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。
-
Andrew Ng(吴恩达) 关于机器学习职业生涯以及阅读论文的一些建议
-
“看一看”推荐模型揭秘!微信团队提出实时 Look-alike 算法,解决推荐系统多样性问题
-
贝壳找房一镜到底:FM 们的原理及在贝壳搜索的实践
-
基于 “ 滴滴 KDD 2018 论文:基于强化学习技术的智能派单模型 ” 再演绎
-
万字长文解读电商搜索——如何让你买得又快又好
-
独家解读 | 滴滴机器学习平台架构演进之路
-
详解 Embeddings at Alibaba(KDD 2018)
-
深度长文:中文分词的十年回顾
-
机器学习中如何处理不平衡数据?
-
语义分割江湖的那些事儿——从旷视说起
-
「回顾」百度智能写作如何通过人工智能技术为媒体内容创作赋能?
-
「回顾」基于金融智能风控的实时指标处理技术体系
-
使用 Pytorch 实现 skip-gram 的 word2vec
-
Google 重叠实验框架:更多,更好,更快地实验
-
推荐系统遇上深度学习 (二十七)-- 知识图谱与推荐系统结合之 RippleNet 模型原理及实现
-
推荐系统遇上深度学习 (二十四)-- 深度兴趣进化网络 DIEN 原理及实战!
-
《搜索与推荐中的深度学习匹配》之搜索篇
-
近期知识图谱顶会论文推荐,你都读过哪几篇?
-
人脸分析:数据时代的“面像学” 一文读懂用户画像的前世今生
-
「回顾」爱奇艺搜索排序模型迭代之路
-
【美团】深入浅出排序学习:写给程序员的算法系统开发实践
-
机器学习在美团配送系统的实践:用技术还原真实世界
HelloWorld - Machine Learning Scientist | Algorithm Engineer at Meituan
-
机器学习人工智能学习资源导航
-
苏宁 11.11:一种基于神经网络的智能商品税分类系统
-
有赞搜索引擎从 0 到 1 技术解析
-
【干货】搜索引擎技术资料整理
-
2143 亿!2018 年天猫“双 11”成交总额是这样预测的
-
机器学习,模式识别,数据挖掘常用学习资源链接
-
有赞搜索系统的技术内幕
-
推荐系统顶会 RecSys2018 最佳论文奖出炉!因果嵌入推荐与用户研究成为焦点
-
【阿里】电商搜索算法技术的演进
-
推荐系统遇上深度学习 (十一)-- 神经协同过滤 NCF 原理及实战
-
用机器学习怎样鉴别不可描述的网站
-
“搞机器学习没前途” 2018 算法岗现状
-
用户画像—计算用户偏好标签及数据指标与表结构设计
-
用户画像之标签权重算法
-
用户画像——数据质量管理
-
Google 首席决策师告诉你数据科学究竟是什么?
-
通俗解释协方差与相关系数
-
独家揭秘!2.5 亿用户的美团智能推荐平台是如何构建的?
-
我在机器学习踩过的坑,现在告诉你怎么跳过去
-
观点 | 机器学习 =「新瓶装旧酒」的数据统计?No!
-
神马搜索技术演进之路
-
机器学习第二篇——逻辑回归
-
AIQ | 诺奖得主点评:人工智能其实就是统计学,用了一个很华丽的辞藻
-
【干货】机器学习中的五种回归模型及其优缺点
HelloWorld - Machine Learning Scientist | Algorithm Engineer at Meituan
-
KDD2018 | 电商搜索场景中的强化排序学习:形式化、理论分析以及应用
-
神经网络的激活函数总结
-
AIQ - deeplearning.ai 全套吴恩达老师的深度学习课程笔记及资源在线阅读
-
怎样成为一名优秀的算法工程师
-
AIQ - 干货 | 1400 篇机器学习的论文中,这 10 篇是最棒的!
-
AIQ - 语音识别 | 微软亚研自动语法纠错系统达到人类水平
-
AIQ - 人工智能 | “照骗”难逃 Adobe 的火眼金睛——用机器学习让 P 图无所遁形
-
发布 AI 芯片昆仑和百度大脑 3.0、L4 自动驾驶巴士量产下线,这是百度 All in AI 一年后的最新答卷
-
AIQ - 基础 | 深度学习之基础知识详解
HelloWorld - Machine Learning Scientist | Algorithm Engineer at Meituan
-
深度神经网络(DNN)模型与前向传播算法
-
深度神经网络(DNN)反向传播算法 (BP)
-
深度神经网络(DNN)损失函数和激活函数的选择
-
AIQ| 深醒首席科学家张钹院士:深度学习优势与短板,中国 AI 机遇和挑战
-
AIQ | 面试经验·机器学习、深度学习、算法工程师(校招)