深度学习应用实践60讲学习心得

深度学习应用实践60讲学习心得

传统图像理解技术：图像分类的基本方法（1）    

传统图像理解技术：图像分类的基本方法（2）    

传统图像理解技术：图像分类的基本方法（3）    

传统图像理解技术：图像分类的问题描述    

传统图像理解技术：图像搜索系统（1）    

传统图像理解技术：图像搜索系统（2）    

传统图像理解技术：图像搜索系统（3）    

传统主流CTR预估方法：FM模型    

传统主流CTR预估方法：GBDT模型    

传统主流CTR预估方法：线性模型    

当深度学习遇到CTR预估    

典型网络融合结构之二：串行结构    

典型网络融合结构之一：并行结构    

构建领域知识图谱的挑战与解决方案    

互联网公司深度学习CTR案例：Google（1）    

互联网公司深度学习CTR案例：Google（2）    

互联网公司深度学习CTR案例：阿里巴巴    

互联网公司深度学习CTR案例：京东商城    

基于非结构化数据的知识抽取    

基于非结构化数据的知识抽取：实体识别    

基于非结构化数据的知识抽取：事件抽取    

基于分布式语义的知识表示与推理 基于翻译的模型TransE    

基于分布式语义的知识表示与推理 神经网络模型    

基于分布式语义的知识表示与推理 张量分解模型    

基于符号的知识表示与推理：Frame    

基于符号的知识表示与推理：Script    

基于符号的知识表示与推理：Semantic Net    

基于符号的知识表示与推理：谓词逻辑    

基于符号的知识表示与推理：语义网络    

基于结构化数据的知识抽取    

基于图计算的挖掘分析    

离散特征如何让DNN可以处理？（1）    

离散特征如何让DNN可以处理？（2）    

模型训练与优化    

如何定义图像理解？    

深度学习CTR预估模型：要解决的几个关键问题    

深度学习的基础模块    

深度学习的模型设计    

深度学习的训练技巧    

深度学习基础模型：CNN    

深度学习基础模型：LSTM    

深度学习基础模型：RNN    

深度学习基础模型：前向神经网络（MLP）    

深度学习图像理解技术：模型加速与优化    

深度学习图像理解技术：图像分类框架    

深度学习图像理解技术：物体检测分割与图像分类应用场景    

深度学习在各个领域的成功    

图像理解进阶    

图像理解有哪些研究内容？    

知识计算推理    

知识融合与质量评估    

知识图谱的发展回顾    

知识图谱的行业应用    

知识图谱的生命周期与技术难点    

知识图谱管理：图谱存储    

知识图谱管理之数据模型介绍    

知识图谱是什么？对我们有何帮助？    

知识图谱为什么火了？    

知识图谱小结