18年秋季阅读计划


包括书和paper和感兴趣的topic

推荐系统实战

  • 好的推荐系统
  • 利用用户行为数据
  • 推荐系统冷启动问题
  • 利用用户标签数据
  • 利用上下文信息
  • 利用社交网络数据
  • 推荐系统实例
  • 评分预测问题

(已读完, 总结中)

贝叶斯方法: 概率编程与贝叶斯推断

  • 贝叶斯推断的哲学 (8/9)
  • 进一步了解PyMC (8/10-8/12)
  • 打开MCMC的黑盒子
  • 从未言明的最伟大定理
  • 失去一只手臂还是一条腿
  • 弄清楚先验
  • 贝叶斯A/B测试

Python核心编程

(8/14-8/18读完第一部分)

  • 欢迎来到Python世界
  • 快速入门
  • Python基础
  • Python对象
  • 数字
  • 序列:字符串、列表和元组
  • 映像和集合类型
  • 条件和循环
  • 文件和输入输出
  • 错误和异常
  • 函数和函数式编程
  • 模块
  • 面向对象编程
  • 执行环境
  • 正则表达式
  • 网络编程
  • 网络客户端编程
  • 多线程编程
  • 图形用户界面编程
  • Web编程
  • 数据库编程
  • 扩展Python
  • 其他话题

利用Python进行数据分析

  • 准备工作
  • 引言
  • IPython:一种交互式计算和开发环境
  • NumPy基础:数组和矢量计算
  • pandas入门
  • 数据加载、存储与文件格式
  • 数据规整化:清理、转换、合并、重塑
  • 绘图和可视化
  • 数据聚合与分组运算
  • 时间序列
  • 金融和经济数据应用
  • NumPy高级应用

深度学习

  • 引言
  • 线性代数
  • 概率与信息论
  • 数值计算
  • 机器学习基础
  • 深度前馈网络
  • 深度学习中的正则化
  • 深度模型中的优化
  • 卷积网络
  • 序列建模:循环和递归网络
  • 实践方法论
  • 应用
  • 线性因子模型
  • 自编码器
  • 表示学习
  • 深度学习中的结构化概率模型
  • 蒙特卡罗方法
  • 直面配分函数
  • 近似推断
  • 深度生成模型

Paper

待续