-
推荐系统工程难题:如何做好深度学习 CTR 模型线上 Serving
-
< 机器学习实战 高清中英 源代码 > 分享
-
学习数据代码
2028_nickname - 2028_default_intro
-
从 Word Embedding 到 Bert 模型—自然语言处理中的预训练技术发展史
-
当你打开天猫的那一刻,推荐系统做了哪些工作?
-
Embedding 在深度推荐系统中的 3 大应用方向
-
小米移动搜索中的 AI 技术
-
Attention in RNN
-
谷歌、阿里、微软等 10 大深度学习 CTR 模型最全演化图谱【推荐、广告、搜索领域】
-
Embedding 从入门到专家必读的十篇论文
-
详解 Airbnb 之深度学习在搜索业务的探索
-
百度中文纠错技术
-
主流 CTR 预估模型的演化及对比
-
《美团机器学习实践》—— 思维导图
-
「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
-
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 (二十六)-- 知识图谱与推荐系统结合之 DKN 模型原理及实现
-
推荐系统遇上深度学习 (二十三)-- 大一统信息检索模型 IRGAN 在推荐领域的应用
-
推荐系统遇上深度学习 (十六)-- 详解推荐系统中的常用评测指标
-
推荐系统遇上深度学习 (十五)-- 强化学习在京东推荐中的探索
-
推荐系统遇上深度学习 (十二)-- 推荐系统中的 EE 问题及基本 Bandit 算法
-
推荐系统遇上深度学习 (十)--GBDT+LR 融合方案实战
-
推荐系统遇上深度学习 (七)--NFM 模型理论和实践
-
推荐系统遇上深度学习 (五)--Deep&Cross Network 模型理论和实践
-
推荐系统遇上深度学习 (四)-- 多值离散特征的 embedding 解决方案
-
深度学习在金融文本情感分类中的应用
-
半监督深度学习小结:类协同训练和一致性正则化
-
万物皆 Embedding,从经典的 word2vec 到深度学习基本操作 item2vec
-
「回顾」让机器读懂人类:揭秘机器阅读理解技术及应用
-
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
-
阿里开源深度学习框架 XDL,面向广告、推荐、搜索场景
-
深度学习在 Airbnb 大规模搜索排名上的实战经验
-
机器学习人工智能学习资源导航
-
2143 亿!2018 年天猫“双 11”成交总额是这样预测的
-
建了一个机器学习微信群
2036_nickname - 2036_default_intro
-
应用于实时视频通信的深度学习算法研究
-
用机器学习怎样鉴别不可描述的网站
-
旷视、北邮等国内团队包揽六项第一,COCO&Mapillary 联合挑战赛结果公布
-
推荐系统遇上深度学习 (九)-- 评价指标 AUC 原理及实践
-
独家揭秘!2.5 亿用户的美团智能推荐平台是如何构建的?
-
美团在 O2O 场景下的广告营销
-
春风十里不如你
-
AIQ - 百度深度学习图像识别决赛代码分享 (OCR)
-
工业数据采集方法深度学习
-
AIQ - AI | 32 篇论文、7 大事业群,这是腾讯在斯德哥尔摩的 AI 之夜
-
怎样成为一名优秀的算法工程师
-
深度神经网络(DNN)模型与前向传播算法
-
深度神经网络(DNN)损失函数和激活函数的选择
-
AIQ | 优秀的算法工程师都是不用深度学习的
-
AIQ | 吴恩达课程从未失望,斯坦福 CS230 深度学习课程全套资料放出(附下载)
HelloWorld - Machine Learning Scientist | Algorithm Engineer at Meituan
-
AIQ | 面试经验·机器学习、深度学习、算法工程师(校招)
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