从零开始，如何阅读一篇人工智能论文，及构建论文与代码的实现

本场 Chat 的第一部分： 从一篇经典论文入手，讲解如何快速梳理和理解一个深度学习框架及模型：

1. TensorFlow 的编程模型和基本概念，包括：操作和核、会话、变量等。 结合不到20行代码讲解静态图模型。
2. TensorFlow 的基本实现，包括：设备、张量、本地运行机制及分布式运行机制、跨设备间通信、梯度计算。 结合不到 100 行代码的运行，讲解具体的实现过程。

本场 Chat 的第二部分： 讲解如何将你手上的需求转化为论文的描述并实现出来。 以推荐系统为例：

1. 在哪里以及如何引入 NLP 和知识图谱的方法；
2. 如何结合业务现状筛选和进行技术方法选型；
3. 最终如何结合论文资料做出实现。

实录提要：

• 人工智能和传统的推荐算法，如协同过滤等，有什么不同吗？
• 使用 TensorFlow 的最低配置是什么样的？
• 对于生成式的 chatbot 回答，生成的结果一般差强人意，这个如何解决？
• 知识图谱那没太懂，怎么根据定位词获取到新的定位词？
• 是否可以创造一些和人的评估质量相似的评估方法，且不太需要太多人工干预？
• 看 TF 的时候发现好多函数不知道怎么用，官网看完说明也云里雾里，怎么解？
• 如何快速熟悉一份数据的内容，了解数据的特点？
• 有什么推荐系统的论文推荐？

阅读全文: http://gitbook.cn/gitchat/activity/59973fdfa947e01c7c2435a9

您还可以下载 CSDN 旗下精品原创内容社区 GitChat App ，阅读更多 GitChat 专享技术内容哦。