
│ ├── 025丨“查询关键字理解”三部曲之解析.html
│ ├── 025丨“查询关键字理解”三部曲之解析.mp3
│ ├── 025丨“查询关键字理解”三部曲之解析.pdf
│ ├── 026丨“查询关键字理解”三部曲之扩展.html
│ ├── 026丨“查询关键字理解”三部曲之扩展.mp3
│ ├── 026丨“查询关键字理解”三部曲之扩展.pdf
│ ├── 027丨搜索系统评测，有哪些基础指标？.html
│ ├── 027丨搜索系统评测，有哪些基础指标？.mp3
│ ├── 027丨搜索系统评测，有哪些基础指标？.pdf
│ ├── 028丨搜索系统评测，有哪些高级指标？.html
│ ├── 028丨搜索系统评测，有哪些高级指标？.mp3
│ ├── 028丨搜索系统评测，有哪些高级指标？.pdf
│ ├── 029丨如何评测搜索系统的在线表现？.html
│ ├── 029丨如何评测搜索系统的在线表现？.mp3
│ ├── 029丨如何评测搜索系统的在线表现？.pdf
│ ├── 030丨文档理解第一步：文档分类.html
│ ├── 030丨文档理解第一步：文档分类.mp3
│ ├── 030丨文档理解第一步：文档分类.pdf
│ ├── 031丨文档理解的关键步骤：文档聚类.html
│ ├── 031丨文档理解的关键步骤：文档聚类.mp3
│ ├── 031丨文档理解的关键步骤：文档聚类.pdf
│ ├── 032丨文档理解的重要特例：多模文档建模.html
│ ├── 032丨文档理解的重要特例：多模文档建模.mp3
│ ├── 032丨文档理解的重要特例：多模文档建模.pdf
│ ├── 033丨大型搜索框架宏观视角：发展、特点及趋势.html
│ ├── 033丨大型搜索框架宏观视角：发展、特点及趋势.mp3
│ ├── 033丨大型搜索框架宏观视角：发展、特点及趋势.pdf
│ ├── 034丨多轮打分系统概述.html
│ ├── 034丨多轮打分系统概述.mp3
│ ├── 034丨多轮打分系统概述.pdf
│ ├── 035丨搜索索引及其相关技术概述.html
│ ├── 035丨搜索索引及其相关技术概述.mp3
│ ├── 035丨搜索索引及其相关技术概述.pdf
│ ├── 036丨PageRank算法的核心思想是什么？.html
│ ├── 036丨PageRank算法的核心思想是什么？.mp3
│ ├── 036丨PageRank算法的核心思想是什么？.pdf
│ ├── 037丨经典图算法之HITS.html
│ ├── 037丨经典图算法之HITS.mp3
│ ├── 037丨经典图算法之HITS.pdf
│ ├── 038丨社区检测算法之“模块最大化 ”.html
│ ├── 038丨社区检测算法之“模块最大化 ”.mp3
│ ├── 038丨社区检测算法之“模块最大化 ”.pdf
│ ├── 039丨机器学习排序算法经典模型：RankSVM.html
│ ├── 039丨机器学习排序算法经典模型：RankSVM.mp3
│ ├── 039丨机器学习排序算法经典模型：RankSVM.pdf
│ ├── 040丨机器学习排序算法经典模型：GBDT.html
│ ├── 040丨机器学习排序算法经典模型：GBDT.mp3
│ ├── 040丨机器学习排序算法经典模型：GBDT.pdf
│ ├── 041丨机器学习排序算法经典模型：LambdaMART.html
│ ├── 041丨机器学习排序算法经典模型：LambdaMART.mp3
│ ├── 041丨机器学习排序算法经典模型：LambdaMART.pdf
│ ├── 042丨基于深度学习的搜索算法：深度结构化语义模型.html
│ ├── 042丨基于深度学习的搜索算法：深度结构化语义模型.mp3
│ ├── 042丨基于深度学习的搜索算法：深度结构化语义模型.pdf
│ ├── 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
│ ├── 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
│ ├── 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
│ ├── 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
│ ├── 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
│ ├── 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
│ ├── 复盘 1丨搜索核心技术模块.html
│ └── 复盘 1丨搜索核心技术模块.pdf
├── 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
│ ├── 063丨简单推荐模型之一：基于流行度的推荐模型.mp3
│ ├── 063丨简单推荐模型之一：基于流行度的推荐模型.pdf
