中文 | English
全面整理高质量的人工智能、机器学习、大数据等技术资料。内容主要来自开源项目官网、综合技术网站（AIQ 、InfoQ、Stackoverflow、Github 等、国内外知名互联网公司技术博客(FAANG、Alibaba、Meituan etc)、知名技术公众号(DatafunTalk、阿里技术等)。
该文档每天自动更新
我们有一个梦想：随着全球工业界在AI道路上的不断探索与沉淀，笔耕不缀，很多很多年后， AIQ终将成为人工智能领域的“史家之绝唱，无韵之离骚”。——“苦练基本功”
我们有一个梦想：随着工业界不断的分享实践，未来无数的AI工程师们都能在这里找到解决方案、对标前沿，收获志同道合的朋友。智能时代里遍地生花、百家争鸣。——“坚持做正确的事，而不是容易的事”
我们有一个梦想：随着不断提升人工智能技术信息获取的效率，降低信息不对称壁垒，加速行业周期，助力人类智 能化的翅膀飞的更高更远！——“每天前进三十公里”
推广、广告、招聘、投稿、合作 侵权请联系邮箱
Github：https://github.com/cbamls/AI_Tutorial Website: https://www.6aiq.com Mail: [email protected]
注：统计区间(2023-02-15 ~ 2023-02-08)
| 序号 | 佳作 | 作者 | 时间 |
|---|---|---|---|
| 1 | AAAI'23教程 | 图神经网络:基础、前沿与应用，209页ppt全面阐述GNN最新进展 | Houye | 2023-02-14 06:33:12 |
| 2 | 心法利器[57] | 文本多分类问题经验 | 机智的叉烧 | 2023-02-12 17:04:31 |
| 3 | ChatGPT-所见、所闻、所感 | 刘聪NLP | 2023-02-11 01:26:56 |
| 4 | Awesome！搜索/推荐/广告 近400篇优质文章整理 | Houye | 2023-02-11 01:05:02 |
| 5 | AAAI'23杰出论文一作分享：如何将推荐系统训练提速 72 倍？ | Houye | 2023-02-11 01:05:01 |
| 6 | 阿里妈妈向量化召回实践：量化索引->树索引->图索引 | Houye | 2023-02-10 06:46:15 |
| 7 | PyG 官方教程 | 开箱即用的图神经网络解释框架 | Houye | 2023-02-10 06:46:14 |
| 8 | OpenAI ChatGPT（二）：十分钟读懂 GPT-1 | 绝密伏击 | 2023-02-09 20:45:42 |
| 9 | 守得云开见月明——《动手学深度学习（PyTorch版）》终于出版 | Aston Zhang | 2023-02-09 11:47:48 |
| 10 | 中科院计算所招聘特别研究助理/博士后：社会计算、图神经网络、AI for Social Science | Houye | 2023-02-09 06:10:02 |
- 朱翔宇
- 机智的叉烧
- 大师兄
- 刘聪NLP
- 鱼遇雨欲语与余
- 李rumor
- Microstrong
- 阿水
- 王喆
- 石塔西
- 亦一
- 绝密伏击
- 缄默笔记
- 蘑菇先生
- 张俊林
- 李沐
- King James
- 冯伟
- Ostrich
- iwtbs
- 一两赘肉无
- Tang AI
- Peter PanXin
- Andy Yang
- 琦琦
- 姚凯飞
- 萧瑟
- Houye
- 九老师
- yanianthe
- 王峰
- 网络人工智能园地
- 小潄
- 阿泽
- PaperWeekly
- 朱小强
- Aston Zhang
- 其它
介绍： 「炼丹笔记 」「阿里云天池大赛赛题解析」作者,《阿里云天池大赛赛题解析》「作者」 1.“数字中国”创新大赛 数字政府赛道「冠军」
- ACM WSDM Cross-Market Rec 「亚军」
- Microsoft DigSci 科学数据挖掘大赛「亚军」
- ATEC 科技精英赛 数字化运营赛道 「亚军」
- IEEE ICDM Knowledge Graph Contest「季军」
- “达观杯”文本智能处理挑战赛「季军」
- 京东JDATA算法大赛「季军」
- “中国法研杯”司法人工智能挑战赛 三等奖
- 中国高校计算机大赛 微信大数据挑战赛 4th
- 其他数据算法竞赛Top5 若干。
| 序号 | 佳作 | 时间 |
|---|---|---|
| 1 | 如何发现品牌潜客？目标人群优选算法模型及实践解析 | 2022-08-14 15:36:48 |
| 2 | 微信大数据挑战赛：周星星方案汇总 | 2022-05-29 16:39:26 |
| 3 | 称霸Kaggle的九大深度学习炼丹技巧 | 2022-05-22 14:27:35 |
| 4 | 那么多CTR论文，真正能复现出效果的有几个？ | 2022-05-07 14:10:02 |
| 5 | 腾讯多任务模型MFH | 2022-04-09 15:14:45 |
| 6 | Transformer总结(2022版) | 2022-03-28 20:48:21 |
| 7 | 一文看清这些年自监督和无监督的进展 | 2022-03-19 12:36:32 |
| 8 | 用Dropout思想做特征选择，保证效果还兼顾了线上性能? | 2022-03-14 11:45:12 |
| 9 | 神经网络调参技巧：warmup策略 | 2022-03-12 16:13:24 |
| 10 | DEEPNORM：千层transformer... | 2022-03-12 16:12:38 |
| 11 | 2021年炼丹笔记最受欢迎的10篇技术文章 | 2022-03-06 17:14:45 |
| 12 | 关于多目标任务有趣的融合方式 | 2022-03-01 19:45:12 |
| 13 | 对比学习必知要点 | 2022-02-26 18:42:24 |
| 14 | 对比表示学习必知的几种训练目标 | 2022-02-26 18:41:26 |
| 15 | 召回:是"塔",是"塔",但不是双塔! | 2022-02-26 18:33:43 |
| 16 | 2021年Kaggle所有赛事TOP方案汇总 | 2022-02-26 18:30:40 |
| 17 | 深度学习模型的多Loss调参技巧 | 2022-02-25 09:50:48 |
| 18 | 三种Target Encoding方式总结 | 2022-02-11 21:53:31 |
| 19 | 如何解决高维稀疏的user-item矩阵推荐问题？ | 2022-02-08 16:07:00 |
| 20 | 双塔模型没效果了？请加大加粗！ | 2022-01-23 14:43:21 |
| 21 | 文本摘要方法总结 | 2022-01-23 14:16:02 |
| 22 | 就知道调bert，都不知道加个对比学习吗？ | 2022-01-15 16:20:52 |
| 23 | AI圈最新深度学习量化算法！ | 2022-01-12 20:37:37 |
| 24 | Prompt-Tuning这么好用？ | 2022-01-08 14:51:31 |
| 25 | No Fine-Tuning, Only Prefix-Tuning | 2022-01-05 21:24:22 |
| 26 | 搜索算法相似度问题之BM25 | 2022-01-05 21:19:20 |
| 27 | NLP中对"困惑度"感到困惑? | 2021-12-25 14:37:14 |
| 28 | 不加样本就能做数据增强？还能提效？ | 2021-12-25 14:32:09 |
| 29 | 关于"知识蒸馏"，你想知道的都在这里！ | 2021-12-18 14:22:27 |
| 30 | 炼丹秘术：给Embedding插上翅膀 | 2021-12-18 14:12:56 |
| 31 | 从用户反馈的可解释性提升推荐模型 | 2021-12-18 14:08:36 |
| 32 | 时间序列里面最强特征之一 | 2021-12-12 15:36:25 |
| 33 | 自监督学习和对比学习 | 2021-12-05 15:37:18 |
| 34 | 网络越"深"越"好"? | 2021-12-05 15:32:37 |
| 35 | Trapper: Transformer模型都在此! | 2021-12-05 15:29:50 |
| 36 | 10大最受欢迎的时间序列Github项目 | 2021-12-05 15:26:12 |
| 37 | 数据清洗该怎么做？ | 2021-11-20 15:04:33 |
| 38 | self-attention竟然没用？ | 2021-11-14 13:10:41 |
| 39 | 如何评估序列推荐模型？ | 2021-11-05 16:58:30 |
| 40 | 模型的燃料，数据采样的秘密 | 2021-11-05 16:55:39 |
| 41 | Transformers中的位置编码到底是什么? | 2021-10-30 13:41:10 |
