暑期总结--闫肖冬--7.10-8.31

xdyan

网课学习：
通过学习吴恩达老师的深度学习网课，了解到当前深度学习应用领域很广泛，从神经网络基础概念讲起到python编程中的相关函数等知识点讲解很透彻，在讲解神经网络优化调参过程后又结合具体的机器学习系统项目搭建过程中的问题给出相关解决方案，这部分内容开拓了模型优化的思路，随后吴老师讲解了计算机视觉领域应用广泛的卷积神经网络，最后分别讲述了不同领域中序列模型（eg:RNN,Word2vec）

论文阅读（3篇）：
1. Collaborative Deep Learning for Recommender Systems. Hao Wang Joint work with Naiyan Wang, Xingjian Shi, and Dit-Yan Yeung.香港科技大学.
文章作者提出了将深度学习和协同过滤相结合的推荐系统模型，协同深度学习模型（CDL），也是利用深度学习学习表征并用于推荐系统的早期研究之一。
2. A Hybrid Collaborative Filtering Model with Deep Structure for Recommender Systems .Xin Dong, Lei Yu, Zhonghuo Wu, Yuxia Sun, Lingfeng Yuan, Fangxi Zhang Ctrip Travel Network Technology (Shanghai) Co., Limited. Shanghai, P.R.China.
这篇文章是携程旅行开发的推荐系统，是在第一篇论文等的研究基础上对深度学习模型作出改进，在特征学习过程中增加评分信息，有效降低损失函数误差，提高推荐的精确度。
3. Deep mining heterogeneous networks of biomedical linked data to predict novel drug–target associations. Nansu Zong, Hyeoneui Kim , Victoria Ngo and Olivier Harismendy.
这篇论文主要工作是通过学习药物-药物，靶点-靶点相似性来预测药物-靶点的关联性质，文章在关联预测方法和数据验证、模型评价过程中做了大量实验，并且针对性的对相关模型参数进行对比，实验思路很清晰，在以后的实验中可以学习借鉴本文的思路。


总结来说，有以下两点：
1.暑假在家学习效率低，学习知识掌握程度较差，利用接下来的15~30天时间再巩固暑假学习的遗留问题（机器学习+深度学习基础）。
2.论文阅读理解不深刻，在接下来15天理解掌握第三篇论文中deepwalk的相关代码。