吴良超的学习笔记

文章为转载，原文链接在这里，文章从业界的角度出发介绍了机器学习如何发挥其价值，非常接地气，值得一看，以下为原文

之前曾写过一篇最优化课程总结， 涉及到的内容较多也较细。而在最优化中，凸优化是最为常见而又最为重要的，因为凸优化有一个良好的性质：局部最优是全局最优，这个性质使得我们不需要去证明解是否会收敛到全局最优，或者如何避免局部最优。因此凸优化有广泛应用，在优化问题不是凸的时候，往往也会尝试将其变为凸问题便于求解。本文着重讲凸优化，算是对之前写的文章的一个拓展和补充。

本文主要讲述下面内容，凸优化的概念以及凸优化中的三类常见解法：梯度类方法，对偶方法和 ADMM 方法。

ImageNet Classification with Deep Convolutional Neural Networks 这篇论文可以说是多层 CNN 用在图像领域的首次尝试（此前的 LeNet 也将 CNN 用在手写数字的识别上，但是没有用到连续多层 CNN）。文中提出的网络模型 AlexNet (设计者的名字叫 Alex) 在 ImageNet 2010、2012 年的比赛上取得的效果远远地优于传统方法，这篇文献最重要的工作是设计并验证了这样一个有多层卷积层的网络的有效性，对学术界和工业界的影响都很大。

本文主要介绍这篇文章中提出的网络模型 AlexNet，以及其他涉及到的一些知识，主要的介绍的内容有：CNN 的基础知识，AlexNet 的设计，训练和效果，以及对网络泛化（generalization）性能的一些探讨。

本文是刘鹏老师的计算广告学中的一些笔记。本文是第六章: 广告交易市场 (Ad Exchange)。主要介绍目前最常见的实时竞价的广告交易模式，分别介绍了这一模式下的供给方平台 (SSP) 和 需求方平台 (DSP), 并且重点介绍了 DSP， 因为在这一交易模式下，DSP 负责了绝大多数的关键任务。

本文是刘鹏老师的计算广告学中的一些笔记。本文是第五章: 搜索广告与广告网络 Demand 技术。主要介绍搜索广告中的几个典型问题以及广告网络中 demand 端需要用到的技术

本文是刘鹏老师的计算广告学中的一些笔记。本文是第四章: 竞价广告系统。主要介绍竞价系统理论，广告网络的概念，以及点击率预测设计到的一些技术。

这一讲主要介绍了受众定向的概念和若干种定向的方法。

受众定向概念

受众定向是目前广告系统的核心部分，要做的就是根据人群划分进行广告售卖和优化。

受众定向可以认为是为 AUC（Ad，User，Context）打标签的过程，上下文标签可以认为是即时受众标签，如下所示是 AUC 上的标签类别

本系列文章是刘鹏老师的计算广告学中的一些记录。本文是第二章：合约广告系统，主要介绍了广告系统中一些常用的开源工具，合约广告系统的概念以及在线分配问题的建模与求解。

本系列文章是刘鹏老师的计算广告学中的一些记录。本文是第一章的相关笔记：广告的基本知识，主要介绍广告的定义与模型，目前在线广告的特点、技术架构与市场形态，可以说简要地概括了整个课程的内容。

最近由于课程需要去调研了一下遗传算法，本文是调研结果的总结，主要介绍遗传算法的背景、基本流程、理论基础、变种及其应用。