| 42 | 那些决定模型上限的操作 | 2021-10-30 13:37:16 |
| 43 | 炼丹知识点：模型评估里的陷阱 | 2021-10-24 13:42:47 |
| 44 | Short-Session的推荐如何做？ | 2021-10-21 20:52:29 |
| 45 | 延迟反馈带来的样本偏差如何处理 | 2021-10-21 20:48:11 |
| 46 | 深度学习模型如何缩小到可以放到微处理器呢? | 2021-10-21 20:43:10 |
| 47 | 2021年三大顶会时间序列论文&代码整理 | 2021-10-21 20:39:47 |
| 48 | 微信大数据挑战赛决赛方案：微信视频号推荐算法 | 2021-09-25 11:14:22 |
| 49 | Transformer又又又升级了？ | 2021-09-25 11:08:18 |
| 50 | 推荐系统里，可以用蒸馏吗？ | 2021-09-25 11:04:40 |
| 51 | 神经网络调参经验大汇总 | 2021-09-14 17:11:26 |
| 52 | 淘宝搜索中基于embedding的召回 | 2021-09-14 16:58:38 |
| 53 | 点击率预估又有新花样？ | 2021-09-04 14:27:45 |
| 54 | 双塔模型中的负采样 | 2021-09-04 14:22:23 |
| 55 | 推荐系统遇到曝光偏差怎么办？用对比学习！ | 2021-08-21 17:38:46 |
| 56 | 内容流推荐中的个性化标题生成框架 | 2021-08-16 12:22:33 |
| 57 | PyCaret：又一个神仙ML库 | 2021-08-16 12:14:47 |
| 58 | 漫谈特征缩放 | 2021-08-16 12:08:13 |
| 59 | 再谈序列化推荐-集成item类目属性 | 2021-08-08 16:50:21 |
| 60 | 盘一盘推荐系统里值得一读的那些论文 | 2021-08-08 16:44:59 |
| 61 | 推荐竞赛金牌技能！ | 2021-08-08 16:35:13 |
| 62 | 推荐系统里，你是怎么Embedding的？ | 2021-08-08 16:31:13 |
| 63 | 特征筛选偷懒必备 | 2021-08-08 16:27:02 |
| 64 | 算法模型该如何解释？ | 2021-07-24 16:46:59 |
| 65 | 从Deepwalk到Node2vec | 2021-07-17 15:30:53 |
| 66 | NLP十大数据扩充策略 | 2021-07-13 12:31:02 |
| 67 | 寻找不合群的数据（异常值） | 2021-07-13 12:21:34 |
| 68 | 推荐系统开源数据集 | 2021-07-13 12:15:42 |
| 69 | 大有可为的GNN：DeepWalk | 2021-07-13 12:11:52 |
| 70 | 负样本的艺术，再读Facebook双塔向量召回算法 | 2021-07-05 21:13:24 |
| 71 | "轻量"且"优秀"的序列推荐模型 | 2021-07-04 11:29:27 |
| 72 | 推荐系统中多值特征的八大处理技巧 | 2021-06-30 20:46:05 |
| 73 | 推荐系统中的长尾物品（Tail Items）推荐问题 | 2021-06-29 11:00:28 |
| 74 | 用 XGBoost 做 Learning To Rank | 2021-06-28 12:29:30 |
| 75 | 微信视频号推荐算法上分技巧 | 2021-06-25 18:47:37 |
| 76 | MLP is Best? | 2021-06-18 09:43:58 |
| 77 | 一文弄懂各大池化Pooling操作 | 2021-06-18 09:37:36 |
| 78 | FM又又又升级了？ | 2021-06-17 12:29:20 |
| 79 | 神经网络十大学习率衰减提效策略 | 2021-06-09 15:18:02 |
| 80 | 兜兜转转一个圈，到底What is all you need? | 2021-06-08 12:29:13 |
| 81 | AutoDim:自动Embedding维度寻优，如何节省70%的存储空间同时还能大幅提效？ | 2021-06-05 15:56:46 |
| 82 | 用XGBoost调XGBoost?"我"调"我"自己？ | 2021-06-05 15:51:12 |
| 83 | 当推荐系统遇上多模态Embedding | 2021-05-31 20:24:08 |
| 84 | 用预训练GNN预估点击率有奇效？ | 2021-05-31 12:35:48 |
| 85 | 曾几何时，我们炼的不是丹，是特征 | 2021-05-28 12:16:30 |
| 86 | 自动化Debias框架，一键去除推荐系统所有Bias | 2021-05-28 12:10:44 |
| 87 | 推荐系统User-Item Embedding图算法 | 2021-05-25 11:18:09 |
| 88 | 隐式反馈的去噪，模型取得巨大提升 | 2021-05-23 13:06:10 |
| 89 | 聊聊Batch Normalization在网络结构中的位置 | 2021-05-23 12:56:38 |
| 90 | 微信视频号推荐算法方案分享 | 2021-05-23 12:52:37 |
| 91 | GNN是什么？GNN怎么学？GNN何用？ | 2021-05-23 12:45:58 |
| 92 | 推荐、广告排序算法评价指标 GAUC、MRR、nDCG、MAP | 2021-05-16 16:15:52 |
| 93 | 模型调参指南北东西 | 2021-05-15 14:15:05 |
| 94 | 用隐式反馈做推荐模型，你做对了吗 | 2021-05-15 14:06:22 |
| 95 | 炼丹侠必知的11大神经网络结构汇总 | 2021-05-15 13:41:44 |
| 96 | 入坑推荐系统，从Google这篇开始 | 2021-05-07 18:46:21 |
| 97 | 谷歌开源下一代推荐系统模拟器：RecSim NG | 2021-05-07 18:40:37 |
| 98 | Lookalike相似人群拓展算法 | 2021-05-07 18:36:30 |
| 99 | KDD Cup 2021：时间序列异常检测问题开源方案 | 2021-04-28 22:29:36 |
| 100 | 对"样本不均衡"一顿操作 | 2021-04-21 22:25:26 |
| 101 | AAAI21最佳论文Runners Up！Transformer的归因探索！ | 2021-04-21 22:21:29 |
| 102 | Attention函数手册 | 2021-04-21 22:16:33 |
| 103 | 没什么是一次排序解决不了的，如果有，那就One more time | 2021-04-21 22:12:32 |
| 104 | Learning to Rank：X-wise | 2021-04-21 22:07:10 |
| 105 | 一个端到端模型GraphDR实现多样化的召回 | 2021-04-21 22:02:08 |
| 106 | DNN中多任务学习概述 | 2021-04-11 13:38:57 |
| 107 | ArcFace 同款商品识别的克星 | 2021-04-11 13:21:13 |
| 108 | MaskNet 这个CTR模型，有点意思 | 2021-04-11 13:11:38 |
| 109 | 霸榜各大CV任务榜单，Swin Transformer横空出世！ | 2021-04-07 23:02:54 |
| 110 | 神经网络基础之可视化和交互式指南 | 2021-04-07 22:48:26 |
| 111 | 一文梳理多任务学习(MMoE/PLE/DUPN/ESSM等) | 2021-04-07 22:28:24 |
| 112 | CTR模型越来越深，如何让它变轻? | 2021-03-30 19:53:54 |
| 113 | Netflix提出梯度提升决策树网络Hammock！ | 2021-03-30 19:46:37 |
| 114 | Purdue&UCLA提出梯度Boosting网络，效果远好于XGBoost模型！ | 2021-03-30 19:43:17 |
| 115 | 一个模型能服务所有的点击率模型？ | 2021-03-30 19:35:04 |
| 116 | 流量为王：ABTest流量分层分桶机制 | 2021-03-24 22:24:00 |
| 117 | 一文弄懂各种loss function | 2021-03-20 14:33:53 |
| 118 | 谷歌Deep Bootstrap Framework：在线优化角度理解神经网络 | 2021-03-20 14:28:28 |
