优质博文或paper checklist

运筹优化

1.菜鸟双11“十亿级包裹”之战

本文将主要从包裹预测、供应链入库、订单下沉、订单路由调度、电子面单及智能分单，以及在末端小件员方面的一些技术探索实践，通过数据和技术的力量，捍卫这场十亿级包裹的双11之战。
阅览地址

2.生活中难以察觉的高科技：海量数据实时处理靠的是什么数学？

本文讲解了分布式优化和并行计算的区别，让读者对分布式优化的理解能够从仅停留在代数层面跨越到模型层面，启迪读者寻找拆分问题和拆分算法的方法。
地址

3.整数规划经典方法–割平面法（Cutting Plane Method）

会点开这篇文章的小伙伴应该已是运筹学的中级玩家，至少学过线性规划和整数规划了。Branch-and-Cut 以及Cutting Plane Method在整数规划有重要作用，这篇文章对其进行解释。
地址

4.混合整数规划/离散优化的精确算法–分支定界法及优化求解器

整数规划问题/混合整数规划问题多半是NP-hard的造成其求解计算复杂度非常高。分支定界法作为最常见的求解整数规划问题的方法被广泛的应用。本文着重介绍整数规划问题是什么，如何用分支定界法来求解整数规划问题，以及常用的优化算法求解器有哪些？
地址

5.不再Heuristic！面向非凸反问题的可学习迭代方法的收敛性

本文提出了针对非凸反问题的具有收敛性保证的可学习迭代方法框架，并提供了显式动量和隐式动量两种情况下的收敛性分析。该框架具有极高的灵活性，可以把大部分现有的可学习优化方法囊括进来并进行带有收敛性分析的改进。同时，该框架的理论结果也解释了可学习的深度网络能够学习到某一指定函数的下降方向，为网络的可解释性提供了一些可能性。在视觉问题上的实验也验证了本文方法的有效性。
地址

---

计算机视觉类文章

1. 图神经网路与3D视觉等

论文及项目源码
地址

---

人工智能算法相关

1.Understanding Categorical Cross-Entropy Loss, Binary Cross-Entropy Loss, Softmax Loss, Logistic Loss, Focal Loss and all those confusing names

People like to use cool names which are often confusing. When I started playing with CNN beyond single label classification, I got confused with the different names and formulations people write in their papers, and even with the loss layer names of the deep learning frameworks such as Caffe, Pytorch or TensorFlow. In this post I group up the different names and variations people use for Cross-Entropy Loss. I explain their main points, use cases and the implementations in different deep learning frameworks.

https://gombru.github.io/2018/05/23/cross_entropy_loss/

---

学习方法

1. 论文读不懂怎么办？

我在《如何与导师有效沟通你的论文选题？》一文给你讲过，一篇合格的论文，就是传递认知差的载体。
更进一步，不断涌现的论文，其实就是学术界的升级安装包。
地址

2.半年 5 战 5 金：Kaggle 史上最快 GrandMaster 是如何炼成的？

SueTao 擅长计算机视觉（Computer Vision），半年 5 战 5 金，也许是史上最快的 GrandMaster。截至目前共斩获 9 金 3 银，kaggle 最高排名全球第 10。
Kaggle profile
地址

---

Java 编程类文章

1.对Docker了解多少？10分钟带你从入门操作到实战上手

Docker简述
Docker是一种OS虚拟化技术，是一个开源的应用容器引擎。它可以让开发者将应用打包到一个可移植的容器中，并且该容器可以运行在几乎所有linux系统中（Windows10目前也原生支持，Win10前需要内置虚拟机），正所谓“一次打包，到处运行”。
地址

入门教程

https://www.cnblogs.com/ityouknow/p/8520296.html