│ ├── 064丨简单推荐模型之二：基于相似信息的推荐模型.html
│ ├── 064丨简单推荐模型之二：基于相似信息的推荐模型.mp3
│ ├── 064丨简单推荐模型之二：基于相似信息的推荐模型.pdf
│ ├── 065丨简单推荐模型之三：基于内容信息的推荐模型.html
│ ├── 065丨简单推荐模型之三：基于内容信息的推荐模型.mp3
│ ├── 065丨简单推荐模型之三：基于内容信息的推荐模型.pdf
│ ├── 066丨基于隐变量的模型之一：矩阵分解.html
│ ├── 066丨基于隐变量的模型之一：矩阵分解.mp3
│ ├── 066丨基于隐变量的模型之一：矩阵分解.pdf
│ ├── 067丨基于隐变量的模型之二：基于回归的矩阵分解.html
│ ├── 067丨基于隐变量的模型之二：基于回归的矩阵分解.mp3
│ ├── 067丨基于隐变量的模型之二：基于回归的矩阵分解.pdf
│ ├── 068丨基于隐变量的模型之三：分解机.html
│ ├── 068丨基于隐变量的模型之三：分解机.mp3
│ ├── 068丨基于隐变量的模型之三：分解机.pdf
│ ├── 069丨高级推荐模型之一：张量分解模型.html
│ ├── 069丨高级推荐模型之一：张量分解模型.mp3
│ ├── 069丨高级推荐模型之一：张量分解模型.pdf
│ ├── 070丨高级推荐模型之二：协同矩阵分解.html
│ ├── 070丨高级推荐模型之二：协同矩阵分解.mp3
│ ├── 070丨高级推荐模型之二：协同矩阵分解.pdf
│ ├── 071丨高级推荐模型之三：优化复杂目标函数.html
│ ├── 071丨高级推荐模型之三：优化复杂目标函数.mp3
│ ├── 071丨高级推荐模型之三：优化复杂目标函数.pdf
│ ├── 072丨推荐的Exploit和Explore算法之一：EE算法综述.html
│ ├── 072丨推荐的Exploit和Explore算法之一：EE算法综述.mp3
│ ├── 072丨推荐的Exploit和Explore算法之一：EE算法综述.pdf
│ ├── 073丨推荐的Exploit和Explore算法之二：UCB算法.html
│ ├── 073丨推荐的Exploit和Explore算法之二：UCB算法.mp3
│ ├── 073丨推荐的Exploit和Explore算法之二：UCB算法.pdf
│ ├── 074丨推荐的Exploit和Explore算法之三：汤普森采样算法.html
│ ├── 074丨推荐的Exploit和Explore算法之三：汤普森采样算法.mp3
│ ├── 074丨推荐的Exploit和Explore算法之三：汤普森采样算法.pdf
│ ├── 075丨推荐系统评测之一：传统线下评测.html
│ ├── 075丨推荐系统评测之一：传统线下评测.mp3
│ ├── 075丨推荐系统评测之一：传统线下评测.pdf
│ ├── 076丨推荐系统评测之二：线上评测.html
│ ├── 076丨推荐系统评测之二：线上评测.mp3
│ ├── 076丨推荐系统评测之二：线上评测.pdf
│ ├── 077丨推荐系统评测之三：无偏差估计.html
│ ├── 077丨推荐系统评测之三：无偏差估计.mp3
│ ├── 077丨推荐系统评测之三：无偏差估计.pdf
│ ├── 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
│ ├── 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
│ ├── 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
│ ├── 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
│ ├── 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
│ ├── 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
│ ├── 080丨现代推荐架构剖析之三：复杂现代推荐架构漫谈.html
│ ├── 080丨现代推荐架构剖析之三：复杂现代推荐架构漫谈.mp3
│ ├── 080丨现代推荐架构剖析之三：复杂现代推荐架构漫谈.pdf
│ ├── 081丨基于深度学习的推荐模型之一：受限波兹曼机.html
│ ├── 081丨基于深度学习的推荐模型之一：受限波兹曼机.mp3
│ ├── 081丨基于深度学习的推荐模型之一：受限波兹曼机.pdf
│ ├── 082丨基于深度学习的推荐模型之二：基于RNN的推荐系统.html
│ ├── 082丨基于深度学习的推荐模型之二：基于RNN的推荐系统.mp3
│ ├── 082丨基于深度学习的推荐模型之二：基于RNN的推荐系统.pdf
│ ├── 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