| 119 | 排序(rank)后重排(re-rank)? | 2021-03-20 14:23:43 |
| 120 | ALL in BERT：一套操作冲进排行榜首页 | 2021-03-20 14:13:32 |
| 121 | 又一Attention函数诞生啦，带给你意想不到的巨大提升！ | 2021-03-16 20:19:06 |
| 122 | 搜索推荐系统实战：终极奥秘 | 2021-03-13 19:03:30 |
| 123 | 搜索推荐系统实战：进化篇 | 2021-03-13 18:52:48 |
| 124 | 搜索推荐系统实战：起始篇 | 2021-03-13 18:38:46 |
| 125 | 负样本修正：既然数据是模型的上限，就不要破坏这个上限 | 2021-03-10 20:36:30 |
| 126 | 再谈序列化推荐 | 2021-03-10 20:27:03 |
| 127 | 当推荐遇到冷启动 | 2021-03-09 21:25:06 |
| 128 | 当推荐系统遇上用户画像：你的画像是怎么来的？ | 2021-03-04 13:15:09 |
| 129 | Normalization在CTR问题中的迷之效果 | 2021-02-27 18:07:08 |
| 130 | 负样本修正：CVR预估时间延迟问题 | 2021-02-27 17:53:37 |
| 131 | 搜索推荐炼丹笔记：CVR预估中的延迟反馈问题 | 2021-02-27 17:43:55 |
| 132 | 大道至简：算法工程师炼丹Trick手册 | 2021-02-25 21:39:04 |
| 133 | 推荐系统与GNN的火花 | 2021-02-25 21:32:58 |
| 134 | Model Search：炼丹师最强危机，谷歌开源最强AutoML工具！ | 2021-02-25 21:25:55 |
| 135 | 流量为王：收益最大化的混排机制 | 2021-02-25 21:16:10 |
| 136 | 推荐系统CTR预估学习路线：引入注意力机制 | 2021-02-17 16:27:16 |
| 137 | 推荐系统CTR预估学习路线：深度模型 | 2021-02-17 16:15:30 |
| 138 | 推荐系统CTR预估学习路线：利用树模型自动化特征工程 | 2021-02-17 16:04:15 |
| 139 | 推荐系统CTR预估学习路线：从LR到FM/FFM探索二阶特征的高效实现 | 2021-02-17 15:54:39 |
| 140 | Transformer Family | 2021-02-17 11:44:38 |
| 141 | 模型提效的另一条路：数据增强 | 2021-02-17 10:58:31 |
| 142 | 搜索推荐炼丹笔记：评论是怎么影响推荐的？ | 2021-02-17 10:48:46 |
| 143 | AAAI21最佳论文Informer：效果远超Transformer的长序列预测神器？？？ | 2021-02-07 20:07:28 |
| 144 | 机器学习入门开源资料 | 2021-02-06 17:17:28 |
| 145 | 一石二鸟：推荐系统多目标任务建模方法 | 2021-02-01 21:25:32 |
| 146 | 搜索推荐炼丹笔记：融合GNN、图谱、多模态的推荐 | 2021-02-01 21:07:11 |
| 147 | 搜索推荐炼丹笔记：单网络内部集成学习 | 2021-01-30 15:58:16 |
| 148 | 搜索推荐炼丹笔记：Transformer在搜索推荐中的应用 | 2021-01-30 15:31:42 |
| 149 | NN如何在表格数据中战胜GBDT类模型 | 2021-01-30 15:18:41 |
| 150 | 事半功倍：推荐系统Pre-train预训练方法 | 2021-01-30 15:03:24 |
| 151 | 2020年AI领域有哪些让人惊艳的研究？ | 2021-01-27 22:08:20 |
| 152 | 搜索推荐炼丹笔记：酒店搜索位置偏差的边际重要性 | 2021-01-27 22:01:45 |
| 153 | 搜索推荐炼丹笔记：点击位置偏差的经验比较 | 2021-01-27 21:40:37 |
| 154 | 搜索推荐炼丹笔记：位置偏差里的惊喜 | 2021-01-27 21:12:09 |
| 155 | NLP炼丹笔记：Switch Transformers 朴实无华 大招秒杀 | 2021-01-16 11:01:44 |
| 156 | 推荐搜索炼丹笔记：SIM 用户行为序列点击率预估模型 | 2021-01-16 10:42:29 |
| 157 | 推荐搜索炼丹笔记：MiNet阿里跨域点击率CTR预估 | 2021-01-16 10:23:36 |
| 158 | 推荐搜索炼丹笔记：双塔模型在Airbnb搜索排名中的应用 | 2021-01-09 20:07:29 |
| 159 | 向量召回 MIND多兴趣双塔模型 | 2021-01-09 19:05:31 |
| 160 | 推荐算法炼丹笔记：非采样的负样本 | 2021-01-05 22:29:06 |
| 161 | 2020年搜索推荐系统论文干货集锦 | 2021-01-03 20:37:42 |
| 162 | Facebook向量召回双塔模型 | 2020-12-31 21:15:18 |
| 163 | 推荐算法炼丹笔记：阿里序列化推荐算法MRIF | 2020-12-25 23:33:17 |
| 164 | 做向量召回 All You Need is 双塔 | 2020-12-23 23:31:53 |
| 165 | 推荐算法炼丹笔记：Deep Bayesian的多目标推荐 | 2020-12-19 11:17:08 |
| 166 | 推荐系统里的那些坑 | 2020-12-18 21:59:53 |
| 167 | 深度学习炼丹失败率高达87%的TOP10原因 | 2020-12-18 21:51:55 |
| 168 | 读不完的顶会Paper，我该如何读论文？ | 2020-12-18 21:18:03 |
| 169 | 推荐算法炼丹笔记：标签工程 | 2020-12-13 15:39:10 |
| 170 | 推荐算法炼丹笔记：序列化推荐算法Bert4Rec | 2020-12-13 15:24:26 |
| 171 | 炼丹面试官的面试笔记 | 2020-12-13 15:12:25 |
| 172 | 推荐算法炼丹笔记：阿里序列化推荐算法ComiRec | 2020-12-13 15:02:41 |
| 173 | 学术圈竞赛圈大讨论，深度学习真的比不过GBDT模型吗？ | 2020-12-11 19:13:07 |
| 174 | IEEE ICDM 2020 CUP TOP3方案 | 2020-12-04 00:07:32 |
| 175 | 推荐系统炼丹笔记：Embedding在内存问题上的一种解法 | 2020-11-29 16:38:22 |
| 176 | 推荐系统炼丹笔记：多模态推荐之用户评论篇 | 2020-11-29 16:23:44 |
| 177 | 大规模推荐Deep Retrieval | 2020-11-29 15:58:43 |
| 178 | 推荐系统炼丹笔记：阿里推荐算法特征交叉新方式CAN | 2020-11-29 15:47:30 |
| 179 | 推荐系统炼丹笔记：EdgeRec阿里边缘计算推荐系统 | 2020-11-28 16:20:27 |
| 180 | 推荐算法竞赛TOP方案合集 | 2020-11-28 16:03:52 |
| 181 | 2020年推荐系统工程师炼丹手册RecSys版 | 2020-11-20 22:37:07 |
| 182 | 2020年推荐系统工程师炼丹手册RecSys-Long Paper版 | 2020-11-20 22:24:53 |
| 183 | 推荐系统炼丹笔记：阿里DMIN多重兴趣网络 | 2020-11-14 12:58:18 |
| 184 | 推荐系统炼丹笔记：RecSys2020-SSE-PT解锁序列数据挖掘新姿势 | 2020-11-14 12:49:33 |
| 185 | 炼丹笔记 | 讲讲我们的故事 | 2020-11-14 12:17:53 |
| 186 | 推荐系统中的Bias/Debias大全 | 2020-11-14 12:09:25 |
| 187 | 推荐系统炼丹笔记：令人着迷的时间动态CF算法 | 2020-11-14 11:31:58 |
| 188 | 推荐大赛如何在一周时间内打进决赛 | 2020-11-14 11:18:14 |
| 189 | 推荐算法炼丹笔记：序列化推荐系统 | 2020-11-03 23:14:31 |
| 190 | 推荐算法炼丹笔记：如何让你的推荐系统具有可解释性？ | 2020-10-31 20:49:25 |
| 191 | 推荐算法炼丹笔记：科学调参在模型优化中的意义 | 2020-10-31 19:14:13 |
