摘要： 一、Meta Learning 元学习综述 二、Few-shot Learning 小样本学习综述 三、生成对抗网络 GAN 综述 四、迁移学习综述 五、深度迁移学习综述 六、其他概念介绍：知识蒸馏、增量学习 阅读全文

摘要： 一、Meta Learning 元学习综述 二、Few-shot Learning 小样本学习综述 三、生成对抗网络 GAN 综述 四、迁移学习综述 五、深度迁移学习综述 六、其他概念介绍：知识蒸馏、增量学习 阅读全文

摘要： 一、知识图谱的机遇与挑战 ▌知识图谱上半场 1. 传统知识工程 2. 大数据知识工程 3. 大数据知识工程到底解决了哪些问题？ ▌知识图谱下半场 1. 应用场景转变 2. 新的趋势 3. 机遇 4. 应对策略 二、行业知识图谱的构建与应用 1. 知识图谱整体结构描述 2. 知识建模 3. 知识抽取 4. 知识融合 5. 知识存储 6. 知识计算 7. 知识应用 8. 知识图谱的自动构建 阅读全文

摘要： 异常检测，又称离群点检测，有着广泛应用。例如金融反欺诈、工业损毁检测、电网窃电行为等！ 一、基于时间序列分析 二、基于概率统计 三、基于距离 四、基于密度 五、基于聚类 六、基于线性方法：矩阵分解和PCA降维 七、基于分布 八、基于树模型 九、基于图模型 十、基于行为序列：马尔科夫链 十一、基于半监督模型 十二、基于有监督模型 十三、数据类型 十四、开源工具库 阅读全文

摘要： 时间序列分析主要有两个方向，一个通过是对历史数据的分析进行异常检测和分类，二是进行预测！ 本文主要对时间序列分析中预测类问题下的建模方案进行探讨，其他内容之后再分享！一、基于统计学模型 二、基于机器学习模型 三、基于深度学习模型 三种类型的模型各有所长和不足。一般来说，统计类模型适合于数据量较小同时工业化需求不高的情况，机器学习类模型更广泛适合于工业化情境，而深度学习模型在大数据量的预测上更具备优势。 阅读全文

摘要： 本文主要介绍深度学习项目实践过程中可能遇到的一些组件及使用技巧！一、Optimizor优化器选择 二、激活函数选择 三、防止过拟合 四、防止梯度消失/爆炸 五、权值初始化 六、数据预处理 七、学习率 learning rate 八、批次大小 batch_size 九、损失函数 Loss 十、其他 阅读全文

摘要： 本文主要介绍机器学习中聚类算法的演变路径。一、相似性衡量方法 二、基于划分的聚类 三、基于密度的聚类 四、基于概率模型的聚类 五、 基于层次的聚类 六、基于网格的聚类 七、其他角度的聚类 八、聚类算法的性能度量 阅读全文

摘要： 深度学习中的序列模型已经广泛应用于自然语言处理（例如机器翻译等）、语音识别、序列生成、序列分析等众多领域！本文主要介绍深度学习中序列模型的演变路径。一、循环神经网络RNN 二、长短期记忆网络LSTM 三、GRU 四、RNN/LSTM/GRU的变体结构 五、注意力机制 六、应用 阅读全文

摘要： 一、机器学习常用的开源框架和库 二、深度学习常用的开源框架和库 三、强化学习常用的开源框架和库 四、图神经网络常用的开源框架和库 五、知识图谱常用的开源框架和库 六、智能推荐常用的开源框架和库 阅读全文

摘要： 一、传统CTR预估模型演变 二、引入深度学习的CTR预估模型演变 三、深度学习推荐模型的上线问题 阅读全文