[[拉马·努金]]一位来自 印度 的数学天才，凭借直觉和灵感产生几千个数学公式，经过验证大部分公式是正确的。
卡尔 纯粹数学与应用数学概要，有结论但是没有详细证明 #card
- 通过用自己的方法去重构或者重新证明一些已知问题或结论。
机器学习中的拉马努金式思维训练法 #card
-
首先，看一下论文的标题，你能否从论文标题猜出作者要解决什么样的问题？能否从论文标题大致猜出作者用的什么方法？
-
如果上面两个问题的答案是肯定的，那么你可以试图恢复作者方法的细节信息，或者自己提出自己的重建方法来解决这个问题；
-
如果答案是否定的，那么请去看论文的摘要，那里会给你提供更多的信息，再次回答上述两个问题。
-
-
如果看完摘要，两个问题的答案依然是否定的，那么可以去看下论文里面的方法图示，之后再次问自己上面两个问题。
-
如此迭代，像慢慢拼出一副拼图一样，逐步释放给自己更多信息，争取让自己用最少的信息量重建出作者的方法，或者根据已知线索提出自己的解决方法。
-
然后，到了这一步，你一定已经尝试着猜测着去恢复出你认为作者使用的方法，或者提出了自己的方法。此时你可以去论文里大致看下你猜的对不对，如果猜的不对，问自己下列问题：
-
你的方法和作者的方法有什么不同？
-
各自的优点缺点是什么？
-
哪个更好些？
-
[[@Item2Vec: Neural Item Embedding for Collaborative Filtering]]
-
标题 #card
-
使用神经网络训练 Item Embedding
-
CF 使用 Rating Matrix 数据
-
分析可能的技术方案
-
无监督方法
- 用 word2vec 训练 item embedding
-
<item1+,item2+,item->item1 和 item2 来自同一用户序列中里的商品，item- 为随机选择负例。item1 和 item2 的分数要高于 item1 和 item- 的分数
-
-
-
摘要#card
- [[Abstract]]
如何判断哪个工作有价值？ #card
-
首先，先看实验部分，如果效果有特别明显的提升，那么这篇论文绝对是值得看的，无论它的方法是简单还是复杂；
-
而如果效果有提升但是幅度不是很大，我觉得这种工作可看可不看，可以加上一个辅助判断。
-
辅助判断是：如果方法比较复杂（除非整个思路框架非常新），建议直接扔了不看，有这时间不如去听会歌放松放松，我估计这不会给你的知识更新带来任何损失；
-
而如果方法比较简洁，那么看你心情，心情好就看，心情不好就不看。
-
怎么样，这个标准还是很随性很好执行的吧？不用谢。
-
[[知无涯者]] 拉马努金在英国处境不佳，一直急于发表自己的两部公式笔记，以期待因此能得到人们的肯定。 #card
- 哈代把拉玛努金拉到莱恩图书馆，指着一排排陈列整齐的书籍对他说：“人这一生获得荣誉的方式有很多种，对我们来说，被选为院士就是一种。但在我看来，如果在我们离世之后，能在莱恩图书馆里，留下一笔遗产，才是最伟大的。这里有《保罗书信》，米尔顿的诗文，有《摩根圣经》，它们都很伟大，但在我这个搞数学的人看来，最重要的一部还是牛顿的《数学原理》。牛顿的著作是这个物理世界的代表，而你的笔记是数学抽象世界的代表，牛顿也花了很长时间来证明自己，因此我们才有义务要把这些证明出来。一旦我们成功了，我相信总有一天，这些笔记在这里会有一席之地。”
[[@刻意练习]] 中提到需要有一位教练，但是在现实中很难每一件事情都能找到指导你的人。作者提出的努马拉金方法给你提供一次对答案的机会。#card
-
很想之前做作业，然后对答案的过程。
-
监督学习
-
假设，建模，求解，优化