| 192 | 我的成长之路：追逐冠军的少年 | 2020-10-18 11:41:46 |
| 193 | 电商搜索推荐业务词汇表 | 2020-10-08 22:33:53 |
| 194 | 推荐算法炼丹笔记：推荐系统采样评估指标及线上线下一致性问题 | 2020-10-08 10:41:13 |
| 195 | 2020年推荐系统工程师炼丹手册 | 2020-09-16 09:43:12 |
| 196 | 2020数字中国创新大赛-冠军方案 | 2020-06-09 21:59:49 |
| 197 | DigSci科学数据挖掘大赛-亚军方案分享 | 2019-10-24 11:33:41 |
| 198 | JDATA绝对语义识别挑战大赛-季军方案 | 2019-10-15 21:15:02 |
介绍： OPPO对话算法，公众号：CS的陋室,个人微信公众号：CS的陋室，NLP，搜索推荐，机器学习。北京科技大学统计学硕二毕业，OPPO算法。曾任去哪儿网产品数据，美团点评算法。微信: zgr950123。
| 序号 | 佳作 | 时间 |
|---|---|---|
| 1 | 心法利器[57] | 文本多分类问题经验 | 2023-02-12 17:04:31 |
| 2 | 心法利器[56] | 算法技术设计思路小结 | 2022-12-24 21:43:16 |
| 3 | 心法利器[55] | 算法工程师读论文思路 | 2022-12-23 16:14:06 |
| 4 | 心法利器[54] | NLP任务上线前评测 | 2022-12-23 16:09:08 |
| 5 | 心法利器[53] | 数据增强的现实应用思考 | 2022-12-20 21:33:33 |
| 6 | 前沿重器[20] | 文本分类和意图识别调研思考 | 2022-10-30 19:41:23 |
| 7 | 前沿重器[19] | 预训练在美团搜索广告中的应用 | 2022-10-30 19:37:07 |
| 8 | 前沿重器[18] | KDD21：淘宝向量检索 | 2022-10-30 19:33:31 |
| 9 | 前沿重器[17] | 美团搜索ner技术启示（下） | 2022-10-30 19:28:11 |
| 10 | 前沿重器[16] | 美团搜索ner技术启示（上） | 2022-10-30 19:25:42 |
| 11 | 心法利器[52] | 口语化句子解析问题 | 2022-09-21 23:02:01 |
| 12 | 前沿重器[15] | R-Dropout——如果不行那就两次 | 2022-09-21 23:01:31 |
| 13 | 前沿重器[14] | 美团小样本学习技术启示 | 2022-09-21 23:00:01 |
| 14 | 前沿重器[13] | 知乎query改写思路启示 | 2022-09-21 22:55:55 |
| 15 | 前沿重器[12] | 美团搜索引导技术启示 | 2022-09-21 22:54:12 |
| 16 | 前沿重器[11] | 再谈attention机制 | 2022-09-21 22:51:59 |
| 17 | 前沿重器[10] | bert语义空间的思考 | 2022-09-12 19:41:39 |
| 18 | 心法利器[51] | 长短句语义相似问题探索 | 2022-09-12 19:37:36 |
| 19 | 心法利器[50] | 测试集构造思考 | 2022-09-12 19:34:43 |
| 20 | 前沿重器[9] | 语义相似度ESIM模型带来的启示 | 2022-08-13 16:42:36 |
| 21 | 心法利器[49] | 数据分布的含义理解 | 2022-08-13 16:34:39 |
| 22 | 心法利器[48] | 开放域文本分类 | 2022-08-07 16:20:11 |
| 23 | 心法利器[47] | 为什么你的BERT不行？ | 2022-08-07 16:16:22 |
| 24 | 心法利器[46] | 模型部署的主要技术方案 | 2022-08-07 16:00:16 |
| 25 | 心法利器[45] | 模型需要的信息提供够了吗 | 2022-07-31 17:28:26 |
| 26 | 心法利器[44] | 样本不均衡之我见 | 2022-07-31 17:24:48 |
| 27 | 心法利器[43] | 算法工程师的算法晋升思考 | 2022-07-31 17:21:41 |
| 28 | 心法利器[42] | 润物细无声-残差网络 | 2022-07-10 16:04:08 |
| 29 | 心法利器[41] | 我常说的词典匹配到底怎么做 | 2022-04-17 20:22:52 |
| 30 | 心法利器[37-40] | bad case治疗术合集 | 2022-04-05 20:22:25 |
| 31 | 心法利器[40] | bad case治疗术：解决篇 | 2022-04-05 20:16:17 |
| 32 | 心法利器[39] | bad case治疗术：分析篇 | 2022-04-05 20:12:53 |
| 33 | 心法利器[38] | bad case治疗术：现状篇 | 2022-04-05 20:08:22 |
| 34 | 心法利器[37] | bad case治疗术：认知篇 | 2022-04-05 20:06:42 |
| 35 | 心法利器[36] | 开学季：给研究生的建议 | 2022-03-06 21:18:19 |
| 36 | 心法利器[35] | 开学季：我给大学生的建议 | 2022-03-06 21:16:08 |
| 37 | 心法利器[34] | 报告小结：query理解概述 | 2022-03-06 21:14:57 |
| 38 | 心法利器[33] | 快速的关键词抽取baseline | 2022-02-27 16:59:30 |
| 39 | 心法利器[32] | 分享一些印象深刻的case | 2022-02-27 16:57:38 |
| 40 | 前沿重器[8] | CV研究启发语义相似和表征 | 2022-02-20 20:30:43 |
| 41 | 前沿重器[7] | 小布助手登顶百度千言短文本相似度的秘诀 | 2022-02-20 20:23:34 |
| 42 | 心法利器[31] | 我的算法工程师日常 | 2022-02-13 17:04:51 |
| 43 | 心法利器[30] | 算法新人如何在工作中成长 | 2022-02-13 17:03:42 |
| 44 | 心法利器[29] | 把文本分类任务做成一个系统 | 2022-02-02 23:08:36 |
| 45 | 心法利器[28] | 如何评估一个算法效果 | 2022-02-02 23:03:47 |
| 46 | 前沿重器[6] | 语义相似度ESIM模型带来的启示 | 2022-01-26 22:38:24 |
| 47 | 前沿重器[5] | 阿里小蜜的数据量分级处理机制 | 2022-01-26 22:33:14 |
| 48 | 生日-以写促学，持续成长 | 2022-01-23 23:00:46 |
| 49 | 前沿重器[4] | 探索腾讯搜索的Quer理解如何直击心灵 | 2022-01-19 21:46:34 |
| 50 | 心法利器[27] | 人工智能技术创新大赛决赛随想 | 2022-01-19 21:40:58 |
| 51 | 心法利器[26] | 以搜代分：文本多分类新思路 | 2022-01-19 21:32:36 |
| 52 | 心法利器[25] | 如何做技术设计 | 2022-01-12 22:23:48 |
| 53 | 心法利器[24] | 以pytorch为例看我怎么自学新技术的 | 2022-01-12 22:22:11 |
| 54 | 仓颉专项：你们要的飞机大炮我都会 | 2022-01-12 22:15:41 |
| 55 | 心法利器[24] | 算法在岗3年小结：学习成长篇 | 2022-01-06 00:16:09 |
| 56 | 心法利器[23] | 算法在岗3年小结：工作思路篇 | 2022-01-06 00:14:43 |
| 57 | 心法利器[22] | 算法在岗3年小结：模型策略篇 | 2022-01-06 00:11:09 |
| 58 | 21->22：夯实，蜕变 | 2022-01-02 21:38:36 |
| 59 | 心法利器[21] | NLU落地场景-智能对话交互 | 2021-12-29 23:06:25 |
| 60 | 心法利器[20] | 算法问题下模型之外的问题：文本分类 | 2021-12-29 23:01:16 |
| 61 | 心法利器[19] | 算法问题下模型之外的问题：概述 | 2021-12-22 21:46:47 |
| 62 | 心法利器[18] | cqr&ctr：文本匹配的破城长矛 | 2021-12-22 21:44:54 |
| 63 | 心法利器[17] | 算法服务及其相关配件 | 2021-12-16 00:31:41 |
