第 25 届 ACM SIGKDD 知识发现与数据挖掘大会于 2019 年 8 月 4 日- 8 日在美国阿拉斯加州安克雷奇市举行。一年一度的 KDD 大会是最重要的跨学科会议，汇聚了数据科学、数据挖掘、知识发现、大规模数据分析和大数据等领域的研究人员和实践者。
今天整理了关于数据挖掘方面的内容：从文本中构建和挖掘异构信息网络，本文提供了一个全面的综述，总结了在这个方向最近的研究和发展。
摘要：
现实世界中的数据主要以非结构化文本的形式存在。数据挖掘研究的一个重大挑战是开发有效的、可伸缩的方法，将非结构化文本转换为结构化知识。基于我们的愿景，将这些文本转换为结构化的[……]
搞深度学习的人，两大必备日常除了读论文之外就是读代码。读论文笔者在第 4 问的时候讲了阅读路线，但如何读用什么技巧读每个人都有不同的见解，这里不多说。读代码跟读论文、读书多少有相似的地方，毕竟都是读的性质。但话又说回来，读代码又跟读 paper 读书大有不同，代码是一种将论文中的模型和算法进行实现的过程，是一种需要你思维时刻在线的过程。又因为我们读的是深度学习项目代码，不是像 Linux 内核代码那样的鸿篇巨制，所以在代码性质上多少又有些不同。
笔者这里说的一份深度学习项目代码，小到几百行的测试 demo ，大到成千万行的开源项目，读起来方法肯定各有不同。如下图 Mask R-CNN 项[……]
0x00 前言
我们在《特征工程系列：特征筛选的原理与实现（上）》中介绍了特征选择的分类，并详细介绍了过滤式特征筛选的原理与实现。本篇继续介绍封装式和嵌入式特征筛选的原理与实现。
0x01 特征选择实现方法三：线性模型与正则化
当所有特征在相同尺度上时，最重要的特征应该在模型中具有最高系数，而与输出变量不相关的特征应该具有接近零的系数值。即使使用简单的线性回归模型，当数据不是很嘈杂（或者有大量数据与特征数量相比）并且特征（相对）独立时，这种方法也能很好地工作。
正则化就是把额外的约束或者惩罚项加到已有模型（损失函数）上，以防止过拟合并提高泛[……]
普林斯顿大学在 19 年开设了 COS 598D《机器学习优化》课程的讲义，这个课程主要介绍机器学习中出现的优化问题，以及解决这些问题的有效算法。这份讲义内容详实循序渐进，非常适合想要入门机器学习优化的同学阅读。
官网：
https://sites.google.com/view/optimization4machinelearning/home
作者简介：
Elad Hazan ：普林斯顿大学计算机系的教授，重点研究机器学习和优化的基本问题。曾获得贝尔实验室奖、2012 年和 2008 年 IBM 哥德堡最佳论文奖、欧洲研究理事会奖、居里夫人奖和谷歌研究奖。曾[……]
来自 MIT 的 Phillip Isola 在 2019 CVPR 上分享的图像转换（Image translation）的关键知识点和算法分析，包括配对的转换（Paired translation）和非配对的转换（Unpaired translation）相关的算法，如 pix2pix，CycleGAN 等。
官网：https://phillipi.github.io/talks/im2im_tutorial_cvpr2019.pdf
作者介绍：Phillip Isola：麻省理工学院 EECS 的助理教授，研究计算机视觉、机器学习和人工智能。在 Ope[……]
数据和特征决定了机器学习的上限，而模型和算法只是逼近这个上限而已。由此可见，特征工程在机器学习中占有相当重要的地位。在实际应用当中，可以说特征工程是机器学习成功的关键。
那特征工程是什么？
特征工程是利用数据领域的相关知识来创建能够使机器学习算法达到最佳性能的特征的过程。
特征工程又包含了Feature Selection（特征选择）、Feature Extraction（特征提取）和 Feature construction（特征构造）等子问题，本章内容主要讨论特征选择相关的方法及实现。
在实际项目中，我们可能会有大量的特征可使用，有的特征携带的信息丰富，有的[……]
项目地址：
近日，IBM 向开源社区发布了三个旨在克服治愈癌症的 AI 项目。在本月晚些时候将在瑞士举行的第 18 届欧洲计算生物学大会（ECCB）和第 27 届分子生物学智能系统大会（ISMB）上，将会深入介绍PaccMann 项目。
2018 年，癌症导致全球 960 万人死亡，此外，同年增加了 1800 多万新的癌症病例。IBM 计算系统生物学小组的研究人员[……]
现代神经网络经常被吐槽为「黑盒子」。尽管它们在各类问题上都取得了成功，但我们仍无法直观地理解它们是如何在内部做出决策的。随着人工智能系统被应用到更多重要的场景中，更好地了解其内部决策过程将有助于研究者能够及时发现其中的缺陷和错误。对此，谷歌 AI 研究院与 OpenAI 一起合作提出了能够弄清这个「黑盒子」里面到底有什么的新方法——激活图集。谷歌在博客上发布文章介绍了这一意义重大的成果 ——
神经网络已成为图像相关计算任务中的实际标准，目前已被部署在多种场景中：从自动标记图像库中的照片到自动驾驶系统，我们都能看到神经网络的身影。鉴于机器学习系统的在执行方面的准确性比不使用机器学习、直接由[……]
近日，达闼科技联合英特尔、新松机器人、科沃斯商用机器人共同发布《机器人 4.0 白皮书 ——云-边-端融合的机器人系统和架构》。
近年来，数字经济正在席卷全球，全球经济向数字经济迁移已经势在必然，数字经济已经成为国家的核心竞争力。据上海社科院测算，2016 年到 2018 年，中国数字经济对 GDP 增长的贡献率分别达到了74.07%、57.50%和 60.00%。预计 2019 年中国数字经济增长仍将占到62.50%。
数据成为驱动经济增长的核心生产要素。大数据和云计算等技术的融合，推动了物联网的迅速发展，实现了人与人、人与物、物与物的互联互通，导致数据量呈现爆发式增长。[……]
LTP（Language Technology Platform）中文为语言技术平台，是哈工大社会计算与信息检索研究中心开发的一整套中文语言处理系统。LTP 制定了基于 XML 的语言处理结果表示，并在此基础上提供了一整套自底向上的丰富而且高效的中文语言处理模块（包括词法、句法、语义等 6 项中文处理核心技术），以及基于动态链接库（Dynamic Link Library，DLL）的应用程序接口，可视化工具，并且能够以网络服务的形式进行使用。
