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[……]
