推廣搜 軍火庫(kù)【持續(xù)更新】

作者：楊夕

NLP論文學(xué)習(xí)筆記：https://github.com/km1994/nlp_paper_study

個(gè)人介紹：大佬們好，我叫楊夕，該項(xiàng)目主要是本人在研讀頂會(huì)論文和復(fù)現(xiàn)經(jīng)典論文過(guò)程中，所見(jiàn)、所思、所想、所聞，可能存在一些理解錯(cuò)誤，希望大佬們多多指正。

NLP 百面百搭 地址：https://github.com/km1994/NLP-Interview-Notes

推薦系統(tǒng) 百面百搭 地址：https://github.com/km1994/RES-Interview-Notes

關(guān)注公眾號(hào) 【關(guān)于NLP那些你不知道的事】 加入 【NLP && 推薦學(xué)習(xí)群】一起學(xué)習(xí)?。?！

一、小白 AI 入門學(xué)習(xí)

1.1 機(jī)器學(xué)習(xí)入門

• 【吳恩達(dá)機(jī)器學(xué)習(xí)系列課程】 https://www.bilibili.com/video/BV164411b7dx?from=search&seid=18138466354258018449&spm_id_from=333.337.0.0

1.2 NLP 入門

• 【2021吳恩達(dá)深度學(xué)習(xí)-NLP序列模型】https://www.bilibili.com/video/BV1Co4y1279R?from=search&seid=17563746002586971760&spm_id_from=333.337.0.0

1.3 計(jì)算廣告 入門

• 【互聯(lián)網(wǎng)廣告與計(jì)算廣告學(xué)入門】http://web.stanford.edu/class/msande239/

• Lecture 1: Introduction, Supplementary notes

• Lecture 2: Marketplace design, In class presentation, Supplementary notes

• Lecture 3: Sponsored search 1, In class presentation

• Lecture 4: Sponsored search 2, In class presentation

• Lecture 5: Display advertising 1, In class presentation

• Lecture 6: Display advertising 2, In class presentation

• Lecture 7: Targeting, In class presentation

• Lecture 8: Recommender systems, In class presentation 1, In class presentation 2

• Lecture 9: Mobile, video, and other emerging formats, In class presentation 1, In class presentation 2

• 【劉鵬 – 計(jì)算廣告學(xué)（推薦）】http://study.163.com/course/introduction.htm?courseId=321007

• 介紹：劉鵬老師目前在360任商業(yè)產(chǎn)品首席架構(gòu)師，在互聯(lián)網(wǎng)廣告領(lǐng)域?qū)崙?zhàn)經(jīng)驗(yàn)豐富。其課程《計(jì)算廣告學(xué)》內(nèi)容深入淺出，由廣告歷史模式到新近技術(shù)，非常適合剛接觸領(lǐng)域的朋友學(xué)習(xí)。

• 廣告的基本知識(shí)

• 合約廣告系統(tǒng)

• 受眾定向

• 競(jìng)價(jià)廣告系統(tǒng)

• 搜索廣告與廣告網(wǎng)絡(luò)Demand技術(shù)

• 廣告交易市場(chǎng)

• 【百度 – 計(jì)算廣告學(xué)】http://openresearch.baidu.com/courses/1231.jhtml

• 計(jì)算廣告學(xué)概述

• 搜索引擎廣告原理、技術(shù)和工程實(shí)踐

• 內(nèi)容匹配廣告與展示廣告原理、技術(shù)和實(shí)踐

• 【王勇睿 – 互聯(lián)網(wǎng)廣告算法與系統(tǒng)實(shí)踐】http://yuedu.baidu.com/ebook/3e31c551964bcf84b9d57bc0.html

• 介紹：王老師是淘寶定向廣告算法負(fù)責(zé)人。其課程結(jié)合了淘寶的廣告實(shí)踐經(jīng)驗(yàn)，從廣告理論到系統(tǒng)的技術(shù)實(shí)踐，非常值得從業(yè)技術(shù)人員學(xué)習(xí)。

• 互聯(lián)網(wǎng)廣告簡(jiǎn)介

• 搜索廣告

• 定向廣告

• 實(shí)時(shí)廣告競(jìng)價(jià)

• 廣告系統(tǒng)架構(gòu)及挑戰(zhàn)

