翻工作笔记本，发现上面有不少笔记可能有share和留底的意义，所以转到博客上来
霍泰稳@infoQ：年关技术总结及展望
infoQ Slogan变化：促进软件开发领域知识与创新
技术关注领域变化
2012-4：软件测试路在何方
2013：测试的未来：5月，3月：个性化推荐与机器学习
年初就把月度专题确定对不对？
5月：百度西米露平台 Feature
百度 余凯 深度学习与多媒体 专家级、科学家级人物
应用：广告推荐、搜索、广告点击预估 shallow learning
深度学习从语音图像应用开始
Kernal Learning 特征数据模型转换
Transfer Learning 特征共享
Semi-supervised learning ， unlabeled data to feature
Sparse Learning
图像理解仍然是难点 语言谷歌 语义搜索
语音即将爆发
机器虚拟感知的Pipeline
vision组合
dep net 分层 一层一层学习
多层最后形成一个图像描述二进制码
RBMS Autoencoder Sparsecoding
一层一层调优训练
------------------------------------------------------------------
Graph Database and Neo4j
谷文栋 指阅创始人
指阅：信息基因主体 聚合筛选 个性化
Google knowledge graph
Pandora 音乐基因工程
电影基因工程：Jini
Neo4j Traversal framewokr graph matching
cypher declarative graph
pattern match language
指阅的信息基因技术
NLP语法分析+图结构构建
基于图的推荐算法
产品：4321原则
快速迭代的时间压力很大
存在感与互动
Value in relationship
Good relationship