│ ├── 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
│ ├── 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
│ ├── 复盘 2丨推荐系统核心技术模块.html
│ └── 复盘 2丨推荐系统核心技术模块.pdf
├── 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
│ ├── 007丨LDA模型的前世今生.mp3
│ ├── 007丨LDA模型的前世今生.pdf
│ ├── 084丨LDA变种模型知多少.html
│ ├── 084丨LDA变种模型知多少.mp3
│ ├── 084丨LDA变种模型知多少.pdf
│ ├── 085丨针对大规模数据，如何优化LDA算法？.html
│ ├── 085丨针对大规模数据，如何优化LDA算法？.mp3
│ ├── 085丨针对大规模数据，如何优化LDA算法？.pdf
│ ├── 086丨基础文本分析模型之一：隐语义分析.html
│ ├── 086丨基础文本分析模型之一：隐语义分析.mp3
│ ├── 086丨基础文本分析模型之一：隐语义分析.pdf
│ ├── 087丨基础文本分析模型之二：概率隐语义分析.html
│ ├── 087丨基础文本分析模型之二：概率隐语义分析.mp3
│ ├── 087丨基础文本分析模型之二：概率隐语义分析.pdf
│ ├── 088丨基础文本分析模型之三：EM算法.html
│ ├── 088丨基础文本分析模型之三：EM算法.mp3
│ ├── 088丨基础文本分析模型之三：EM算法.pdf
│ ├── 089丨为什么需要Word2Vec算法？.html
│ ├── 089丨为什么需要Word2Vec算法？.mp3
│ ├── 089丨为什么需要Word2Vec算法？.pdf
│ ├── 090丨Word2Vec算法有哪些扩展模型？.html
│ ├── 090丨Word2Vec算法有哪些扩展模型？.mp3
│ ├── 090丨Word2Vec算法有哪些扩展模型？.pdf
│ ├── 091丨Word2Vec算法有哪些应用？.html
│ ├── 091丨Word2Vec算法有哪些应用？.mp3
│ ├── 091丨Word2Vec算法有哪些应用？.pdf
│ ├── 092丨序列建模的深度学习利器：RNN基础架构.html
│ ├── 092丨序列建模的深度学习利器：RNN基础架构.mp3
│ ├── 092丨序列建模的深度学习利器：RNN基础架构.pdf
│ ├── 093丨基于门机制的RNN架构：LSTM与GRU.html
│ ├── 093丨基于门机制的RNN架构：LSTM与GRU.mp3
│ ├── 093丨基于门机制的RNN架构：LSTM与GRU.pdf
│ ├── 094丨RNN在自然语言处理中有哪些应用场景？.html
│ ├── 094丨RNN在自然语言处理中有哪些应用场景？.mp3
│ ├── 094丨RNN在自然语言处理中有哪些应用场景？.pdf
│ ├── 095丨对话系统之经典的对话模型.html
│ ├── 095丨对话系统之经典的对话模型.mp3
│ ├── 095丨对话系统之经典的对话模型.pdf
│ ├── 096丨任务型对话系统有哪些技术要点？.html
│ ├── 096丨任务型对话系统有哪些技术要点？.mp3
│ ├── 096丨任务型对话系统有哪些技术要点？.pdf
│ ├── 097丨聊天机器人有哪些核心技术要点？.html
│ ├── 097丨聊天机器人有哪些核心技术要点？.mp3
│ ├── 097丨聊天机器人有哪些核心技术要点？.pdf
│ ├── 098丨什么是文档情感分类？.html
│ ├── 098丨什么是文档情感分类？.mp3
│ ├── 098丨什么是文档情感分类？.pdf
│ ├── 099丨如何来提取情感“实体”和“方面”呢？.html
│ ├── 099丨如何来提取情感“实体”和“方面”呢？.mp3
│ ├── 099丨如何来提取情感“实体”和“方面”呢？.pdf
│ ├── 100丨文本情感分析中如何做意见总结和搜索？.html
│ ├── 100丨文本情感分析中如何做意见总结和搜索？.mp3
│ ├── 100丨文本情感分析中如何做意见总结和搜索？.pdf
│ ├── 复盘 3丨自然语言处理及文本处理核心技术模块.html
│ └── 复盘 3丨自然语言处理及文本处理核心技术模块.pdf
├── 05-广告系统核心技术 (19讲)
│ ├── 006丨Google的点击率系统模型.html
│ ├── 006丨Google的点击率系统模型.mp3
│ ├── 006丨Google的点击率系统模型.pdf
│ ├── 105丨广告系统概述.html
│ ├── 105丨广告系统概述.mp3
│ ├── 105丨广告系统概述.pdf
│ ├── 106丨广告系统架构.html
│ ├── 106丨广告系统架构.mp3
