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。
文章有点标题党的意思，但是里面的内容却很很值得一读，本文为转载，作者是孙圈圈, 侵删。