| 64 | 心法利器[16] | 向量表征和向量召回 | 2021-12-08 20:51:14 |
| 65 | 心法利器[14] | 任务方案思考：人工特征机器学习 | 2021-12-01 22:03:49 |
| 66 | 心法利器[13] | 任务方案思考：句子相似度和匹配 | 2021-12-01 22:02:17 |
| 67 | 心法利器[12] | 任务方案思考：序列标注（NER）篇 | 2021-12-01 21:58:53 |
| 68 | 心法利器[11] | 任务方案思考：文本分类篇 | 2021-11-24 23:22:52 |
| 69 | 心法利器[10] | 算法项目从1到N过程 | 2021-11-24 23:17:00 |
| 70 | 心法利器[9] | 算法项目的从0到1流程 | 2021-11-15 23:11:44 |
| 71 | 心法利器[8] | 模型热更新小记 | 2021-11-15 23:09:58 |
| 72 | 心法利器[7] | 漫谈语义相似度 | 2021-11-09 23:24:40 |
| 73 | 心法利器[6] | python grpc实践 | 2021-11-09 23:21:17 |
| 74 | 心法利器[5] | 聊自己非计算机专业做程序员的经验 | 2021-11-03 21:34:32 |
| 75 | 心法利器[4] | tf.keras文本分类小例子 | 2021-11-03 21:30:02 |
| 76 | 心法利器[3] | tf.keras自学笔记 | 2021-10-27 21:11:10 |
| 77 | 前沿重器[3] | 平安智能问答系统 | 2021-10-27 21:09:26 |
| 78 | 心法利器[2] | 统计语言模型的使用感想 | 2021-10-26 00:32:52 |
| 79 | 心法利器[1] | NLP的知识蒸馏思考 | 2021-10-25 00:32:44 |
| 80 | 前沿重器[2] | 美团搜索理解和召回 | 2021-10-25 00:26:07 |
| 81 | 前沿重器[1] | 微软小冰-多轮和情感机器人的先行者 | 2021-10-25 00:20:48 |
| 82 | ML&DEV[18] | 入职一周年：夯实基础，持续深入 | 2021-08-22 20:13:42 |
| 83 | ML&DEV[17] | 算法工程师的技术深度 | 2021-08-22 20:10:24 |
| 84 | ML&DEV[16] | 算法工程师内功修炼 | 2021-08-22 20:08:13 |
| 85 | ML&DEV[15] | pyspark杂记 | 2021-08-22 20:05:03 |
| 86 | ML&DEV[14] | 浅谈解决问题的能力 | 2021-07-26 09:56:04 |
| 87 | R&S[29] | 推荐系统中的召回 | 2021-07-26 09:45:43 |
| 88 | NLP.TM[38] | 对话系统经典：检索式对话 | 2021-07-26 09:38:53 |
| 89 | 大学生技能大赛：为AI技能添砖加瓦 | 2021-05-09 19:34:03 |
| 90 | 20->21：算法工程师的成长思考 | 2021-01-10 21:21:05 |
| 91 | NLP.TM[37] | 深入讨论纠错系统 | 2021-01-04 23:07:03 |
| 92 | NLP.TM[36] | NLP之源：n-gram语言模型 | 2020-10-27 00:17:29 |
| 93 | NLP.TM[35] | 纠错：pycorrector的候选排序 | 2020-10-25 22:43:27 |
| 94 | NLP.TM[34] | 纠错：pycorrector的召回 | 2020-10-25 22:42:07 |
| 95 | NLP.TM[33] | 纠错：pycorrector的错误检测 | 2020-10-25 22:38:16 |
| 96 | NLP.TM[32] | 浅谈文本增强技术 | 2020-10-07 20:21:50 |
| 97 | R&S[28] | 有关用户理解的思考 | 2020-10-06 11:04:06 |
| 98 | R&S[27] | 用户画像初探 | 2020-10-05 13:02:28 |
| 99 | R&S[26] | 搜索领域算法需要掌握的知识 | 2020-10-04 16:05:50 |
| 100 | R&S[25] | 搜索中的意图识别 | 2020-10-03 16:35:08 |
| 101 | R&S[24] | 浅谈Query理解和分析 | 2020-04-26 00:47:35 |
| 102 | NLP.TM[31] | 2018年的一篇NER综述笔记 | 2020-04-19 23:24:08 |
| 103 | NLP.TM[30] | ner自动化打标方法 | 2020-04-19 23:20:18 |
| 104 | NLP.TM[27] | bert之我见-positional encoding | 2020-04-05 17:34:35 |
| 105 | NLP.TM | 近期做NER的反思 | 2020-04-05 17:28:10 |
| 106 | ML&DEV[13] | 快速从无到有建模完成思路 | 2020-03-22 19:52:54 |
| 107 | R&S[23] | 搜索中的纠错问题初探 | 2020-03-08 21:19:04 |
| 108 | ML&DEV[13] | bad case分析 | 2020-02-23 20:39:11 |
| 109 | ML&DEV[12] | 再谈数学学习 | 2020-02-23 20:37:25 |
| 110 | ML&DEV[11] | 浅谈模型的局限性 | 2020-02-23 20:33:26 |
| 111 | NLP.TM[26] | bert之我见-attention篇 | 2020-01-29 19:53:06 |
| 112 | ML&DEV[10] | gRPC的应用 | 2020-01-27 22:13:06 |
| 113 | ML&DEV | gRPC初体验 | 2020-01-27 00:11:02 |
| 114 | NLP.TM[25] | CS224N学习小结 | 2020-01-26 17:00:31 |
| 115 | R&S[22] | 搜索系统中的召回 | 2020-01-13 00:01:58 |
| 116 | 学习周报 | 变形金刚-Transformer | 2020-01-12 23:48:19 |
| 117 | NLP.TM[24] | TextCNN的个人理解 | 2020-01-12 23:41:11 |
| 118 | 学习周报 | CS224N | 2020-01-01 18:35:25 |
| 119 | 学习周报 | charNER，bert系列的NER | 2020-01-01 18:34:46 |
| 120 | 学习周报 | NER综述 | 2020-01-01 18:33:40 |
| 121 | 学习周报 | BILSTM-CRF，BERT | 2020-01-01 18:32:46 |
| 122 | NLP.TM[23] | NLP学习线路推荐 | 2020-01-01 18:31:27 |
| 123 | 算法在岗一年的工作总结 | 2019-12-07 20:55:52 |
| 124 | 学习周报 | 语义相似度，Tensorflow | 2019-12-07 20:54:11 |
| 125 | R&S[21] | 搜索系统中涉及的算法问题 | 2019-12-07 20:53:12 |
| 126 | 学习周报20191124 | BART，紧密度分析 | 2019-11-24 10:39:51 |
| 127 | NLP.TM[22] | 如何修正NLP问题的bad case | 2019-11-24 10:36:12 |
| 128 | NLP.TM[21] | 语言模型发展思路 | 2019-11-17 12:46:38 |
| 129 | 学习周报20191109 | LM，term weighting | 2019-11-09 01:11:59 |
| 130 | NLP.TM[20] | 词权重问题 | 2019-11-09 01:07:56 |
| 131 | NLP.TM[19] | 条件随机场知识整理（超长文） | 2019-10-27 20:31:51 |
| 132 | NLP.TM[18] | 搜索中的命名实体识别 | 2019-10-20 19:18:42 |
| 133 | NLP.TM[1] | （老文）NLP.TM系列正式开始 | 2019-10-13 23:51:42 |
| 134 | ML&DEV[7] | 所谓算法工程师的工程能力是什么意思 | 2019-10-13 23:43:45 |
