今天分享:
(1)如何应用RNN於客户流失预测问题;
(2)如何用新平台Datmo更方便的追踪丶共享你的Data和机器学习项目;
(3)GAN资料汇总;
(4)最短学习课程设计;
(5)深度学习论文集;
1.【博客】 WTTE-RNN - Less hacky churn prediction
简介:
1.客户流失预测问题的困难点
2.删失数据的模型
3.如何用RNN训练删失数据
4.实现WTTE-RNN
5.总结
原文链接:https://ragulpr.github.io/2016/12/22/WTTE-RNN-Hackless-churn-modeling/#what-we-want-in-a-churn-model
2.【博客】Tracking, Reproducibility and Collaboration in Data Projects
简介:
此文介绍Datmo如何更方便的追踪丶共享你的Data和机器学习项目
网站:https://datmo.io/
短片介绍:https://www.youtube.com/watch?v=5Oxqybt4iyo
原文链接:https://hackernoon.com/tracking-and-reproducibility-in-data-projects-af64ce109774
3.【代码】Delving deep into Generative Adversarial Networks (GANs)
简介:
该专题是关于生成对抗网络(GAN)及其应用程序的最新出版物和资料的清单。
原文链接:https://github.com/GKalliatakis/Delving-deep-into-GANs
4.【博客】Learn deep learning, from novice to advanced, self-paced
简介:
该教程最大化了学习曲线,即在最短的时间内学习最多的内容。教程涵盖了从基础深入学习到一年内完成研究的主题!它们比典型的深度学习课程涵盖的材料要大很多,而且需要较少的时间。
原文链接:https://www.commonlounge.com/discussion/81f5bbcfea4e44b9b2bd081d1ea536ac/main?r=fbdltp
5.【论文】Awesome Deep learning papers and other resources
简介:
最近有关深度学习和深度强化学习的论文清单。他们按照时间排序,我们还会持续更新。
原文链接:https://github.com/endymecy/awesome-deeplearning-resources