从零开始，如何阅读一篇人工智能论文，及构建论文与代码的实现

本场 Chat 的第一部分： 从一篇经典论文入手，讲解如何快速梳理和理解一个深度学习框架及模型：

TensorFlow 的编程模型和基本概念，包括：操作和核、会话、变量等。 结合不到20行代码讲解静态图模型。

TensorFlow 的基本实现，包括：设备、张量、本地运行机制及分布式运行机制、跨设备间通信、梯度计算。 结合不到 100 行代码的运行，讲解具体的实现过程。

本场 Chat 的第二部分： 讲解如何将你手上的需求转化为论文的描述并实现出来。 以推荐系统为例：

在哪里以及如何引入 NLP 和知识图谱的方法；

如何结合业务现状筛选和进行技术方法选型；

最终如何结合论文资料做出实现。

实录提要：

人工智能和传统的推荐算法，如协同过滤等，有什么不同吗？

使用 TensorFlow 的最低配置是什么样的？

对于生成式的 chatbot 回答，生成的结果一般差强人意，这个如何解决？

知识图谱那没太懂，怎么根据定位词获取到新的定位词？

是否可以创造一些和人的评估质量相似的评估方法，且不太需要太多人工干预？

看 TF 的时候发现好多函数不知道怎么用，官网看完说明也云里雾里，怎么解？

如何快速熟悉一份数据的内容，了解数据的特点？

有什么推荐系统的论文推荐？

阅读全文: http://gitbook.cn/gitchat/activity/59973fdfa947e01c7c2435a9