| 135 | ML&DEV[6] | 算法工程师Linux必知必会 | 2019-10-07 21:13:47 |
| 136 | ML&DEV[5] | 系统理解特征工程 | 2019-09-30 00:44:05 |
| 137 | R&S[19] | 学习排序入门级概述 | 2019-09-17 00:26:09 |
| 138 | ML&DEV[4] | 机器学习进阶线路 | 2019-09-09 18:30:01 |
| 139 | ML&DEV[3] | 机器学习入门线路 | 2019-08-30 22:00:04 |
| 140 | R&S[18] | SIGIR2018：深度学习匹配在搜索与推荐中的应用 | 2019-08-24 14:56:04 |
| 141 | ML&DEV[2] | 机器学习开发技能入门线路 | 2019-08-17 18:10:48 |
| 142 | ML&DEV[1] | 机器学习数学基础入门线路 | 2019-08-10 08:52:28 |
| 143 | 201907：月度总结与计划 | 2019-08-01 22:59:07 |
| 144 | NLP.TM[16] | SIGIR2019: 深度NLP在搜索系统中的应用 | 2019-07-28 21:34:49 |
| 145 | NLP.TM[15] | 基于卷积神经网络的短文本相似度模型 | 2019-07-20 14:44:37 |
| 146 | 我从研究生生活中得到的经验 | 2019-07-17 22:36:51 |
| 147 | R&S | 手把手搞推荐[6]: 回顾整体建模过程 | 2019-07-14 23:46:25 |
| 148 | NLP.TM | 命名实体识别基线 BiLSTM+CRF | 2019-07-10 17:12:42 |
| 149 | NLP.TM | Keras做基本的文本分类 | 2019-07-01 15:51:44 |
| 150 | NLP.TM | 教你用tensorflow做文本分类 | 2019-06-30 01:17:56 |
| 151 | 算法与数据分析校招经验【含内推码】 | 2019-06-26 22:04:54 |
| 152 | 填志愿：在数学系和算法方向的过来人建议 | 2019-06-25 17:17:36 |
| 153 | NLP.TM | 再看word2vector | 2019-06-24 22:14:01 |
| 154 | 做算法？数学专业的我教你突破数学关 | 2019-06-12 21:31:44 |
| 155 | 评价指标设计 | 2019-06-05 22:53:55 |
| 156 | R&S | 手把手搞推荐[4]：打分预估模型 | 2019-05-24 21:24:14 |
| 157 | R&S | 手把手搞推荐[3]：数据集存取 | 2019-05-21 20:19:23 |
| 158 | R&S 手把手搞推荐[2]：特征工程指南 | 2019-05-11 01:12:07 |
| 159 | R&S | 手把手搞推荐[1]：数据探索 | 2019-05-08 20:11:45 |
| 160 | R&S | 手把手搞推荐[0]：推荐入门小结 | 2019-05-06 21:34:46 |
| 161 | R&S | 爱奇艺搜索启发 | 2019-05-04 19:30:07 |
| 162 | 我的NLP学习之路 | 2019-04-27 22:47:30 |
| 163 | RS | 论文阅读：用于YouTube推荐的深度神经网络 | 2019-04-25 15:04:55 |
| 164 | RS | 深度讨论FM和FFM：不仅是推荐 | 2019-04-22 11:58:20 |
| 165 | RS | 推荐系统的基本结构 | 2019-04-22 11:53:31 |
| 166 | NLP.TM | GloVe模型的原理和实现 | 2019-03-26 08:11:42 |
| 167 | 【NLP.TM】后面开始写点NLP的东西吧 | 2018-01-04 00:42:38 |
| 168 | 2017年，我读了这些书 | 2017-12-30 17:15:23 |
| 169 | 数据科学家必备技能（软件篇） | 2017-12-21 23:02:02 |
| 170 | 数据科学家必备技能 | 2017-12-15 01:16:14 |
介绍： 《深度学习高手笔记》系列丛书作者,通过和 @人民邮电出版社 的合作，目前此专栏的大部分内容经过反复的校正和排版已发布成书籍《深度学习高手笔记——卷1：基础算法》和《深度学习高手笔记——卷2：前沿应用》，内容经过作者和出版社的专业审核人员的10余轮的教改，内容的丰富性，算法讲解的精确性，文字描述的流畅度已大幅提升。目前卷1已多平台上架，欢迎大家点击下面链接购买。 https://item.jd.com/13484669.html。
| 序号 | 佳作 | 时间 |
|---|---|---|
| 1 | ChatGPT/InstructGPT详解 | 2022-12-08 18:53:46 |
| 2 | UniLM详解 | 2022-11-17 11:14:08 |
| 3 | 多模态预训练：BEiT v3（Image as a Foreign Language） | 2022-10-08 11:36:07 |
| 4 | 多模态预训练：VLMo（Vision Language pretrained Model） | 2022-09-27 17:03:14 |
| 5 | 图像预训练：BEiT v2 | 2022-09-20 23:52:33 |
| 6 | 图像预训练：BEIT | 2022-09-09 16:28:43 |
| 7 | 文本对抗之CLARE，BAE | 2022-08-11 15:22:23 |
| 8 | 文本对抗之BERT-Attack | 2022-08-08 19:00:42 |
| 9 | 文本对抗之TextFooler | 2022-08-01 18:12:20 |
| 10 | 稀疏Transformer（Sparse Transformer） | 2022-04-25 11:54:02 |
| 11 | 多模态预训练：DALL-E | 2022-03-15 10:43:19 |
| 12 | 多模态预训练CLIP | 2022-03-08 19:51:55 |
| 13 | Pix2PixHD | 2022-02-14 15:21:56 |
| 14 | 图像翻译之Pix2Pix | 2022-02-07 19:42:44 |
| 15 | 重读FPN（Feature Pyramid Network） | 2022-01-22 18:41:51 |
| 16 | ConvNeXt详解 | 2022-01-18 22:52:59 |
| 17 | 多模态预训练ViLBERT | 2021-12-24 15:16:09 |
| 18 | 可逆Transformer：ReFormer | 2021-12-12 17:09:35 |
| 19 | 可逆残差网络RevNet | 2021-11-23 12:05:40 |
| 20 | 3D分割V-Net | 2021-11-10 23:57:54 |
| 21 | BERT魔改II之BERT-WWM，SpanBERT，BART，MASS | 2021-11-08 16:54:49 |
| 22 | 模型结构搜索之RegNet | 2021-10-25 18:33:17 |
| 23 | GAN详解 | 2021-09-09 21:10:23 |
| 24 | 场景文字检测之EAST | 2021-08-19 18:16:12 |
| 25 | Anchor-Free之FCOS | 2021-08-11 20:37:12 |
| 26 | 可变形卷积网络之DCN v1和DCN v2 | 2021-08-01 17:50:17 |
| 27 | Dropout详解 | 2021-07-19 11:19:13 |
| 28 | Vision Transformer 之 CSWin Transformer | 2021-07-09 15:59:27 |
| 29 | Transformer目标检测之DETR | 2021-07-06 14:30:49 |
| 30 | 语义分割之Deeplab系列 | 2021-06-30 11:39:16 |
| 31 | 人像抠图之Background Matting v2 | 2021-06-18 17:11:09 |
| 32 | NIC之Show Attend and Tell | 2021-06-15 14:58:47 |
| 33 | 语义分割之FCN | 2021-06-09 21:04:47 |
| 34 | 网络结构搜索之EfficientDet | 2021-06-04 14:39:03 |
| 35 | 骨干网络搜索之NAS-FPN | 2021-06-01 16:13:55 |
| 36 | 损失函数之Focal-EIoU Loss | 2021-05-27 16:01:45 |
