博客导航

推荐系统

推荐系统算法—协同过滤算法详解	推荐系统算法—隐语义模型（LFM）	GBDT + LR 理解与实践（附数据 + 代码）
FM系列—FM+FFM	FM系列—DeepFFM、DeepFM	Deep & Cross Network (DCN) 与 xDeepFM
DIN（Deep Interest Network）模型解读与Deepctr实现	DIEN（Deep Interest Evolution Network）模型解读与Deepctr实现

顶会复现

tensorflow2.0实现DeepFM	tensorflow2.0实现xDeepFM	AutoInt原理+实现代码+deepctr库实现
tensorflow2.0实现Deep & Cross Network(DCN)

图嵌入与图神经网络

【Graph Embedding】LINE的原理、核心代码及其应用	【Graph Embedding】图嵌入的最佳实践—EGES（Enhanced Graph Embedding with Side Information）	【Graph Embedding】node2vec的原理、核心算法及其应用
【Graph Embedding】SDNE（Structural Deep Network Embedding ）的原理，实现与应用	【Graph Neural Network】GCN基本原理与tensorflow2.0实现	【Graph Neural Network】GraphSAGE基本原理与tensorflow2.0实现
【Graph Neural Network】GAN基本原理与tensorflow2.0实现

竞赛TOP方案

智慧海洋建设TOP_1方案学习笔记	图灵邦联视频点击预测大赛TOP方案学习	用户套餐个性化推荐TOP方案学习
厦门国际银行 “数创金融杯”TOP方案学习

nlp

潜在语义分析（LSA）详解	概率潜在语义分析（ PLSA）详解	潜在狄利克雷分配（LDA）基础
语言模型基础	从one-hot represention到 word2vec	基于Hierarchical softmax的word2vec模型
基于Negative Sampling的word2vec模型	深入理解 Bert核心：Self-Attention与transformer	Bert模型的基本原理与Fine-tuning

深度学习基础 & tensorflow2.0学习

循环神经网络RNN	LSTM原理详解	BP神经网络
tensorflow2.0自定义loss,metrics,callback	tensorflow2.0实现复杂神经网络（多输入多输出nn，Resnet）	基于tensorflow2.0的RNN实战（单向RNN，双向RNN，Attention+RNN）
CNN的基本原理与实战(基于tensorflow2.0)	tensoflow2.0常见函数速查	tensorflow2.0教程—快速入门

机器学习

线性回归的详解	朴素贝叶斯详解	EM算法详解
EM应用—K均值聚类与混合高斯分布	条件随机场(CRF)详解	感知机模型
支持向量机—总述	支持向量机的软间隔最大化	支持向量机—核函数详解
支持向量机—SMO算法	线性可分支持向量机	最大熵模型详解
逻辑斯蒂回归	k近邻法（KNN）	softmax回归详解
决策树算法详解（上）	决策树算法详解（下）	AdaBoost详解
LightGBM详解	梯度提升树GBDT详解	XGBoost详解
提升树—回归提升树	主成分分析（PCA）详解	奇异值分解（SVD）详解
潜在语义分析（LSA）详解	概率潜在语义分析（ PLSA）详解	潜在狄利克雷分配（LDA）基础
机器学习(分类回归问题)常用评估指标

sklearn教程

LightGBM教程	Xgboost使用教程	sklearn中RandomForest详解
sklearn中的LogisticRegression	sklearn中的线性回归，岭回归

数据结构算法

Huffman编码	剑指offer_剪绳子	剑指offer-持续更新…