│ ├── 106丨广告系统架构.pdf
│ ├── 107丨广告回馈预估综述.html
│ ├── 107丨广告回馈预估综述.mp3
│ ├── 107丨广告回馈预估综述.pdf
│ ├── 108丨Facebook的广告点击率预估模型.html
│ ├── 108丨Facebook的广告点击率预估模型.mp3
│ ├── 108丨Facebook的广告点击率预估模型.pdf
│ ├── 109丨雅虎的广告点击率预估模型.html
│ ├── 109丨雅虎的广告点击率预估模型.mp3
│ ├── 109丨雅虎的广告点击率预估模型.pdf
│ ├── 110丨LinkedIn的广告点击率预估模型.html
│ ├── 110丨LinkedIn的广告点击率预估模型.mp3
│ ├── 110丨LinkedIn的广告点击率预估模型.pdf
│ ├── 111丨Twitter的广告点击率预估模型.html
│ ├── 111丨Twitter的广告点击率预估模型.mp3
│ ├── 111丨Twitter的广告点击率预估模型.pdf
│ ├── 112丨阿里巴巴的广告点击率预估模型.html
│ ├── 112丨阿里巴巴的广告点击率预估模型.mp3
│ ├── 112丨阿里巴巴的广告点击率预估模型.pdf
│ ├── 113丨什么是“基于第二价位的广告竞拍”？.html
│ ├── 113丨什么是“基于第二价位的广告竞拍”？.mp3
│ ├── 113丨什么是“基于第二价位的广告竞拍”？.pdf
│ ├── 114丨广告的竞价策略是怎样的？.html
│ ├── 114丨广告的竞价策略是怎样的？.mp3
│ ├── 114丨广告的竞价策略是怎样的？.pdf
│ ├── 115丨如何优化广告的竞价策略？.html
│ ├── 115丨如何优化广告的竞价策略？.mp3
│ ├── 115丨如何优化广告的竞价策略？.pdf
│ ├── 116丨如何控制广告预算？.html
│ ├── 116丨如何控制广告预算？.mp3
│ ├── 116丨如何控制广告预算？.pdf
│ ├── 117丨如何设置广告竞价的底价？.html
│ ├── 117丨如何设置广告竞价的底价？.mp3
│ ├── 117丨如何设置广告竞价的底价？.pdf
│ ├── 118丨聊一聊“程序化直接购买”和“广告期货”.html
│ ├── 118丨聊一聊“程序化直接购买”和“广告期货”.mp3
│ ├── 118丨聊一聊“程序化直接购买”和“广告期货”.pdf
│ ├── 119丨归因模型：如何来衡量广告的有效性.html
│ ├── 119丨归因模型：如何来衡量广告的有效性.mp3
│ ├── 119丨归因模型：如何来衡量广告的有效性.pdf
│ ├── 120丨广告投放如何选择受众？如何扩展受众群？.html
│ ├── 120丨广告投放如何选择受众？如何扩展受众群？.mp3
│ ├── 120丨广告投放如何选择受众？如何扩展受众群？.pdf
│ ├── 121丨如何利用机器学习技术来检测广告欺诈？.html
│ ├── 121丨如何利用机器学习技术来检测广告欺诈？.mp3
│ ├── 121丨如何利用机器学习技术来检测广告欺诈？.pdf
│ ├── 复盘 4丨广告系统核心技术模块.html
│ └── 复盘 4丨广告系统核心技术模块.pdf
├── 06-计算机视觉核心技术 (13讲)
│ ├── 140丨什么是计算机视觉？.html
│ ├── 140丨什么是计算机视觉？.mp3
│ ├── 140丨什么是计算机视觉？.pdf
│ ├── 141丨掌握计算机视觉任务的基础模型和操作.html
│ ├── 141丨掌握计算机视觉任务的基础模型和操作.mp3
│ ├── 141丨掌握计算机视觉任务的基础模型和操作.pdf
│ ├── 142丨计算机视觉中的特征提取难在哪里？.html
│ ├── 142丨计算机视觉中的特征提取难在哪里？.mp3
│ ├── 142丨计算机视觉中的特征提取难在哪里？.pdf
│ ├── 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
│ ├── 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
│ ├── 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
│ ├── 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
│ ├── 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
│ ├── 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
│ ├── 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
│ ├── 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