| 37 | 损失函数之DIoU Loss和CIoU Loss | 2021-05-24 19:53:50 |
| 38 | 损失函数之GIoU Loss | 2021-05-22 16:23:12 |
| 39 | 双向融合：PANet | 2021-05-20 17:47:17 |
| 40 | 全连接？：MLP-Mixer | 2021-05-12 16:45:22 |
| 41 | 单阶段检测之YOLO v4 | 2021-05-07 18:45:59 |
| 42 | Anchor Free之CornerNet Lite | 2021-04-30 18:37:32 |
| 43 | Anchor Free之CenterNet | 2021-04-27 11:48:15 |
| 44 | Anchor Free之CornerNet | 2021-04-23 15:01:00 |
| 45 | 模型结构搜索之MobileNet v3 | 2021-04-15 16:43:18 |
| 46 | BERT魔改之MT-DNN，RoBERTa，XLM，ALBERT | 2021-04-09 16:32:23 |
| 47 | 模型搜索之EfficientNet v2 | 2021-04-06 22:34:39 |
| 48 | CV+Transformer之Swin Transformer | 2021-03-31 17:46:08 |
| 49 | 词向量之ERNIE（百度）和ERNIE 2.0 | 2021-03-27 16:23:45 |
| 50 | 词向量之ERNIE-T（清华大学） | 2021-03-23 22:21:09 |
| 51 | 模型结构搜索之MNasNet | 2021-03-12 18:25:49 |
| 52 | 模型搜索之EfficientNet | 2021-03-09 11:58:07 |
| 53 | 词向量之XLNet | 2021-03-05 18:01:53 |
| 54 | iGPT详解 | 2021-02-23 16:48:37 |
| 55 | DPN详解（Dual Path Networks） | 2021-02-18 13:09:23 |
| 56 | 预训练语言模型之GPT-1，GPT-2和GPT-3 | 2021-02-08 14:54:45 |
| 57 | 词向量之ELMo | 2021-01-28 21:04:00 |
| 58 | HAN详解（Heterogeneous graph attention network） | 2021-01-24 17:34:32 |
| 59 | Attention 图解 | 2021-01-06 11:59:24 |
| 60 | GAT详解 | 2020-12-23 20:58:13 |
| 61 | GraphSAGE详解 | 2020-12-11 18:19:05 |
| 62 | 详解Transformer-XL | 2020-11-02 17:55:46 |
| 63 | 基于Seq2Seq的公式识别引擎 | 2020-08-13 19:35:29 |
| 64 | Background Matting详解 | 2020-06-14 19:34:20 |
| 65 | MTL for OCR源码解析 | 2020-02-25 23:32:46 |
| 66 | OCR之Bi-STR | 2020-02-24 22:10:05 |
| 67 | OCR之PixelLink | 2020-02-13 23:53:37 |
| 68 | Image Caption: Show and Tell | 2019-11-17 22:45:34 |
| 69 | 模型优化之Switchable Normalization | 2019-02-27 12:33:04 |
| 70 | AmoebaNet详解 | 2019-02-23 16:21:17 |
| 71 | 文档分类之HAN | 2019-02-19 16:03:08 |
| 72 | 模型优化之Group Normalization | 2019-02-13 16:42:43 |
| 73 | 模型优化之Instance Normalization | 2019-02-12 19:22:42 |
| 74 | 图像风格迁移详解 | 2019-01-29 13:07:11 |
| 75 | RNN语言模型 | 2019-01-28 14:41:10 |
| 76 | 模型优化之Weight Normalization | 2019-01-17 16:25:54 |
| 77 | 模型优化之Layer Normalization | 2019-01-10 14:41:45 |
| 78 | 模型优化之Batch Normalization | 2019-01-06 14:54:01 |
| 79 | 实例解析：12306验证码破解 | 2018-12-26 15:18:00 |
| 80 | 卷积网络综述（从AlexNet到PNASNet） | 2018-12-24 23:51:29 |
| 81 | PNASNet详解 | 2018-12-19 20:16:44 |
| 82 | NASNet详解 | 2018-12-17 20:50:55 |
| 83 | NAS详解 | 2018-12-15 19:21:04 |
| 84 | PolyNet详解 | 2018-12-11 18:27:26 |
| 85 | CondenseNet详解 | 2018-12-10 14:04:12 |
| 86 | ShuffNet v1 和 ShuffleNet v2 | 2018-12-04 18:54:29 |
| 87 | ResNeXt详解 | 2018-11-28 17:06:24 |
| 88 | Xception详解 | 2018-11-26 18:14:13 |
| 89 | MobileNet v1 和 MobileNet v2 | 2018-11-16 10:43:18 |
| 90 | SqueezeNet详解 | 2018-11-12 17:10:54 |
| 91 | 物体检测之Focal Loss及RetinaNet | 2018-11-08 16:39:12 |
| 92 | 词向量之BERT | 2018-11-05 16:41:21 |
| 93 | 详解Transformer （Attention Is All You Need） | 2018-11-04 15:25:46 |
| 94 | Squeeze-and-Excitation Networks | 2018-10-23 22:47:19 |
| 95 | 物体检测之SNIPER | 2018-10-15 16:01:48 |
| 96 | OCR之RRPN | 2018-09-27 19:27:38 |
| 97 | UnitBox详解 | 2018-09-12 09:19:37 |
| 98 | OCR之HMCP | 2018-09-10 14:15:58 |
| 99 | 人脸检测之DenseBox | 2018-09-07 22:19:32 |
| 100 | 图像分割之U-Net | 2018-09-06 19:27:37 |
| 101 | 边缘检测之HED | 2018-09-03 10:41:16 |
| 102 | 基于CNN的端到端文字检测与识别 | 2018-08-29 23:05:34 |
| 103 | 物体检测历史 | 2018-08-29 08:52:17 |
| 104 | OCR之CTPN | 2018-08-28 13:50:57 |
| 105 | OCR之RARE | 2018-08-27 14:30:01 |
| 106 | OCR之Deep TextSpotter | 2018-08-27 09:08:40 |
| 107 | OCR之DeepText | 2018-08-24 15:56:21 |
| 108 | 物体检测之YOLOv3 | 2018-08-24 15:40:17 |
| 109 | 物体检测之YOLOv2 | 2018-08-24 15:26:50 |
| 110 | 物体检测之R-FCN | 2018-08-24 14:51:19 |
| 111 | 物体检测之SSD | 2018-08-23 21:30:45 |
| 112 | 物体检测之YOLO | 2018-08-23 15:38:53 |
| 113 | 物体检测之MaskX R-CNN | 2018-08-23 11:21:03 |
| 114 | 物体检测之FPN及Mask R-CNN | 2018-08-23 11:03:12 |
| 115 | 物体检测之Faster R-CNN | 2018-08-23 10:38:10 |
| 116 | 物体检测之Fast R-CNN | 2018-08-23 10:12:47 |
| 117 | 物体检测之SPP-Net | 2018-08-23 08:54:34 |
| 118 | 物体检测之R-CNN | 2018-08-23 08:40:33 |
| 119 | Attention in RNN | 2018-08-23 00:03:15 |
