-
Q&A
引用 270 回帖 49
-
NLP
引用 61 回帖 0
自然语言处理
-
人工智能
引用 452 回帖 23
人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来,理论和技术日益成熟,应用领域也不断扩大,可以设想,未来人工智能带来的科技产品,将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能,但能像人那样思考、也可能超过人的智能。
-
职场
引用 99 回帖 -1
-
TensorFlow
引用 44 回帖 3
TensorFlow是谷歌基于DistBelief进行研发的第二代人工智能学习系统,Tensor(张量)意味着N维数组,Flow(流)意味着基于数据流图的计算,TensorFlow为张量从流图的一端流动到另一端计算过程。
-
广告系统
引用 63 回帖 2
广告系统
-
机器学习
引用 526 回帖 28
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。
-
阿里文娱智能营销增益模型 (Uplift Model) 技术实践
-
BiLSTM 上的 CRF,用命名实体识别任务来解释 CRF(1)
-
从文本中进行关系抽取的几种不同的方法
-
字节 AI Lab-NLP 算法热乎面经
-
干货 | Softmax 函数详解
-
深度学习在阿里 B2B 电商推荐系统中的实践
-
对 Reformer 的深入解读
-
Self-Attention 与 Transformer
-
通用的图像 - 文本语言表征学习:多模态预训练模型 UNITER
-
【推荐系统】协同过滤推荐算法
-
怎么理解基于机器学习“四大支柱”划分的学习排序方法
-
【全面总结】机器学习经典书 PRML 相关资料全面总结:中文译本,官方代码,课程视频,学习笔记等等
-
如何只使用标签来构建一个简单的电影推荐系统
-
信息流推荐在凤凰新闻的业务实践
-
机器学习加持的 Airbnb 体验搜索排序实践
-
理解计算机视觉中的损失函数
-
从阿里的 User Interest Center 看模型线上实时 serving 方法
-
【超详细讲解】深入理解 GBDT 二分类算法
-
微软小冰:如何构建人格化的对话系统
-
【论文笔记】TEM: 结合 GBDT 叶节点嵌入的可解释推荐模型
-
NLP.TM[28] | 浅谈 NLP 算法工程师的核心竞争力
-
机器学习的可解释性:因果推理和稳定学习
-
图解自监督学习,人工智能蛋糕中最大的一块
-
让 AI“读懂”短视频,爱奇艺内容标签技术解析
-
万字长文梳理 CTR 预估模型发展过程与关系图谱
-
BERT 的嵌入层是如何实现的?看完你就明白了
-
阿里 B 类电商用户增长实践
-
二部图表示学习 | Graph Convolutional Matrix Completion
-
不要犯战略性的失误——如何合理制定推荐系统的优化目标?
-
BERT, ELMo, & GPT-2: 这些上下文相关的表示到底有多上下文化?
-
一些 NLP 的面试问题
-
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
-
部署基于嵌入的机器学习模型的通用模式
-
视频 | 阿里文娱搜索算法实践和思考
-
从算法到应用:滴滴端到端语音 AI 技术实践
-
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
-
知识图谱基本概念 & 工程落地常见问题
-
机器学习在马蜂窝酒店聚合中的应用初探
-
推荐系统 pipeline 的构建过程和总体架构描述。
-
做机器学习项目的 checklist
-
推荐系统论文回顾:神经协同过滤理解与实现
-
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
-
跨境电商 Etsy 如何使用交互行为类型进行可解释推荐
-
机器学习模型的可解释性
-
个性化海报在爱奇艺视频推荐场景中的实践
-
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)
-
淘宝如何拥抱短视频时代?视频推荐算法实战
-
解密淘宝推荐实战,打造 “比你还懂你” 的个性化 APP