机器学习日报2015-12-27 推荐系统的10篇精选技术文章 等34条

2015年12月28日 | By News | Filed in: News.

Source: http://ml.memect.com/archive/2015-12-27/long.html

推荐系统的10篇精选技术文章

来自 @InfoQ 好东西传送门整理

关键词:算法, 应用, 社交网络, 推荐系统

【从算法到案例:推荐系统必读的10篇精选技术文章】想知道电商如何向你发送广告?想了解社交网络怎么推荐好友?想自己搭建一个推荐系统?想了解一些算法或架构从而将自己的推荐系统做得更好?InfoQ整理了一系列有关推荐系统的算法文章,以及从电商和社交网络方面选取的优秀案例 [1] [1] http://www.infoq.com/cn/news/2015/12/Algorithm-case-10

推荐系统的10篇精选技术文章

机器学习项目中常见的误区

来自 @数据分析 好东西传送门整理

关键词:Ben Hamner, Kaggle

【机器学习项目中常见的误区】 在最近的一次报告中,Ben Hamner向我们介绍了他和他的同事在Kaggle比赛中看到的一些机器学习项目的常见误区。这个报告名为《机器学习小精灵》。在这篇文章中,我们将从Ben的报告中了解一些常见的误区,它们是什么及如何避免陷入这些误区。 [1] [1] http://www.lovedata.cn/xinshouleyuan/2015/0924/5849.html

ICML15精品论文推荐

来自 @iB37 好东西传送门整理

关键词:会议活动, 算法, 应用, ICML, 会议, 集成学习, 信息检索

ICML15 1)最佳论文:雅虎普林斯顿Optimal and Adaptive Algorithms for Online Boosting[Beygelzimer,ICML15] 麻省理工A Nearly-Linear Time Framework for Graph-Structured Sparsity[Hegde,ICML15] 2)十年时间检验:微软Learning to Rank using Gradient Descen[Burges,ICML05] [1] [1] http://icml.cc/2015/?page_id=51

ICML15精品论文推荐

机器学习在推荐系统中的应用(MLSS’15)讲义

来自 @爱可可-爱生活 好东西传送门整理

关键词:深度学习, 应用, 资源, Sydney Alexandros Karatzoglou, 幻灯片, 课程, 推荐系统, 信息检索

【机器学习在推荐系统中的应用(MLSS’15)讲义】《Machine Learning for Recommender Systems MLSS 2015 Sydney》 [1] Alexandros Karatzoglou在MLSS 2015上的报告,共200多页,包括RBM、RNN、FM、Learning to Rank等在推荐系统中的应用,有一定探索性,值得一读 云: [2] [1] http://www.slideshare.net/kerveros99/machine-learning-for-recommender-systems-mlss-2015-sydney

[2] http://pan.baidu.com/s/1kTABgvP

机器学习在推荐系统中的应用(MLSS’15)讲义

Kevin Duh关于深度学习的两个教程

来自 @鲍捷AI 好东西传送门整理

关键词:深度学习, 资源, 自然语言处理, Kevin Duh, 课程

Kevin Duh关于深度学习的这两个教程不错,面带到了,深度适当,比较好懂.Deep Learning: An Introduction from the NLP Perspective [1] Recent Advances in Deep Learning [2] [1] http://speakerdeck.com/baojie/deep-learning-an-introduction-from-the-nlp-perspective-by-kevin-duh

[2] http://speakerdeck.com/baojie/recent-advances-in-deep-learning-by-kevin-duh

完整版

点此链接查看全部34条:http://ml.memect.com/archive/2015-12-27/long.html


发表评论

电子邮件地址不会被公开。 必填项已用*标注