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。
-
模型评估指标 AUC 和 ROC,这是我看到的最透彻的讲解
-
A/B 测试中我们都会犯的十个常见错误
-
阿里妈妈:电商预估模型的发展与挑战
-
个性化推荐技术
-
分类模型与排序模型在推荐系统中的异同分析
-
阿里巴巴复杂搜索系统的可靠性优化之路
-
机器学习与深度学习常见面试题(上)
-
【一. 概述 -1】推荐系统简介
-
【贝壳找房】读“懂”用户找房需求:贝壳语义解析技术实践
-
前员工揭内幕:10 年了,为何谷歌还搞不定知识图谱?
-
【58 同城】语言模型及其应用
-
测试机器学习降维之线性判别模型 (LDA)
-
GBDT+LR 算法解析及 Python 实现
-
国美 11·11:大促场景下的国美智能推荐系统演进之路
-
详解 GAN 的谱归一化(Spectral Normalization)
-
「回顾」机器学习在反欺诈中应用
-
「回顾」深度学习新技术在搜狗搜索广告中的深化应用
-
中文分词技术及在 58 搜索的实践
-
「回顾」58 同城 综合排序框架 连接效率优化实践
-
深度学习时代的图模型
-
AutoML 在推荐系统中的应用
-
基于知识图谱的问答系统入门—NLPCC2016KBQA 数据集
-
【下】YouTube 深度学习推荐系统的十大工程问题
-
建了个机器学习与深度学习的微信群
-
百页机器学习书
-
基于对象特征的推荐系统
-
YouTube 推荐系统改进之路
-
实时检索 6700 亿条推文,细谈 Twitter 搜索引擎的演进历程
-
BigGAN 论文解读
-
微软专家眼中个性化推荐系统的 5 大研究趋势
-
这可能是人工智能、机器学习和大数据领域覆盖最全的一份速查表
-
「回顾」饿了么推荐算法演进及在线学习实践
-
美团深度学习系统的工程实践
-
超参数搜索不够高效?这几大策略了解一下
-
一点做用户画像的人生经验:ID 强打通
-
互联网智能广告系统简易流程与架构
-
互联网智能广告系统简易流程与架构 |
-
如何看待「机器学习不需要数学,很多算法封装好了,调个包就行」这种说法?
-
用户画像番外篇之随笔三则
-
机器学习论文笔记—如何利用高效的搜索算法来搜索网络的拓扑结构
-
回顾·如何构建知识图谱?
-
洋码头搜索应用架构
-
用户画像番外篇之用户活跃 / 用户价值度分析
-
机器学习比赛大杀器 ---- 模型融合 (stacking & blending)
-
NIPS 2018 丨解读微软亚洲研究院 10 篇入选论文
-
搜狐新闻推荐算法原理 | “呈现给你的,都是你所关心的”
-
强化学习在新闻推荐中的应用
-
25 个机器学习开放性面试题,没有明确答案
-
用户画像——标签聚类
-
如何将知识图谱特征学习应用到推荐系统?
-
推荐引擎中规则以及策略
-
我们该如何学习机器学习中的数学
-
VIPKID 一二面面经 (算法工程师)
-
随机森林概述
-
关于感受野的总结
-
AIQ - 从损失函数的角度详解机器学习算法之逻辑回归
-
AIQ - NLP | CNN 也能用于 NLP 任务,一文简述文本分类任务的 7 个模型
-
AIQ - 人工智能 | 人工智能军备竞赛:一文尽览全球主要国家 AI 战略
-
深度学习在美团搜索广告排序的应用实践是怎么样的?
-
AIQ 教程 |「川言川语」:用神经网络 RNN 模仿特朗普的语言风格