第一部分
1、頭條：
今日頭條推薦算法原理全文詳解
2、taobao：
Learning to rank在淘寶的應用
CVR預估的新思路：完整空間多任務模型
從技術角度聊聊，短視頻為何讓人停不下來？
3、weibo：
機器學習在熱門微博推薦系統(tǒng)的應用
4、facebook：
Bringing People Closer Together
數(shù)據(jù)挖掘系列篇(16):Facebook內容排序算法研究
Facebook推薦系統(tǒng)的原理、性能及使用情況
Deep Reinforcement Learning for List-wise Recommendations
google：
機器學習規(guī)則 (Rules of Machine Learning)：
關于機器學習工程的最佳實踐
5、注意力與增廣RNN
Attention and Augmented Recurrent Neural Networks
第二部分
1、tensorflow筆記:使用tf來實現(xiàn)word2vec
2、word2vec 中的數(shù)學原理詳解（二）預備知識
3、
1)深度學習筆記(五)：LSTM
2)條件隨機場文獻閱讀指南
3)Recurrent Neural Networks
4、
1)我用過的CTR預估模型
2)TENSORFLOW與MXNET分布式框架對比
3)OWLQN算法
4)談談你對大規(guī)模機器學習這個領域的理解和認識?
factorization machine和logistic regression的區(qū)別？
5、Pycon 2016 tensorflow 研討會總結 — tensorflow 手把手入門 #第二講 word2vec
