首先是资料收集：
1、简单粗暴tensorflow2.0 TensorFlow 模型建立与训练https://tf.wiki/zh_hans/basic/models.html
2、numpy实现，很有实际操作意义，质量比较高!
图卷积网络到底怎么做，这是一份极简的Numpy实现 https://www.jiqizhixin.com/articles/2019-02-20-12
3、图卷机网络的原理
https://www.jiqizhixin.com/graph/technologies/eee9ade4-80fd-4821-9dce-2dce5e898b42
https://tech.meituan.com/2018/06/07/searchads-dnn.html
5、RNN vs LSTM vs GRU -- 该选哪个？
https://zhuanlan.zhihu.com/p/55386469
然后越来越发现，基础的传统机器学习算法要梳理清楚，周末集中看一下，真是轮回这个还是少不了，不过也好逐渐清晰了，但分轻主次:
首先gcn实现demo;
lr实现，了解各种指标AUC、简单粗暴tf2.0还是得梳理清楚一下tf的流程和简单的例子实现一下,重新review;
fm源码;
之后是各种基础传统机器学习算法的学习，包括CART、SVM、贝叶斯、集成学习等;
等你有了屠龙之刀的时候就可以去屠龙了~
2020年终总结：
模型上的进步
1、入门tf2.0\keras gcn
2、初识sklearn lr ，不断了解的fm
总之加油~
网友评论