• 【UCS -計(jì)算廣告學(xué)入門】http://classes.soe.ucsc.edu/ism293/Spring09/index_archivos/Page456.html

• Introduction and Overview

• Information Retrieval (IR) for Computational

• Marketplace design

• Machine Learning Techniques

• Sponsored Search I

• Sponsored Search II

• Graphical ads and guaranteed delivery

• Contextual Advertising I

• Contextual Advertising II

• Behavioral Targeting (BT)

二、推廣搜論文學(xué)習(xí)筆記

• 【NLP 學(xué)習(xí)筆記】：https://github.com/km1994/RS_paper_study

• 【推薦系統(tǒng) 學(xué)習(xí)筆記】：https://github.com/km1994/RS_paper_study

• 【GCN 學(xué)習(xí)筆記】：https://github.com/km1994/GCN_study

• 【計(jì)算廣告論文及資料列表github repo】 https://github.com/wzhe06/Ad-papers

• 【推薦系統(tǒng)論文及資料列表github repo】https://github.com/wzhe06/Reco-papers

三、推廣搜 面經(jīng)篇

• 【NLP百面百搭】 https://github.com/km1994/NLP-Interview-Notes

• 【推薦系統(tǒng)百面百搭】 https://github.com/km1994/RES-Interview-Notes

• 待續(xù)

四、框架篇

4.1 Pytorch 學(xué)習(xí)

• 【PyTorch英文版官方手冊(cè)】https://pytorch.org/tutorials/

• 介紹：PyTorch英文版官方手冊(cè)：https://pytorch.org/tutorials/。對(duì)于英文比較好的同學(xué)，非常推薦該P(yáng)yTorch官方文檔，一步步帶你從入門到精通。該文檔詳細(xì)的介紹了從基礎(chǔ)知識(shí)到如何使用PyTorch構(gòu)建深層神經(jīng)網(wǎng)絡(luò)，以及PyTorch語(yǔ)法和一些高質(zhì)量的案例。

• 【PyTorch中文官方文檔】https://pytorch-cn.readthedocs.io/zh/latest/

• 介紹：PyTorch中文官方文檔：https://pytorch-cn.readthedocs.io/zh/latest/。閱讀上述英文文檔比較困難的同學(xué)也不要緊，我們?yōu)榇蠹覝?zhǔn)備了比較官方的PyTorch中文文檔，文檔非常詳細(xì)的介紹了各個(gè)函數(shù)，可作為一份PyTorch的速查寶典。

• 【偏算法實(shí)戰(zhàn)的PyTorch代碼教程】https://github.com/yunjey/pytorch-tutorial

• 介紹：這是一個(gè)比較偏算法實(shí)戰(zhàn)的PyTorch代碼教程，在github上有很高的star，https://github.com/yunjey/pytorch-tutorial。建議大家在閱讀本文檔之前，先學(xué)習(xí)上述兩個(gè)PyTorch基礎(chǔ)教程。

• 【Pytorch 開(kāi)源書籍】https://github.com/zergtant/pytorch-handbook

• 介紹：介紹一本開(kāi)源書籍：https://github.com/zergtant/pytorch-handbook。這是一本開(kāi)源的書籍，目標(biāo)是幫助那些希望和使用PyTorch進(jìn)行深度學(xué)習(xí)開(kāi)發(fā)和研究的朋友快速入門。但本文檔不是內(nèi)容不是很全，還在持續(xù)更新中。

• 【《動(dòng)手學(xué)深度學(xué)習(xí)》pytorch】http://tangshusen.me/Dive-into-DL-PyTorch/#/

• 【Pytorch模型訓(xùn)練實(shí)用教程】https://github.com/km1994/PyTorch_Tutorial

• 【Pytorch 進(jìn)階 NLP 實(shí)戰(zhàn)】https://github.com/km1994/NLP_pytorch_project

• 【ark-nlp NLP 工具庫(kù)】https://github.com/xiangking/ark-nlp

• 介紹：王翔大佬開(kāi)源的 軍火庫(kù)，主要是收集和復(fù)現(xiàn)學(xué)術(shù)與工作中常用的NLP模型

4.2 tensorflow 學(xué)習(xí)

