将 GNN 链路预测模型分成 Node-Based、Subgraph-Based、Propagation 三类，简要总结每种方法的特点，方便检索和参考。

全民 Embedding, Everything to vector

本文介绍了强化学习的理论框架和模型方法。

本文介绍了深度学习的基本流程，优化方法，以及两个极具代表性的深度神经网络CNN和RNN

网络科学杂谈系列：网络结构的巨大威力

介绍了Bandit在线学习算法，以及它的应用。

最近我们做了几个算法，在ABtest上老是跑不赢别人的算法。

2014年发表在《科学》杂志上的聚类文章，引发了不少人的关注。一方面是因为这些顶级期刊开始重视数据挖掘领域，另一方面原因是这个聚类算法的简洁高效。于是在工作之余，对这个算法进行了理解和实现。并不感觉它有多高大上，但是在两个关键问题上，还是有所得。

写了3年的博客，积累了102篇博文。想想大学毕业后可以做一个小结，顺便作一些迁移博客的前期准备。

Jure高中就开始用机器学习研究图像处理并发表文章，本科毕业后到CMU读PhD，博士毕业任Stanford副教授，其大部分论文发表在KDD、TKDE、WWW、ICDM上，目前论文被引已过万。

不要以为你懂了WordCount了就学会了mapReduce]，更不用将如此General的框架想成只能做count操作的SB模型。

Recommender systems

今天的课程内容全部由余凯老师讲授。主要讲了迁移学习（Transfer learning ），半监督学习（Semi-Supervised learning），推荐系统（Recommendation System）和计算机视觉（Computer Vision）。

早上7点起床，从中关村骑车20分钟到清华上课。算是体验了一番北京上班生活的味道~

开课之初余凯就说了，前两天的内容较为基础，后三天的内容偏前沿些。

今天的课程主要围绕model一词进行串讲。

《机器学习》课程开课第一天。很顺利地占到了座位，并且完成了第一天的学习。课程容量相当大，从上午9点到下午2点持续上课，虽然累，但是很有收获！