-
人脸检测算法之 S3FD
-
向广大网友请教一个可能比较低智商的问题,万分感谢!
-
kaggle 爱奇艺视频版权检测全流程(附代码、数据集和课件)
-
推荐系统召回全能模型之:FM 模型
-
干货篇 | 58 同城:向量化召回上的深度学习实践
-
深度学习在 58 同城 APP 首页推荐排序上的实践
-
深度学习在 58 同城租房搜索排序中的实践
-
58 同城 | 多目标推荐场景下的深度学习实践
-
深度学习在 58 同城租房搜索排序的应用
-
去哪儿网 | 深度学习在酒店售后智能问答场景实践
-
深度学习在 58 同城首页推荐中的应用
-
阿里深度召回模型实践
-
Angel:深度学习在腾讯广告推荐系统中的实践
-
58 同城 | 深度学习在商业排序的应用实践
-
58 同城 | 深度召回在招聘推荐系统中的挑战和实践
-
深度学习在高德 POI 鲜活度提升中的演进
-
深度学习推荐系统中各类流行的 Embedding 方法(下)
-
【深度语义匹配模型】实践篇:语义匹配在贝壳找房智能客服中的应用
-
算法工程师必知必会的经典模型系列一:Transformer 模型串讲
-
贝壳找房【深度语义匹配模型】原理篇二:交互篇
-
深度时空网络、记忆网络与特征表达学习在 CTR 预估中的应用
-
深度学习推荐系统中各类流行的 Embedding 方法(上)
-
干货! 推荐系统中的深度匹配模型
-
线下 auc 涨,线上 ctr/cpm 跌的原因和解决办法
-
2020 最新版《神经网络与深度学习》中文版更新完毕!(附 pdf 下载)
-
深度学习在花椒直播中的应用—推荐系统冷启动算法
-
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
-
深度学习在省钱快报推荐排序中的应用与实践
-
图解 Reformer:一种高效的 Transformer
-
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
-
深度学习在花椒直播中的应用——排序算法篇
-
标签平滑 & 深度学习:Google Brain 解释了为什么标签平滑有用以及什么时候使用它 (SOTA tips)
-
【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
-
萌新想请教一下 特征选择 的问题
-
深度学习技术在美图个性化推荐的应用实践
-
Facebook 面向个性化推荐系统的深度学习推荐模型
-
以 YouTube 论文学习如何在推荐场景应用强化学习
-
深度度量学习中的损失函数
-
每天超 50 亿推广流量、3 亿商品展现,阿里妈妈的推荐技术有多牛?
-
阿里零售通智能导购推荐技术实践
-
一文读懂深度学习:从神经元到 BERT
-
揭开 YouTube 深度推荐系统模型 Serving 之谜
-
复旦邱锡鹏教授公布《神经网络与深度学习》,中文免费下载
-
基于深度强化学习的新闻推荐模型 DRN
-
回顾 Facebook 经典 CTR 预估模型
-
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
-
「回顾」阿里妈妈:定向广告新一代点击率预估主模型——深度兴趣演化网络
-
「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
-
推荐系统遇上深度学习 (二十九)-- 协同记忆网络理论及实践
-
推荐系统遇上深度学习 (十三)--linUCB 方法浅析及实现
-
推荐系统遇上深度学习 (八)--AFM 模型理论和实践
-
推荐系统遇上深度学习 (六)--PNN 模型理论和实践
-
美团深度学习在搜索业务中的探索与实践
-
骚操作!电影接吻镜头次数的算法实现
-
基于 TensorFlow Serving 的深度学习在线预估
-
AI 的思维
HelloWorld - Machine Learning Scientist | Algorithm Engineer at Meituan
-
AIQ | NLP 算法工程师的学习、成长和实战经验
立即登录,融入AI顶流圈子
加入AIQ,与 22000+ AI领域从业者共同引领中国AI新篇章。
加入AIQ,与 22000+ AI领域从业者共同引领中国AI新篇章。
推荐标签
-
Announcement
引用 9 回帖 3
-
深度学习
引用 166 回帖 14
-
搜索系统
引用 174 回帖 9
-
推荐系统
引用 236 回帖 6
-
spark
引用 118 回帖 5
-
python
引用 7 回帖 3
-
图像识别
引用 82 回帖 4
-
NLP
引用 61 回帖 0
自然语言处理
-
神经网络
引用 115 回帖 8
神经网络是一种运算模型,由大量的节点(或称神经元)之间相互联接构成。每个节点代表一种特定的输出函数,称为激励函数(activation function)。每两个节点间的连接都代表一个对于通过该连接信号的加权值,称之为权重,这相当于人工神经网络的记忆。网络的输出则依网络的连接方式,权重值和激励函数的不同而不同。而网络自身通常都是对自然界某种算法或者函数的逼近,也可能是对一种逻辑策略的表达。
-
hadoop
引用 30 回帖 1
-
storm
引用 36 回帖 0
-
ELK
引用 128 回帖 0
-
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
-
算法
引用 474 回帖 10
-
java并发
引用 4 回帖 0
-
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。
-
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。
-
数学
引用 6 回帖 0
-
LSTM网络
引用 5 回帖 0
-
贝叶斯
引用 1 回帖 0
-
分类模型
引用 2 回帖 0
-
Spotlight论文
引用 3 回帖 0
-
语音识别
引用 12 回帖 0
-
AI
引用 20 回帖 0
-
学习资源
引用 0 回帖 0
-
开源项目
引用 5 回帖 0
-
机器学习爱好者
引用 11 回帖 0