• 【TensorFlow 官網(wǎng)】https://www.tensorflow.org/tutorials

• 介紹：官網(wǎng)教程絕對(duì)是最香的學(xué)習(xí)資料

• 【TensorFlow Examples】https://github.com/aymericdamien/TensorFlow-Examples

• 介紹：適合初學(xué)者的Tensorflow教程和代碼示例：https://github.com/aymericdamien/TensorFlow-Examples。該教程不光提供了一些經(jīng)典的數(shù)據(jù)集，更是從實(shí)現(xiàn)最簡(jiǎn)單的“Hello World”開(kāi)始，到機(jī)器學(xué)習(xí)的經(jīng)典算法，再到神經(jīng)網(wǎng)絡(luò)的常用模型，一步步帶你從入門到精通，是初學(xué)者學(xué)習(xí)Tensorflow的最佳教程。

• 【TensorFlow Tutorials】https://github.com/pkmital/tensorflow_tutorials

• 介紹：從Tensorflow基礎(chǔ)知識(shí)到有趣的項(xiàng)目應(yīng)用：https://github.com/pkmital/tensorflow_tutorials。同樣是適合新手的教程，從安裝到項(xiàng)目實(shí)戰(zhàn)，教你搭建一個(gè)屬于自己的神經(jīng)網(wǎng)絡(luò)。

• 【Tensorflow Tutorials using Jupyter Notebook】https://github.com/sjchoi86/Tensorflow-101

• 介紹：使用Jupyter Notebook用Python語(yǔ)言編寫的TensorFlow教程：https://github.com/sjchoi86/Tensorflow-101。本教程是基于Jupyter Notebook開(kāi)發(fā)環(huán)境的Tensorflow教程，Jupyter Notebook是一款非常好用的交互式開(kāi)發(fā)工具，不僅支持40多種編程語(yǔ)言，還可以實(shí)時(shí)運(yùn)行代碼、共享文檔、數(shù)據(jù)可視化、支持markdown等，適用于機(jī)器學(xué)習(xí)、統(tǒng)計(jì)建模數(shù)據(jù)處理、特征提取等多個(gè)領(lǐng)域。

• 【TensorFlow_Exercises】https://github.com/terryum/TensorFlow_Exercises

• 介紹：Tensorflow代碼練習(xí)：https://github.com/terryum/TensorFlow_Exercises。一個(gè)從易到難的Tensorflow代碼練習(xí)手冊(cè)。非常適合學(xué)習(xí)Tensorflow的小伙伴。

• 【BERT和ALBERT在下游任務(wù)中的應(yīng)用】https://github.com/km1994/bert-for-task

• 介紹：Bert 在 NLP 任務(wù)中的 實(shí)現(xiàn)

4.3 keras 學(xué)習(xí)

• 【bert4keras】https://github.com/bojone/bert4keras

• 介紹：蘇神開(kāi)源的軍火庫(kù)，重新實(shí)現(xiàn)的keras版的transformer模型庫(kù)，致力于用盡可能清爽的代碼來(lái)實(shí)現(xiàn)結(jié)合transformer和keras。

五、競(jìng)賽篇

5.1 國(guó)內(nèi)競(jìng)賽

• 【科大訊飛開(kāi)發(fā)者大賽】http://challenge.xfyun.cn/

• 【阿里天池】https://tianchi.aliyun.com/

• 【biendata】https://www.biendata.xyz/

• 【datafountain】https://www.datafountain.cn/

• 【百度飛槳】https://aistudio.baidu.com/

5.2 競(jìng)賽公眾號(hào)

• 【麻婆豆腐AI】

• 介紹：會(huì)介紹 最近可以參加的一些賽事

• 【ChallengeHub】

• 介紹：分享一些 ML/CV/NLP 數(shù)據(jù)挖掘競(jìng)賽經(jīng)驗(yàn) 和 baseline，競(jìng)賽小白強(qiáng)烈推薦

5.3 NLP 競(jìng)賽軍火庫(kù)

• 【NLP人軍火庫(kù) 工具庫(kù)】https://github.com/TingFree/NLPer-Arsenal

• 介紹：NLP人軍火庫(kù)，主要收錄NLP競(jìng)賽策略實(shí)現(xiàn)、各任務(wù)教程、經(jīng)驗(yàn)貼、學(xué)習(xí)資料以及會(huì)議時(shí)間等