│ ├── 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
│ ├── 146丨计算机视觉领域的深度学习模型（一）：AlexNet.html
│ ├── 146丨计算机视觉领域的深度学习模型（一）：AlexNet.mp3
│ ├── 146丨计算机视觉领域的深度学习模型（一）：AlexNet.pdf
│ ├── 147丨计算机视觉领域的深度学习模型（二）：VGG & GoogleNet.html
│ ├── 147丨计算机视觉领域的深度学习模型（二）：VGG & GoogleNet.mp3
│ ├── 147丨计算机视觉领域的深度学习模型（二）：VGG & GoogleNet.pdf
│ ├── 148丨计算机视觉领域的深度学习模型（三）：ResNet.html
│ ├── 148丨计算机视觉领域的深度学习模型（三）：ResNet.mp3
│ ├── 148丨计算机视觉领域的深度学习模型（三）：ResNet.pdf
│ ├── 149丨计算机视觉高级话题（一）：图像物体识别和分割.html
│ ├── 149丨计算机视觉高级话题（一）：图像物体识别和分割.mp3
│ ├── 149丨计算机视觉高级话题（一）：图像物体识别和分割.pdf
│ ├── 150丨计算机视觉高级话题（二）：视觉问答.html
│ ├── 150丨计算机视觉高级话题（二）：视觉问答.mp3
│ ├── 150丨计算机视觉高级话题（二）：视觉问答.pdf
│ ├── 151丨计算机视觉高级话题（三）：产生式模型.html
│ ├── 151丨计算机视觉高级话题（三）：产生式模型.mp3
│ ├── 151丨计算机视觉高级话题（三）：产生式模型.pdf
│ ├── 复盘 5丨计算机视觉核心技术模块.html
│ └── 复盘 5丨计算机视觉核心技术模块.pdf
├── 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
│ ├── 001丨如何组建一个数据科学团队？.mp3
│ ├── 001丨如何组建一个数据科学团队？.pdf
│ ├── 003丨数据科学家基础能力之概率统计.html
│ ├── 003丨数据科学家基础能力之概率统计.mp3
│ ├── 003丨数据科学家基础能力之概率统计.pdf
│ ├── 004丨数据科学家基础能力之机器学习.html
│ ├── 004丨数据科学家基础能力之机器学习.mp3
│ ├── 004丨数据科学家基础能力之机器学习.pdf
│ ├── 005丨数据科学家基础能力之系统.html
│ ├── 005丨数据科学家基础能力之系统.mp3
│ ├── 005丨数据科学家基础能力之系统.pdf
│ ├── 008丨曾经辉煌的雅虎研究院.html
│ ├── 008丨曾经辉煌的雅虎研究院.mp3
│ ├── 008丨曾经辉煌的雅虎研究院.pdf
│ ├── 009丨数据科学家高阶能力之分析产品.html
│ ├── 009丨数据科学家高阶能力之分析产品.mp3
│ ├── 009丨数据科学家高阶能力之分析产品.pdf
│ ├── 010丨数据科学家高阶能力之评估产品.html
│ ├── 010丨数据科学家高阶能力之评估产品.mp3
│ ├── 010丨数据科学家高阶能力之评估产品.pdf
│ ├── 011丨数据科学家高阶能力之如何系统提升产品性能.html
│ ├── 011丨数据科学家高阶能力之如何系统提升产品性能.mp3
│ ├── 011丨数据科学家高阶能力之如何系统提升产品性能.pdf
│ ├── 045丨职场话题：当数据科学家遇见产品团队.html
│ ├── 045丨职场话题：当数据科学家遇见产品团队.mp3
│ ├── 045丨职场话题：当数据科学家遇见产品团队.pdf
│ ├── 046丨职场话题：数据科学家应聘要具备哪些能力？.html
│ ├── 046丨职场话题：数据科学家应聘要具备哪些能力？.mp3
│ ├── 046丨职场话题：数据科学家应聘要具备哪些能力？.pdf
│ ├── 047丨职场话题：聊聊数据科学家的职场规划.html
│ ├── 047丨职场话题：聊聊数据科学家的职场规划.mp3
│ ├── 047丨职场话题：聊聊数据科学家的职场规划.pdf
│ ├── 054丨数据科学团队养成：电话面试指南.html
│ ├── 054丨数据科学团队养成：电话面试指南.mp3
│ ├── 054丨数据科学团队养成：电话面试指南.pdf
│ ├── 055丨数据科学团队养成：Onsite面试面面观.html
│ ├── 055丨数据科学团队养成：Onsite面试面面观.mp3
│ ├── 055丨数据科学团队养成：Onsite面试面面观.pdf
│ ├── 056丨成为“香饽饽”的数据科学家，如何衡量他们的工作呢？.html
│ ├── 056丨成为“香饽饽”的数据科学家，如何衡量他们的工作呢？.mp3
│ ├── 056丨成为“香饽饽”的数据科学家，如何衡量他们的工作呢？.pdf
│ ├── 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
