18年秋季阅读计划
Contents
包括书和paper和感兴趣的topic
推荐系统实战
- 好的推荐系统
- 利用用户行为数据
- 推荐系统冷启动问题
- 利用用户标签数据
- 利用上下文信息
- 利用社交网络数据
- 推荐系统实例
- 评分预测问题
(已读完, 总结中)
贝叶斯方法: 概率编程与贝叶斯推断
- 贝叶斯推断的哲学 (8/9)
- 进一步了解PyMC (8/10-8/12)
- 打开MCMC的黑盒子
- 从未言明的最伟大定理
- 失去一只手臂还是一条腿
- 弄清楚先验
- 贝叶斯A/B测试
Python核心编程
(8/14-8/18读完第一部分)
- 欢迎来到Python世界
- 快速入门
- Python基础
- Python对象
- 数字
- 序列：字符串、列表和元组
- 映像和集合类型
- 条件和循环
- 文件和输入输出
- 错误和异常
- 函数和函数式编程
- 模块
- 面向对象编程
- 执行环境
- 正则表达式
- 网络编程
- 网络客户端编程
- 多线程编程
- 图形用户界面编程
- Web编程
- 数据库编程
- 扩展Python
- 其他话题
利用Python进行数据分析
- 准备工作
- 引言
- IPython：一种交互式计算和开发环境
- NumPy基础：数组和矢量计算
- pandas入门
- 数据加载、存储与文件格式
- 数据规整化：清理、转换、合并、重塑
- 绘图和可视化
- 数据聚合与分组运算
- 时间序列
- 金融和经济数据应用
- NumPy高级应用
深度学习
- 引言
- 线性代数
- 概率与信息论
- 数值计算
- 机器学习基础
- 深度前馈网络
- 深度学习中的正则化
- 深度模型中的优化
- 卷积网络
- 序列建模：循环和递归网络
- 实践方法论
- 应用
- 线性因子模型
- 自编码器
- 表示学习
- 深度学习中的结构化概率模型
- 蒙特卡罗方法
- 直面配分函数
- 近似推断
- 深度生成模型
Paper
- Wide & Deep Learning for Recommender Systems: 谷歌利用深度学习做推荐的思路
- Factorization Machines: 广告click model的一个强大解决方案
待续