• 【CHIP2021-Task3-臨床術(shù)語(yǔ)標(biāo)準(zhǔn)化任務(wù) 開(kāi)源方案】https://github.com/DataArk/CHIP2021-Task3-Top3

• 評(píng)測(cè)網(wǎng)站: http://cips-chip.org.cn/2021/eval3

• 所有的代碼都是基于我們開(kāi)源的ark-nlp實(shí)現(xiàn)。本次CHIP2021的臨床術(shù)語(yǔ)標(biāo)準(zhǔn)化任務(wù)是沒(méi)有A榜的，所以代碼調(diào)試都是在天池的中文醫(yī)療信息處理數(shù)據(jù)集CBLUE的臨床術(shù)語(yǔ)標(biāo)準(zhǔn)化任務(wù)上完成的

• ark-nlp地址：https://github.com/xiangking/ark-nlp

• 中文醫(yī)療信息處理數(shù)據(jù)集CBLUE:https://tianchi.aliyun.com/dataset/dataDetail?dataId=95414

• 【CHIP2021醫(yī)學(xué)對(duì)話臨床發(fā)現(xiàn)陰陽(yáng)性判別任務(wù)冠軍 開(kāi)源方案】https://github.com/DataArk/CHIP2021-Task1-Top1

• 名稱：CBLUE: A Chinese Biomedical Language Understanding Evaluation Benchmark

• 測(cè)評(píng)任務(wù)：CBLUE 1.0是由CHIP會(huì)議往屆的學(xué)術(shù)評(píng)測(cè)比賽和阿里夸克醫(yī)療搜索業(yè)務(wù)的數(shù)據(jù)集組成，包括醫(yī)學(xué)文本信息抽取（實(shí)體識(shí)別、關(guān)系抽?。?、醫(yī)學(xué)術(shù)語(yǔ)歸一化、醫(yī)學(xué)文本分類、醫(yī)學(xué)句子關(guān)系判定和醫(yī)學(xué)QA共5大類任務(wù)8個(gè)子任務(wù)。

• 任務(wù)類型：文本分類、文本相似、命名實(shí)體識(shí)別、關(guān)系抽取和術(shù)語(yǔ)標(biāo)準(zhǔn)化（可以看成沒(méi)有上下文的實(shí)體鏈接任務(wù)）

• 測(cè)評(píng)鏈接：https://tianchi.aliyun.com/dataset/dataDetail?dataId=95414

• 【CBLUE-阿里天池中文醫(yī)療NLP打榜Baseline】https://github.com/DataArk/CBLUE-Baseline

• 【山東大數(shù)據(jù)競(jìng)賽—網(wǎng)格事件智能分類 baseline】 https://github.com/xiangking/ShandongDataCompetition2021-grid-events-classification-baseline

• 測(cè)評(píng)任務(wù)：基于網(wǎng)格事件數(shù)據(jù)，對(duì)網(wǎng)格中的事件內(nèi)容進(jìn)行提取分析，對(duì)事件的類別進(jìn)行劃分，具體為根據(jù)提供的事件描述，對(duì)事件所屬政務(wù)類型進(jìn)行劃分

• 任務(wù)類型：文本分類

• 測(cè)評(píng)鏈接：http://data.sd.gov.cn/cmpt/cmptDetail.html?id=67

六、語(yǔ)料篇

6.1 NLP 語(yǔ)料

• 【nlp_chinese_corpus 】https://github.com/brightmart/nlp_chinese_corpus

• 介紹：大規(guī)模中文自然語(yǔ)言處理語(yǔ)料 Large Scale Chinese Corpus for NLP

6.2 推薦系統(tǒng) 語(yǔ)料

• 【MovieLens】https://grouplens.org/datasets/movielens/

• 介紹：MovieLens數(shù)據(jù)集由GroupLens研究組在 University of Minnesota — 明尼蘇達(dá)大學(xué)（與我們使用數(shù)據(jù)集無(wú)關(guān)）中組織的。MovieLens是電影評(píng)分的集合，有各種大小。數(shù)據(jù)集命名為1M，10M和20M，是因?yàn)樗鼈儼?,10和20萬(wàn)個(gè)評(píng)分。最大的數(shù)據(jù)集使用約14萬(wàn)用戶的數(shù)據(jù)，并覆蓋27,000部電影。除了評(píng)分之外，MovieLens數(shù)據(jù)還包含類似“Western”的流派信息和用戶應(yīng)用的標(biāo)簽，如“over the top”和“Arnold Schwarzenegger”。這些流派標(biāo)記和標(biāo)簽在構(gòu)建內(nèi)容向量方面是有用的。內(nèi)容向量對(duì)項(xiàng)目的信息進(jìn)行編碼，例如顏色，形狀，流派或真正的任何其他屬性 - 可以是用于基于內(nèi)容的推薦算法的任何形式。

