среда, 7 марта 2018 г.

Калифорния, день пятый.

         Сегодняшний день, ровно как и следующие 2 дня будет посвящено конференции Strata, проходящей в San Jose. Итак, что я узнал интересного:
     KSQL - предоставляет SQL-подобный интерфейс для работы с данными в Kafka. То есть ты можешь создать "таблицу" из Kafka топика и получать данные через SQL подобный интерфейс. Ты можешь сделать join из нескольких таких табличек и получить новый поток данных. В общем такой приятный обвесок, но не более того. Никакого rocket science.
         Вторая training session была посвящена TensorFlow и его использования для построения поисковых и рекомендательных систем: https://github.com/meabhishekkumar/strata-conference-ca-2018/blob/master/deep_learning_based_search_and_recommender_system.pdf
         Этот тренинг помог мне сполна ощутить свою тупость и некомпетентность. Очень много чего нужно прочитать и понять прежде чем ты сможешь понять что ты делал на этом тренинге. И подтянуть математический аппарат. На этом тренинге я отчетливо понял что он у меня мягко говоря хромает.  Спасибо ребятам за то что они поделились всем материалом: https://github.com/meabhishekkumar/strata-conference-ca-2018
        Из того что сразу было добавлено в список "на почитать":

  1.  Deep Learning by Ian Goodfellow, Yoshua Bengio and Aaron Courville, the MIT Press, Cambridge.
  2. Recommender Systems by Charu. C. Aggrwal, Springer International Publishing.
  3. http://news.mit.edu/2017/better-recommendation-algorithm-1206
  4. Paul Covington, Jay Adams, and Emre Sargin. 2016. Deep Neural Networks for YouTube Recommendations. In Proceedings of the 10th ACM Conference on Recommender Systems(RecSys ’16). ACM, New York, NY, USA, 191-198.
  5. Restricted Boltzmann Machines for Collaborative Filtering by Ruslan Salakhutdinov. Source: http://www.machinelearning.org/proceedings/icml2007/papers/407.pdf 
  6. Wide & Deep Learning for Recommender Systems by Heng-Tze Cheng. Source: https://arxiv.org/abs/1606.07792
  7. A Survey and Critique of Deep Learning on Recommender Systems by Lei Zheng. Source: http://bdsc.lab.uic.edu/docs/survey-critique-deep.pdf
  8. DeepFM: A Factorization-Machine based Neural Network for CTR Prediction. IJCAI2017 Source:https://arxiv.org/abs/1703.04247
  9. Deep Neural Networks for YouTube Recommendations by Paul Covington. Source: https://static.googleusercontent.com/media/research.google.com/en//pubs/archive/45530.pdf