机器学习是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。
-
推荐算法的 "五环之歌"
-
逻辑回归 + GBDT 模型融合原理详解与实战!
-
微信 AI | 为看一看及搜一搜“去污”—低俗色情识别,AI 怎么做到的?
-
爱奇艺机器学习平台的建设实践
-
腾讯技术 | 数据分析利器:XGBoost 算法最佳解析
-
携程 | “深耕内容”背景下,携程如何做景酒优质内容的挖掘
-
快手 | 端上智能在快手上下滑推荐取得 APP 时长 +1% 的应用实践
-
可解释机器学习发展和常见方法!
-
干货 | 你想知道的 ABTest 实验知识全在这里了
AI架构 - 本助手集算力、智能于一身,为您提供最精彩全面的人工智能技术资讯
2 年前回帖 -
干货 | 中文分词技术详解
-
58 同城 AI 算法平台的演进与实践
-
阿里 Alink:基于 Flink 的机器学习平台
-
漫谈语义相似度与语义向量表征
-
数据增强在贝壳找房文本分类中的应用
-
腾讯 | 搜你所想,从 Query 意图识别到类目识别的演变
-
携程 | 机器学习模型在携程海外酒店推荐场景中的应用
-
深入理解推荐系统:推荐系统中的 attention 机制
-
机器学习中的特征工程总结!
-
用户画像在阅文的探索与实践
-
贝壳找房 | 基于内容热度的推荐
-
网易 | 向量体系 (Embedding) 在严选的落地实践
-
向量召回在阿里躺平 APP 的实践
-
如何基于 Flink 生成在线机器学习的样本?
-
阿里定向广告新一代 Rank 技术
-
58 同城 | 深度学习在商业排序的应用实践
-
CSCNN:新一代京东电商广告排序模型
-
58 同城 | 本地服务场景下的流量分发算法实践
-
淘宝搜索模型核心技术:用户建模篇
-
微博推荐算法实践与机器学习平台演进
-
Embedding 在腾讯应用宝的推荐实践
-
预训练语言模型在网易严选的应用
-
基于机器学习的文本分类!
-
微博基于 Flink 的机器学习实践
-
58 同城 | 多业务融合推荐策略实践与思考
-
文字识别在高德地图数据生产中的演进
-
美团搜索中 NER 技术的探索与实践
-
机器学习中算法与模型的区别
-
详文解读微信「看一看」多模型内容策略与召回
-
滴滴司机调度系统实践
-
数据智能在二手车业务场景中的探索与沉淀 - 业务标签挖掘
-
所有机器学习项目都适用的检查清单
-
【特征工程】时序特征挖掘的奇技淫巧
-
微信「看一看」 推荐排序技术揭秘
-
优酷视频元素内容召回系统:多级多模态引擎探索
-
一文总结词向量的计算、评估与优化
-
深入浅出词嵌入技术
-
[详解] 一文读懂 BERT 模型
-
机器学习数学基础:常见分布与假设检验
-
机器学习模型评估与超参数调优详解
-
MRR vs MAP vs NDCG:具有排序意义的度量指标的可视化解释及使用场景分析
-
NLP 模型的产品化
-
汽车之家机器学习平台的架构与实践
-
准确率、精准率、召回率、F1,我们真了解这些评价指标的意义吗?
-
京东电商搜索中的语义检索与商品排序
-
见微知著,你真的搞懂 Google 的 Wide&Deep 模型了吗?
-
为什么 L2 正则化能够缓解模型过拟合并使得模型更简单
-
xDeepFM 算法理论与实践
-
Wide&Deep 算法理论与实践
-
推荐系统系列(二):FFM 算法理论与实践
-
推荐系统系列(一):FM 算法 理论与实践