│ ├── 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
│ ├── 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
│ ├── 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
│ ├── 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
│ ├── 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
│ ├── 122丨数据科学家必备套路之一：搜索套路.html
│ ├── 122丨数据科学家必备套路之一：搜索套路.mp3
│ ├── 122丨数据科学家必备套路之一：搜索套路.pdf
│ ├── 123丨数据科学家必备套路之二：推荐套路.html
│ ├── 123丨数据科学家必备套路之二：推荐套路.mp3
│ ├── 123丨数据科学家必备套路之二：推荐套路.pdf
│ ├── 124丨数据科学家必备套路之三：广告套路.html
│ ├── 124丨数据科学家必备套路之三：广告套路.mp3
│ ├── 124丨数据科学家必备套路之三：广告套路.pdf
│ ├── 137丨如何做好人工智能项目的管理？.html
│ ├── 137丨如何做好人工智能项目的管理？.mp3
│ ├── 137丨如何做好人工智能项目的管理？.pdf
│ ├── 138丨数据科学团队必备的工程流程三部曲.html
│ ├── 138丨数据科学团队必备的工程流程三部曲.mp3
│ ├── 138丨数据科学团队必备的工程流程三部曲.pdf
│ ├── 139丨数据科学团队怎么选择产品和项目？.html
│ ├── 139丨数据科学团队怎么选择产品和项目？.mp3
│ ├── 139丨数据科学团队怎么选择产品和项目？.pdf
│ ├── 155丨微软研究院：工业界研究机构的楷模.html
│ ├── 155丨微软研究院：工业界研究机构的楷模.mp3
│ ├── 155丨微软研究院：工业界研究机构的楷模.pdf
│ ├── 156丨聊一聊谷歌特立独行的混合型研究.html
│ ├── 156丨聊一聊谷歌特立独行的混合型研究.mp3
│ ├── 156丨聊一聊谷歌特立独行的混合型研究.pdf
│ ├── 复盘 6丨数据科学家与数据科学团队是怎么养成的？.html
│ └── 复盘 6丨数据科学家与数据科学团队是怎么养成的？.pdf
├── 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
├── 09-热点话题讨论 (7讲)
│ ├── 014丨精读AlphaGo Zero论文.html
│ ├── 014丨精读AlphaGo Zero论文.mp3
│ ├── 014丨精读AlphaGo Zero论文.pdf
│ ├── 059丨2017人工智能技术发展盘点.html
│ ├── 059丨2017人工智能技术发展盘点.mp3
│ ├── 059丨2017人工智能技术发展盘点.pdf
│ ├── 104丨如何快速学习国际顶级学术会议的内容？.html
│ ├── 104丨如何快速学习国际顶级学术会议的内容？.mp3
│ ├── 104丨如何快速学习国际顶级学术会议的内容？.pdf
│ ├── 152丨在人工智能领域，如何快速找到学习的切入点？.html
│ ├── 152丨在人工智能领域，如何快速找到学习的切入点？.mp3
│ ├── 152丨在人工智能领域，如何快速找到学习的切入点？.pdf
│ ├── 153丨人工智能技术选择，该从哪里获得灵感？.html
│ ├── 153丨人工智能技术选择，该从哪里获得灵感？.mp3
│ ├── 153丨人工智能技术选择，该从哪里获得灵感？.pdf
│ ├── 154丨近在咫尺，走进人工智能研究.html
│ ├── 154丨近在咫尺，走进人工智能研究.mp3
│ ├── 154丨近在咫尺，走进人工智能研究.pdf
│ ├── 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
│ └── 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
└── 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
├── 结束语丨雄关漫道真如铁，而今迈步从头越.mp3
└── 结束语丨雄关漫道真如铁，而今迈步从头越.pdf
11 directories, 490 files
以上就是极客时间洪亮劼老师的专栏课《AI技术内参》的详细介绍了。
本文由提供IT教程网提供，仅供学习交流使用，未经许可，禁止转载!
原课程地址：https://time.geekbang.org/column/intro/100002101,有能力的朋友请支持正版，谢谢！
评论(0)