• 【Book-Crossings】

• 介紹：Book-Crossings是由Cai-Nicolas Ziegler根據(jù)http://bookcrossing.com的數(shù)據(jù)編寫的圖書評(píng)分?jǐn)?shù)據(jù)集。它包含90000個(gè)用戶的270000本書的110萬(wàn)個(gè)評(píng)分。評(píng)分范圍從1到10，還包括隱性評(píng)分。

• 【Last.fm】http://www2.informatik.uni-freiburg.de/~cziegler/BX/

• 介紹：Last.fm提供音樂(lè)推薦的數(shù)據(jù)集。對(duì)于數(shù)據(jù)集中的每個(gè)用戶，包含他們最受歡迎的藝術(shù)家的列表以及播放次數(shù)。它還包括可用于構(gòu)建內(nèi)容向量的用戶應(yīng)用標(biāo)簽。

• 【Dating Agency】（http://www2.informatik.uni-freiburg.de/~cziegler/BX/）

• 介紹：該數(shù)據(jù)集包含2006年4月4日導(dǎo)出的135,359位LibimSeTi用戶對(duì)168,791個(gè)配置文件的17,359,346個(gè)匿名評(píng)分。

• 其他：https://zhuanlan.zhihu.com/p/258566760

七、項(xiàng)目篇

7.1 NLP 項(xiàng)目軍火庫(kù)學(xué)習(xí)

• 【知識(shí)圖譜構(gòu)建 DeepKg】https://github.com/powerycy/DeepKg

• 介紹：本項(xiàng)目致力于知識(shí)圖譜的構(gòu)建，目前正一點(diǎn)一點(diǎn)搭建其方法，也希望能幫助更多的人，

7.2 推薦系統(tǒng) 項(xiàng)目軍火庫(kù)學(xué)習(xí)

• 【fun-rec】https://github.com/datawhalechina/fun-rec

• 介紹：主要是針對(duì)具有機(jī)器學(xué)習(xí)基礎(chǔ)并想找推薦算法崗位的同學(xué)，教程由推薦算法基礎(chǔ)、推薦算法入門賽、新聞推薦項(xiàng)目及推薦算法面經(jīng)組成，形成了一個(gè)完整的從基礎(chǔ)到實(shí)戰(zhàn)再到面試的閉環(huán)。

• 【RecSys】https://github.com/qcymkxyc/RecSys

• 介紹：項(xiàng)亮的《推薦系統(tǒng)實(shí)踐》的代碼實(shí)現(xiàn)

7.3 搜索引擎 項(xiàng)目軍火庫(kù)學(xué)習(xí)

• 【搜索引擎項(xiàng)目 開(kāi)源】https://github.com/zuo369301826/Search_Project

• 項(xiàng)目介紹：模擬百度搜索的方式實(shí)現(xiàn)站內(nèi)搜索引擎，整個(gè)項(xiàng)目分為兩大部分，HTTP服務(wù)器和搜索服務(wù)器：HTTP服務(wù)器來(lái)獲取用戶的請(qǐng)求，并分析請(qǐng)求以便獲取我們所需要的特定信息，之后將信息傳給搜索服務(wù)器；搜索服務(wù)器會(huì)根據(jù)這些信息進(jìn)行處理并檢索數(shù)據(jù)，將結(jié)果反饋給HTTP服務(wù)器，HTTP服務(wù)器收到索引結(jié)果將其打印到頁(yè)面上

• 項(xiàng)目特點(diǎn)：1. 使用到Google提供的 protobuf, gflag, glog 等開(kāi)源框架來(lái)完成開(kāi)發(fā)；2. 搜索服務(wù)器利用RPC協(xié)議，基于百度開(kāi)源的高性能RPC框架 sofa-pbrpc 實(shí)現(xiàn)；3.搜索原理是以正排索引加倒排索引相結(jié)合的方式進(jìn)行檢索；4. HTTP服務(wù)器使用epoll模型，提高了并發(fā)的響應(yīng)速度；5. HTTP服務(wù)器以CGI的方式調(diào)用搜索客戶端完成檢索功能

