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。
-
视频 | 信息流推荐技术在凤凰网的业务实践
-
LinkedIn 招聘推荐系统中的机器学习的威力
-
为什么我们选择 LambdaMART 作为我们的酒店排序模型
-
如何(以及为什么需要)创建一个好的验证集
-
美团一站式机器学习平台建设实践
-
NLP 中文分词知识梳理
-
阿里 B2B:融合 Matching 与 Ranking 的个性化 CTR 预估模型
-
部署基于嵌入的机器学习模型的通用模式
-
如何增强推荐系统模型更新的实时性?
-
深度学习在花椒直播中的应用——排序算法篇
-
机器学习在马蜂窝酒店聚合中的应用初探
-
做机器学习项目的 checklist
-
机器学习在微博 O 系列广告中的应用
-
不仅仅用 CTR:通过人工评估得到更好的推荐
-
搜索,推荐,广告系统架构及算法技术资料大合集吐血整理——2019 年终分享
HelloWorld - Machine Learning Scientist | Algorithm Engineer at Meituan
-
机器学习模型的可解释性
-
Query 理解和语义召回在知乎搜索中的应用
-
推荐系统技术演进趋势:从召回到排序再到重排
-
推荐系统的发展与简单回顾
-
NLP 技术在微博 feed 流中的应用
-
机器学习 - 一文理解 GBDT 的原理 -20171001
-
LR+FTRL 算法原理以及工程化实现
-
推荐场景中召回模型的演化过程
-
记录:tf.saved_model 模块的简单使用(TensorFlow 模型存储与恢复)
-
风控特征—时间滑窗统计特征体系
-
视频:美图个性化 push AI 探索之路
-
腾讯信息流内容理解技术实践
-
【推荐实践】微博在线机器学习和深度学习实践
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
-
马蜂窝推荐排序算法模型是如何实现快速迭代的
-
【58 同城】如何从 0 到 1 构建个性化推荐?
-
机器学习在 58 二手车估价系统实践
-
推荐系统中模型训练及使用流程的标准化
-
360 展示广告召回系统的演进
-
Tensorflow 的 checkpoint 教程
-
爱奇艺效果广告的个性化探索与实践
-
Facebook 面向个性化推荐系统的深度学习推荐模型
-
美团配送交付时间轻量级预估实践
-
58 招聘推荐排序算法实战与探索
-
UC 国际信息流推荐中的多语言内容理解
-
UC 信息流视频标签识别技术
-
CCKS 2019 | 百度 CTO 王海峰详解知识图谱与语义理解
-
LSTM 原理与实践,原来如此简单
-
复旦邱锡鹏教授公布《神经网络与深度学习》,中文免费下载
-
独家揭秘:微博深度学习平台如何支撑 4 亿用户愉快吃瓜?
-
卷积有多少种?一文读懂深度学习中的各种卷积
-
「机器学习基础与趋势」系列丛书最新成员:140 页《深度强化学习入门》发布
-
从 KDD 2018 Best Paper 看 Airbnb 实时搜索排序中的 Embedding 技巧
-
58 搜索列表页连接效率优化实践
-
回顾·搜索引擎算法体系简介——排序和意图篇
-
《搜索与推荐中的深度学习匹配》之推荐篇
-
「回顾」机器学习与推荐系统实践
-
机器学习与数据科学决策树指南
-
「回顾」旅游知识图谱的构建和应用
-
理解五个基本概念,让你更像机器学习专家
-
【杉枫】推荐引擎异步架构设计
-
饿了么外卖推荐算法中有哪些机制与手段?
-
资源 | skymind.ai 发布最新机器学习 人工智能开源数据集,
-
面向机器学习:数据平台的设计与搭建
HelloWorld - Machine Learning Scientist | Algorithm Engineer at Meituan
-
AIQ - 机器学习近年来之怪现状
-
机器学习算法地图