Deep-Learning

"有时候，正是让人意料之外的人会成就让人意料之外的事。" — 《模仿游戏》

2018年目标:

1. 深度学习

- 前馈神经网络

- 卷积神经网络

- 循环神经网络

- 网络优化与正则化

- 注意力与记忆机制

- 反向传播算法

2. 自然语言处理

- 词向量(word2vec)

- skip-gram

- 隐马尔可夫模型

- 维特比算法

- 期望最大化算法

- 情感分析

3. 数学基础

- 线性代数

• 向量
• 矩阵

- 微积分

• 微分与积分的思想
• 常见函数的导数(logistic、softmax、导数法则)

- 数学优化

• 离散与连续优化、无约束与约束优化、线性与非线性优化
• 优化算法:全局最优与局部最优、梯度下降、拉格朗日乘数法与KKT条件

- 概率论

• 样本空间
• 事件与概率
• 随机过程

- 信息论

• 熵
• 互信息
• 交叉熵与散度

4. NLP模型应用预研

• 情感分析(评论、聊天)
• 核心玩家监控与刷子用户监控
• 流失用户预测
• 潜在付费用户发现(分析潜在已转换用户特征来发现相似潜在用户,主动刺激)