1.1.2 連線主義、符號主義
1.1.4 逐層預訓練
1.1.5深度學習用武之地
1.分類 andrew ng （rain, et al.2009）
2.結構分類 實時翻譯 鄧力（socher,et al 2013）(socher,et al.2012)(devlin,et al.2014)
skype translate介紹：
3.回歸
1.2.1 《計算機與人腦》（馮諾依曼）《理想國》《新工具》
1.5 hinton 2006 深度神經網路引數預訓練
vincent et al. 2008 自動編碼器 auto-encoder：
逐層訓練，最後微調（fine tuning），每層都盡量還原上一層的資訊。
統計機器翻譯中的ibm模型：用複雜模型的簡化版本進行訓練，並將簡化版本引數作為複雜模型的初始值。
em迭代方法嚴重依賴初始值。
1.6.1深度學習帶來了什麼
1.強調了資料的抽象
2.強調了特徵的自動學習
3.對連線主義的重現
1.6.2深度學習尚未做到什麼
1.缺少完善的理論
詭異的故事：你得到乙個很好的的模型，然後發現了乙個bug，修復bug以後發現效果明顯不如有bug的模型。
哈哈哈，上帝之手在干涉啊！
1.7回顧
受限波茲曼機
www.cs.toronto.edu/~hinton/
ufldl.stanford.edu./wiki/index.php/ufldl_tutorial
andrew ng寫的關於deep learning的tutorial
deeplearning.net/tutorial bengio組的tutorial
deeplearning.net/deep-learning-research-groups-and-labs 列舉了於深度學習相關的研究機構
2.4.1
實體識別，實體消歧
三元組例項
2.4.4知識表示
transe
bordes,et al. 2013
人類知識型別的探索 tenenbaum et al. 2011
2.6 知識表示，knowledge representation: russell & norvig 2009 了解發展歷程
3.3.1虛擬化技術
lxc docker
google file system(ghemawat et al. 2003) mapreduce(dean & ghemawat 2008)
bigtable(chang, et al. 2008)
yarn yet another resource negotiator
hbase實現bigtable**提出的基於列的分布式儲存
hadoop
zookeeper編寫分布式軟體所需的常用工具
2023年ibm watson 在《危險邊緣》節目中擊敗人類，也算是里程碑的一刻吧。
跟google的alphago擊敗李世乭的意義應該算差不多。
說明人工智慧在某一方面已經有能力碾壓人類了（後兩句是自己yy的）
問答系統的主要組成：
分類體系：平面分類、層次分類（uiuc分類體系、moldovan分類方法）
知識檢索：非結構化資訊檢索、結構化資訊檢索（百科知識）、推理
模板匹配、詞法，句法分析、
答案生成：候選答案定位、答案抽取、答案摘要（設計到搜尋引擎檢索到資訊以後做摘要的部分，提取主要內容）
創新地引入予以維度，語義維度是文件集合上相同、相關資訊的濃縮表示，將 文件->詞彙 表示方法轉變為 文件->語義->詞彙
潛在語義索引（latent semantic indexing lsi）:起源在檢索領域。用矩陣 an
m 表示，語料庫n個文件，m個詞.接下來做svd分解a=
tsdt
參差多型乃是幸福之本源—-羅素———–很有道理
2023年美國明尼蘇達大學grouplens研究組推出grouplens系統（resnick,1994）
首次提出基於協同過濾完成推薦任務的思想
為推薦問題建立乙個形式化模型
推薦系統的輸入：
使用者、物品、評價
推薦系統的輸出：
推薦列表（一般）
形式化：
太多種類
三大核心問題：
**、推薦、解釋
推薦演算法的分類：
基於人口統計學的推薦，基於內容的推薦，基於協同過濾的推薦（使用者，物品，矩陣分解），混合型推薦。（跟推薦系統 francesco ricci那本書寫的6中有點區別啊，少了基於知識，基於社群）
推薦問題的冷啟動還是重要問題
後面一部分講了矩陣分解的方法《矩陣論》這門課可以的，或者天大有本書《應用數學基礎》就講了很多矩陣分解的方法！我討厭這門課———–
—–氣死人了，csdn markdown沒有儲存草稿！！！以下內容丟失了。可惡
主要還是人工標記。然後可以通過同現情況發現新詞。word embedding。隨意看看就過了這裡有很多組織或者會議、部落格資訊
acl：aclweb.org
nlpers.glogspot.com 部落格了解學術動態
aclweb.org/aclwiki acl自己維護的頁面
中國中文資訊學會 www.cipsc.org.cn 理事名單:www.cipsc.org.cn/lingdao.php
《中文資訊學報》《計算機學報》《軟體學報》
微博尋人系統:xunre.thuir.org
大資料（二）大資料相關的技術
大資料常和雲計算聯絡到一起，因為實時的大型資料集分析需要分布式處理框架來向數 十 數百或甚至數萬的電腦分配工作。可以說，雲計算充當了工業革命時期的發動機的角色，而大資料則是電。雲計算思想的起源是麥卡錫在上世紀 60 年代提出的 把計算能力作為一種像水和電一樣的公用事業提供給使用者。如今，在 goog...
二 大資料的生態體系
自下而上 資料傳輸層 根據資料的結構不同主要分為sqoop flume kafka等 資料儲存層 hadoop中常用的檔案儲存主件就是hdfs，hbase是非關係型資料以鍵值對儲存，kafka可以有1g的快取 資源管理層 yarn資源的管理，負責分配記憶體 網路分配等 資料計算層 分為離線排程和實時...
二 大資料相關的幾個名詞解釋
mapreduce是一套從海量源資料提取分析元素最後返回結果集的程式設計模型。程式設計模型是處理並結構化特定問題的方式。mapreduce程式本質上是並行執行的，由jobtrackers和tasktrackers組成。其優勢在於處理大規模資料集。將查詢表示成mapreduce作業，過程分為兩個處理階...