百度技术笔记之2013-1

翻工作笔记本,发现上面有不少笔记可能有share和留底的意义,所以转到博客上来

霍泰稳@infoQ:年关技术总结及展望

infoQ Slogan变化:促进软件开发领域知识与创新

技术关注领域变化

2012-4:软件测试路在何方

infoQ新关注点:推荐算法与机器学习

2013:测试的未来:5月,3月:个性化推荐与机器学习

年初就把月度专题确定对不对?

5月:百度西米露平台 Feature

百度 余凯 深度学习与多媒体 专家级、科学家级人物

应用:广告推荐、搜索、广告点击预估 shallow learning

深度学习从语音图像应用开始

Kernal Learning 特征数据模型转换

Transfer Learning  特征共享

Semi-supervised learning , unlabeled data to feature

Sparse Learning

图像理解仍然是难点 语言谷歌 语义搜索

语音即将爆发

机器虚拟感知的Pipeline

vision组合

dep net 分层 一层一层学习

多层最后形成一个图像描述二进制码

RBMS Autoencoder Sparsecoding

一层一层调优训练

------------------------------------------------------------------

Graph Database and Neo4j

谷文栋 指阅创始人

指阅:信息基因主体 聚合筛选 个性化

Google knowledge graph

Pandora 音乐基因工程

电影基因工程:Jini

Neo4j Traversal framewokr graph matching

cypher declarative graph

pattern match language

指阅的信息基因技术

NLP语法分析+图结构构建

基于图的推荐算法

产品:4321原则

快速迭代的时间压力很大

存在感与互动

Value in relationship

Good relationship 


你可能感兴趣的:(百度技术笔记之2013-1)