• 【Elastic】https://www.elastic.co/cn/

• 介紹：Elasticsearch 是一個(gè)分布式、RESTful 風(fēng)格的搜索和數(shù)據(jù)分析引擎，能夠解決不斷涌現(xiàn)出的各種用例。作為 Elastic Stack 的核心，它集中存儲(chǔ)您的數(shù)據(jù)，幫助您發(fā)現(xiàn)意料之中以及意料之外的情況。

• 【Nutch】http://nutch.sourceforge.net/docs/zh/about.html

• 介紹：Nutch 是一個(gè)剛剛誕生開(kāi)放源代碼(open-source)的web搜索引擎。在它的主頁(yè)有中文詳細(xì)的說(shuō)明。

• 【Lucene】http://jakarta.apache.org/lucene/docs/index.html

• 介紹：Apache Lucene是一個(gè)開(kāi)放源程序的搜尋器引擎，利用它可以輕易地為Java軟件加入全文搜尋功能。Lucene的最主要工作是替文件的每一個(gè)字作索引，索引讓搜尋的效率比傳統(tǒng)的逐字比較大大提高，Lucen提供一組解讀，過(guò)濾，分析文件，編排和使用索引的API，它的強(qiáng)大之處除了高效和簡(jiǎn)單外，是最重要的是使使用者可以隨時(shí)應(yīng)自已需要自訂其功能。

• 【Egothor】http://www.egothor.org/

• 介紹：Egothor是一個(gè)用Java編寫的開(kāi)源而高效的全文本搜索引擎。借助Java的跨平臺(tái)特性，Egothor能應(yīng)用于任何環(huán)境的應(yīng)用，既可配置為單獨(dú)的搜索引擎，又能用于你的應(yīng)用作為全文檢索之用。

• 【Oxyus】http://oxyus.sourceforge.net/

• 介紹：是一個(gè)純java寫的web搜索引擎。

• 【BDDBot】http://www.twmacinta.com/bddbot/

• 介紹：BDDBot是一個(gè)簡(jiǎn)單的易于理解和使用的搜索引擎。它目前在一個(gè)文本文件(urls.txt)列出的URL中爬行，將結(jié)果保存在一個(gè)數(shù)據(jù)庫(kù)中。它也支持一個(gè)簡(jiǎn)單的Web服務(wù)器，這個(gè)服務(wù)器接受來(lái)自瀏覽器的查詢并返回響應(yīng)結(jié)果。它可以方便地集成到你的Web站點(diǎn)中。

7.4 計(jì)算廣告 項(xiàng)目軍火庫(kù)學(xué)習(xí)

• 【美團(tuán)DSP廣告策略實(shí)踐】https://tech.meituan.com/2017/05/05/mt-dsp.html

• 【互聯(lián)網(wǎng)廣告與計(jì)算廣告學(xué)入門】http://web.stanford.edu/class/msande239/

八、公眾號(hào)篇

• 關(guān)于NLP那些你不知道的事

• 介紹：關(guān)于NLP那些你不知道的事

• CS的陋室

• 介紹：叉燒大佬的經(jīng)驗(yàn)分享帖，遇到問(wèn)題先翻該公眾號(hào)，可能會(huì)有意想不到的收獲。

• DataArk

• 介紹：DataArk以數(shù)據(jù)為驅(qū)動(dòng)、以開(kāi)源分享為導(dǎo)向，致力于數(shù)據(jù)挖掘、算法創(chuàng)新和實(shí)用工具的開(kāi)發(fā)。

• 智能推薦系統(tǒng)

• 介紹：專注于智能推薦系統(tǒng)，這里有最新最全的個(gè)性化推薦相關(guān)算法和行業(yè)應(yīng)用分享，歡迎關(guān)注，和你在推薦的海洋中一起遨游，共同探索未知新世界。

• DataFunTalk

• 介紹：專注于大數(shù)據(jù)、人工智能技術(shù)應(yīng)用的分享與交流。致力于成就百萬(wàn)數(shù)據(jù)科學(xué)家。定期組織技術(shù)分享直播，并整理大數(shù)據(jù)、推薦/搜索算法、廣告算法、NLP自然語(yǔ)言處理算法、智能風(fēng)控、自動(dòng)駕駛、機(jī)器學(xué)習(xí)/深度學(xué)習(xí)等技術(shù)應(yīng)用文章。

