丕子

CUHK SEEM 2016 暑期本科生研习计划

丕子 — Sat, 16 Apr 2016 03:29:41 +0000

香港中文大学系统工程系 (CUHK SEEM) 包括计算机，运筹学，金融工程, 及供应链管理。招收优秀本科生参加“2016年暑期本科生研习计划”。（整个工程学院计划在全球招收180名。）选中的学生将可获得约1000 港币的路程资助费，其间食宿全由学校承担。

研习期为一周，从7月11日到7月15日。这次研习计划主要是给那些打算去CUHK读研读博同学们一个提前认识香港的机会，在这一周里，同学们将参观香港中文大学（香港最大的一所大学，依山而建，毗邻深圳），参与各种学术研讨会，还可以与CUHK的导师面对面交谈。在研讨会结束时，导师会挑选一些比较认可的学生进行面试，如果你想来CUHK，这将会是同学们表现自己最好的机会。

招收对象：大二、大三相关专业的本科生

申请截止日期：2016年4月24日

实习开始日期：2016年7月11日

网上申请网址：https://info5.erg.cuhk.edu.hk/phdsw/2016/

帮朋友发个招聘【高级软件工程师、高级算法与数据挖掘工程师】

丕子 — Wed, 02 Mar 2016 08:46:16 +0000

无觅是一支相信技术创新能改变世界的团队，聚集了来自一流学校、公司的顶尖人才。创始团队源自美国亚马逊推荐引擎部门，是国内最早在个性化推荐领域探索的团队之一，在PC时代曾开发了无觅相关文章插件，服务了20万网站及博客，每月到达2亿活跃用户。2014年3月，无觅首家推出了熟人匿名社交产品“秘密”（后改名为无秘），在互联网圈引起巨大反响，并在多家上市公司及创业公司的竞争下脱颖而出，目前拥有千万级别的注册用户。此外，无觅于2016年进入互联网金融领域，旗下产品“借钱快”（jie518.com）通过大数据能力自动识别信用风险，为中低收入人群提供借款服务，近期将快速拓展。
团队共三十几人，技术产品为主，崇尚小而精、扁平化管理。先后获得挚信、源码、红杉等知名VC投资，现处于B轮阶段。

高级软件工程师

-职责

开发“借钱快”核心产品和后台管理系统

-要求

1、非常扎实的编程能力，高度重视代码质量，乐于重构。

2、非常扎实的计算机科学基础，尤其是数据结构和算法。

3、很强的问题解决能力和工程意识。

4、有互联网产品的开发经验，熟悉产品敏捷开发流程。

5、自我驱动。

高级算法与数据挖掘工程师

-职责

开发和改进“借钱快”风控模型，提升产品和后台管理系统的智能度。

-要求

1、非常扎实的数学和机器学习基础，有数据挖掘领域的工作经验。

2、关注成效，能灵活运用各种算法解决实际问题。

3、喜欢跟踪机器学习领域的业界动态和发展趋势。

4、自我驱动。

工作地点：深圳市南山区科技园

有兴趣的可以私信或者email pagelee.sd AT gmail.com

java paragraph to sentences

丕子 — Wed, 18 Nov 2015 14:28:27 +0000

一种方法是正则，尽可能全面的句子分隔符合作为规则。

另一种方法可以借助一些nlp工具，例如stanford nlp package。

代码参考：TextRefiner

Research Assistants on Text Mining at CUHK

丕子 — Thu, 29 Oct 2015 06:18:35 +0000

We are looking for research assistants with the following background:

- University degree in Computer Science/Information Systems or related areas.
- Good programming skills in Python/Java on Linux/Unix platform

The appointee will conduct the experiments and related coding works for a research project
related to natural language processing (NLP) and text mining. The appointment is located
at The Chinese University of Hong Kong, and the project is supervised by
Prof. Lam Wai.

The appointment will be made on a contract for 12 months, or other duration upon
mutual understanding.

You are welcome to contact Prof. Lam Wai via email 【wlam AT se.cuhk.edu.hk】
for more information.

If interested, please send a CV and transcript via email to Li Piji at
【pjli AT se.cuhk.edu.hk】

LSTM (Long Short-Term Memory) & GRU (Gated Recurrent Unit) in Java

丕子 — Mon, 12 Oct 2015 03:16:15 +0000

由于和自己以前的一个项目耦合比较大，所以自然用java实现了所需要的rnn model：lstm and gru。矩阵库是用的jblas。但是在实际应用中，效率还是太低了，尽管在jblas中已经结合openblas，但效果甚微。

近期计划彻底放弃java在dl方面的尝试，还是转到python+任何支持cpu\gpu的库吧，提高实验效率也是很重要的。

之前的java版本，我稍微整理成一个简单的language model的demo，放在github上：

https://github.com/lipiji/JRNN

有兴趣的可以试试，图片重新绘制了lstm和gru的value propagation的framework，这样其实做bptt的时候十分简单的。希望对大家有所帮助。

demo中我放了几句toy samples：

abcdefghijklmnopqrstuvwxyz 1234567890

abcdefghijklmnopqrstuvwxyz 1234567890

abcdefghijklmnopqrstuvwxyz 1234567890

abcdefghijklmnopqrstuvwxyz 1234567890

花开堪折直须折，莫待无花空折枝。

花开堪折直须折，莫待无花空折枝。

花开堪折直须折，莫待无花空折枝。

手持两把锟斤拷，口中疾呼烫烫烫。

手持两把锟斤拷，口中疾呼烫烫烫。

运行的时候你会发现LM慢慢收敛，也挺有意思。

java unittest load resources files

丕子 — Fri, 09 Oct 2015 05:42:53 +0000

File f = FileUtils.toFile(this.getClass().getResource("/fo.txt"));

theano + openblas

丕子 — Fri, 07 Aug 2015 03:26:31 +0000

在.theanorc中：

[blas]
ldflags =-L/$HOME/openblas/lib -lopenblas

Jblas+openblas配置

丕子 — Fri, 07 Aug 2015 03:18:47 +0000

jblas是一个高效方便的java矩阵库，你可以直接在你的java project中导入jblas.jar使用。

如果你想结合blas提高计算效率，那么可以结合atlas或者openblas重新编译下jblas。

这里以openblas举例，在jblas的目录下：

./configure --static-libs --libpath=$HOME/openblas/lib --build-type=openblas

而后

make clean all

ant jar

重新打包jblas

（https://github.com/mikiobraun/jblas/blob/master/INSTALL）。

关于新闻推荐

丕子 — Tue, 14 Apr 2015 03:09:37 +0000

今天推荐系统群有讨论相关的新闻推荐模型问题。

新闻推荐这个问题，我觉得基于内容的推荐更加合适。

用户的浏览历史文章作为一个训练集，对用户和新闻都映射到相同的向量空间，可以训练出一个模型。

这个模型的预测，再与时间衰减、多样性等因子加权，作为最后输出。

有同学提到马太效用太严重，确实是这样的。

对此，有几个办法可以减轻马太效应：

1、用户历史训练数据足够多，尽量避免只用最近的x条log进行训练；

2，保存用户的历史兴趣向量，与最新的兴趣向量加权融合。

backtracking line search

丕子 — Sun, 12 Apr 2015 11:54:04 +0000

http://www.cnblogs.com/kemaswill/p/3416231.html

http://www4.ncsu.edu/~kksivara/ma706/programs/linesearch.m

http://www4.ncsu.edu/~kksivara/ma706/programs/strongwolfe.m