推荐系统是利用电子商务网站向客户提供商品信息和建议，帮助用户决定应该购买什么产品，模拟销售人员帮助客户完成购买过程。个性化推荐是根据用户的兴趣特点和购买行为，向用户推荐用户感兴趣的信息和商品。随着电子商务规模的不断扩大，商品个数和种类快速增长，顾客需要花费大量的时间才能找到自己想买的商品。这种浏览大量无关的信息和产品过程无疑会使淹没在信息过载问题中的消费者不断流失。为了解决这些问题，个性化推荐系统

Daniel Geng和Shannon Shih在Berkeley的ML博客上分享了一套机器学习速成的课程，课程持续更新，目前更新了四期。第一部分发布于2016年11月，而最后一个在2017年7月分享，也是最新的。第一部分主要介绍机器学习的基本概念：回归/分类，成本函数和渐变下降。第2部分介绍感知器，逻辑回归和支持向量机等简单模型。第3部分介绍神经网络。第4部分介绍偏差和差异的概念。分享课程目

事故发生在7日晚间，当时这个机器人正在传输箱装的甜椒，而这名男子正在检查起重机器人的传感器。据英国《每日邮报》网站12月26日报道，在特斯拉汽车公司位于美国得克萨斯州首府奥斯汀附近的工厂，曾发生一起残暴血腥的事故，有一名工程师遭到机器人袭击。除自动化带来的伤害之外，Alexander还强调，由于得克萨斯州超级工厂极大，面积相当于100个足球场，因此工厂并未完成所有建设，只运营了其中一部分。据红星新

对比学习通过同时最大化同一图像的不同变换视图(例如剪裁，翻转，颜色变换等)之间的一致性，以及最小化不同图像的变换视图之间的一致性来学习的。相反，如果是不同的图像（即使经过各种变换可能看起来会很类似），就要最小化它们之间的相似度。Contrastive learning有很多文章介绍，区别于生成式的自监督方法，如AutoEncoder通过重建输入信号获取中间表示，Contrastive Method

本资源整理了人工智能领域进阶算法、知识点线路图。包含基础知识点-> 数学基础知识 -> 机器学习常见模型迭代路径 -> 深度学习常见模型迭代路径 -> 数据工程师，大数据工程师迭代路径，完整过程。

联合学习(FL)是一种新的机器学习框架，它使多个设备能够协作训练共享模型，而不会损害数据隐私和安全性。本资源整理了联合学习相关的资源，包括研究论文、会议、博客等等。资源整理自网络，源地址：https://github.com/innovation-cat/Awesome-Federated-Machine-Learning目录内容截图...

本书介绍学习利用人工智能的力量进行自然语言处理，学习拼写检查、文本摘要、文档分类和自然语言生成等任务。在此过程中，你将学习在更大的基础架构中实现这些方法的技能，以替换现有代码或创建新算法。本书首先回顾必要的机器学习概念，然后讨论各种自然语言处理问题。读完这本书，你将拥有在自己的专业环境中应用这些概念的技能。bshq:21年必读NLP实战书籍-《基于Python的应用自然语言处理实战》免费pdf分享

图(graph)是⼀种数据结构，图神经⽹络(GNN)是深度学习在图结构上的⼀个分⽀。常⻅的图结构包含节点(node)和边(edge)，其中，节点包含了实体(entity)信息，边包含实体间的关系(relation)信息。现在许多学习任务都需要处理图结构的数据，⽐如物理系统建模(physics system)、学习分⼦指纹(molecularfingerprints)、蛋⽩质接⼝预测(protein

本资源整理了中文语言理解测评基准，包括代表性的数据集、基准(预训练)模型、语料库、排行榜。本文选择一系列有一定代表性的任务对应的数据集，做为测试基准的数据集。这些数据集会覆盖不同的任务、数据量、任务难度。本资源整理自网络，源地址：https://github.com/brightmart/ChineseGLUEChineseGLUE的定位为更好的服务中...

课程介绍本课程主要讲解深度强化学习相关的基础知识，基础模型；还设计迁移学习、多任务学习和元学习。bjhq：Sergey Levine-伯克利《深度强化学习2020》课程视频及ppt分享课程主页http://rail.eecs.berkeley.edu/deeprlcourse/课程大纲课程主讲人课程视频截图bkhq：Sergey Levine-伯克利《深度强化学习2020》课程视频及ppt分享..