• RUC Al Box

• 介紹：本公眾號(hào)主要關(guān)注使用人工智能技術(shù)來(lái)解決自然語(yǔ)言處理與社交媒體數(shù)據(jù)挖掘的研究?jī)?nèi)容。分享Al前沿，解讀熱點(diǎn)論文。

• NewBeeNLP

• 介紹：會(huì)介紹 很多 NLP 優(yōu)秀筆記

• 開(kāi)放知識(shí)圖譜

• 介紹：openKG:開(kāi)放促進(jìn)互聯(lián)、鏈接創(chuàng)造價(jià)值

• WeData365

• 介紹：學(xué)習(xí) 【搜索引擎】 的小伙伴一定要關(guān)注，因?yàn)橛泻芏?【搜索引擎】 干貨分享

• 科學(xué)空間

• 介紹：蘇神的公眾號(hào)，每周四蘇神都會(huì)開(kāi)源他的研究筆記。

• 老劉說(shuō)NLP

• 介紹：360人工智能研究院大佬劉煥勇劉大佬的公眾號(hào)，定期發(fā)布語(yǔ)言資源、工程實(shí)踐、技術(shù)總結(jié)等內(nèi)容。

• 數(shù)據(jù)拾光者

• 介紹：學(xué)習(xí) 【廣告】 的小伙伴一定要關(guān)注，因?yàn)橛泻芏?【廣告】 干貨分享

• 泛函的范

• 介紹：鵝廠大佬的學(xué)習(xí)筆記分享

• 計(jì)算廣告那些事

• 介紹：學(xué)習(xí) 【廣告】 的小伙伴一定要關(guān)注，因?yàn)橛泻芏?【廣告】 干貨分享

• 藥老算法

• 介紹：學(xué)習(xí) 【搜索引擎】 的小伙伴一定要關(guān)注，因?yàn)橛泻芏?【搜索引擎】 干貨分享

• 機(jī)器學(xué)習(xí)算法與自然語(yǔ)言處理

• 介紹：一個(gè)有情懷的公眾號(hào)。機(jī)器學(xué)習(xí)、自然語(yǔ)言處理、算法等知識(shí)集中營(yíng)、期待與你相遇~

• 王喆的機(jī)器學(xué)習(xí)筆記

• 介紹：推薦系統(tǒng)，計(jì)算廣告，機(jī)器學(xué)習(xí)領(lǐng)域前沿進(jìn)展

• AINLP

• 介紹：關(guān)注AI、NLP、機(jī)器學(xué)習(xí)、推薦系統(tǒng)、計(jì)算廣告等相關(guān)技術(shù)。公眾號(hào)可直接對(duì)話雙語(yǔ)聊天機(jī)器人，嘗試自動(dòng)對(duì)聯(lián)、作詩(shī)機(jī)、藏頭詩(shī)生成器，調(diào)戲夸夸機(jī)器人、彩虹屁生成器，使用中英翻譯，查詢相似詞，測(cè)試NLP相關(guān)工具包。

• 李rumor

• 介紹：李rumor 小姐姐 的學(xué)習(xí)筆記分享

• 夕小瑤的賣萌屋

• 介紹：自然語(yǔ)言處理、計(jì)算機(jī)視覺(jué)、信息檢索、推薦系統(tǒng)、機(jī)器學(xué)習(xí)

九、學(xué)習(xí)筆記

• 科學(xué)空間：

• 地址：https://spaces.ac.cn/

• 介紹：蘇神經(jīng)驗(yàn)學(xué)習(xí)筆記分享

• 魔法學(xué)院的Chilia

• 地址：https://www.zhihu.com/people/wang-zi-han-81-18/posts

• 方向：推薦系統(tǒng) | 廣告 | 搜索| NLP

• 水哥

• 地址：https://www.zhihu.com/people/shui-ge-99

• 方向：推薦系統(tǒng)

• JayJay

• 地址：https://www.zhihu.com/people/lou-jie-9

• 我想了很多事

• 地址：https://www.zhihu.com/people/yuan-chao-yi-83