| 120 | RNN Encoder-Decoder and GRU | 2018-08-22 23:45:41 |
| 121 | 详解CTC | 2018-08-22 22:46:48 |
| 122 | 详解LSTM | 2018-08-22 22:14:36 |
| 123 | DenseNet | 2018-08-22 19:41:59 |
| 124 | 详解残差网络 | 2018-08-22 19:30:49 |
| 125 | GoogLeNet, Maxout and NIN | 2018-08-22 19:04:58 |
| 126 | VGG | 2018-08-22 17:23:22 |
| 127 | LeNet5 and AlexNet | 2018-08-22 17:01:02 |
| 128 | Spatial Transformer Networks | 2018-08-22 16:44:27 |
介绍： 专业炼丹师，专治疑难杂症,NLP算法工程师，个人微信：logCong，添加时请备注：知乎—姓名—公司/研究方向。。
介绍： 公众号：Coggle数据科学，《机器学习算法竞赛实战》作者,一对一学习指导，可私信我。 数据算法竞赛爱好者，国内竞赛方案最佳分享者，目前已获得五冠六亚一季的成绩。 2022，WSDM-xmRec cup，亚军 2020，腾讯广告算法大赛，冠军 2020，TIANCHI-数字中国创新大赛-智慧海洋建设，冠军 2019，TIANCHI-全球数据智能大赛【赛场二】，亚军 2019，TIANCHI-安泰杯--跨境电商智能算法大赛，冠军 2019，腾讯广告算法大赛，冠军 2019，KDD Cup: Context-Aware Multi-Modal Transportation Recommendation，亚军 2018，科大讯飞营销算法大赛，冠军 2019，TIANCHI-OGeek算法挑战赛，亚军 2019，JDATA-用户对品类下店铺的购买预测，亚军 2019，第四届魔镜杯大赛数据应用大赛，亚军 2019，TIANCHI-全球城市AI挑战赛，季军。
| 序号 | 佳作 | 时间 |
|---|---|---|
| 1 | 深入理解推荐系统：微软xDeepFM原理与实践 | 2022-06-21 11:31:28 |
| 2 | 深入理解推荐系统：大厂如何进行CTR增量训练 | 2022-06-21 11:27:38 |
| 3 | 深入理解推荐系统：阿里DIN原理与实践 | 2022-06-21 11:23:17 |
| 4 | 深入理解推荐系统：CTR平滑问题 | 2022-06-21 11:18:37 |
| 5 | 2022 WSDM-Xmrec：跨境电商推荐挑战赛题方案 | 2022-06-21 11:11:31 |
| 6 | GraphEmbedding实战系列：Node2vec原理与代码实战 | 2022-06-21 11:07:11 |
| 7 | 深入理解推荐系统：如何多种业务场景合并建模 | 2022-06-21 11:02:56 |
| 8 | 科大讯飞：电信客户流失预测赛方案 | 2022-06-21 10:54:15 |
| 9 | 我的新书「机器学习算法竞赛实战」，专注竞赛 | 2021-09-25 23:46:54 |
| 10 | 冠军10w美金 ! ! ! 备战2021腾讯广告算法大赛最新指南 | 2021-03-02 16:21:02 |
| 11 | 消费金融场景下的用户购买预测【冠军方案】分享 | 2021-02-06 01:29:45 |
| 12 | Kaggle知识点：文本相似度计算方法 | 2021-02-06 01:22:37 |
| 13 | Kaggle知识点：类别特征处理 | 2021-02-06 01:13:48 |
| 14 | Kaggle知识点：缺失值处理 | 2021-02-05 16:39:46 |
| 15 | 深入理解推荐系统：超长用户行为序列建模 | 2020-12-14 23:33:53 |
| 16 | 机器学习中“距离与相似度”计算汇总 | 2020-12-14 23:24:03 |
| 17 | 时序预测竞赛之异常检测算法综述 | 2020-12-14 23:03:13 |
| 18 | 数据竞赛之常见数据抽样方式 | 2020-12-10 18:00:15 |
| 19 | 深入理解推荐系统：特征交叉组合模型演化简史 | 2020-10-29 11:03:30 |
| 20 | 深入理解推荐系统：推荐系统中的attention机制 | 2020-10-29 09:36:42 |
| 21 | 2020腾讯广告算法大赛方案分享（亚军） | 2020-08-16 00:21:03 |
| 22 | 2020腾讯广告算法大赛方案分享（冠军） | 2020-08-05 00:06:28 |
| 23 | 深入理解推荐系统：Fairness、Bias和Debias | 2020-07-23 14:53:24 |
| 24 | 厦门国际银行 “数创金融杯”数据建模大赛-冠军分享 | 2020-06-22 13:49:01 |
| 25 | 竞赛总结：天池OGeek算法挑战赛 | 2020-06-18 00:38:52 |
| 26 | 2020腾讯广告算法大赛：高分进阶 | 2020-06-07 09:43:41 |
| 27 | 2020腾讯广告算法大赛：如何突破分数瓶颈？ | 2020-05-24 12:59:32 |
| 28 | 2020腾讯广告算法大赛：赛题理解与解题思路 | 2020-05-16 00:49:30 |
| 29 | 深入理解推荐系统：排序 | 2020-05-07 00:04:15 |
| 30 | 2020 KDD Cup：Debiasing phase4 baseline 0.25 | 2020-05-04 10:56:16 |
| 31 | 冠军7w美金，2020腾讯广告算法大赛正式开始！！！ | 2020-04-15 17:17:46 |
| 32 | KDD Cup 2020 推荐系统赛道—数据分析 | 2020-04-10 00:09:21 |
| 33 | 备战2020腾讯广告算法大赛：武功秘籍 | 2020-04-06 18:54:58 |
| 34 | 深入理解推荐系统：召回 | 2020-04-01 21:01:44 |
| 35 | 深入理解YouTube推荐系统算法 | 2020-03-24 01:26:01 |
| 36 | 深入理解XGBoost：分布式实现 | 2020-03-15 00:55:23 |
| 37 | 基于GNN的图表示学习及其应用 | 2020-03-14 22:09:50 |
| 38 | 天池-安泰杯跨境电商智能算法大赛分享（冠军） | 2020-01-03 11:38:53 |
| 39 | 一文梳理2017腾讯广告算法大赛决赛方案 | 2019-12-05 00:45:21 |
| 40 | 2019CCF-BDCI-乘用车细分市场销量预测方案（Top1%） | 2019-11-25 22:17:00 |
| 41 | TIANCHI-全球数据智能大赛【赛场二】算法赛方案分享（亚军） | 2019-10-29 21:48:59 |
| 42 | 一文梳理2019年腾讯广告算法大赛冠军方案 | 2019-10-07 23:51:29 |
| 43 | 一文总结机器学习常见知识点 | 2019-10-07 21:56:37 |
| 44 | CCF乘用车细分市场销量预测-0.63模型框架 | 2019-09-13 20:44:36 |
| 45 | CCF乘用车细分市场销量预测baseline(0.51+) | 2019-08-27 10:48:40 |
| 46 | 【震惊】2019腾讯广告算法大赛-冠军代码复盘解析 | 2019-08-21 09:33:50 |
| 47 | 这两年：我的数据竞赛之路 | 2019-08-17 00:18:40 |
| 48 | GNN 系列（三）：GraphSAGE | 2019-08-09 10:13:18 |
| 49 | GNN 系列（二）：图神经网络的“开山之作”GCN模型 | 2019-08-05 08:13:48 |
| 50 | GNN 系列（一）：Graph 基础知识介绍 | 2019-08-01 13:08:08 |
| 51 | 拍拍贷第四届魔镜杯大赛-冠亚季军方案梳理 | 2019-08-01 00:46:40 |
| 52 | 第四届魔镜杯大赛数据应用大赛方案分享（亚军） | 2019-07-23 00:46:22 |
| 53 | TIANCHI安泰杯 —跨境电商智能算法大赛Baseline | 2019-07-18 10:34:31 |
| 54 | 2019腾讯广告算法大赛方案分享（冠军） | 2019-07-14 13:43:28 |
| 55 | 2019腾讯广告算法大赛-冠军之路 | 2019-07-09 03:07:48 |
| 56 | 2019JDATA-用户对品类下店铺的购买预测方案及代码分享（亚军） | 2019-07-02 21:59:14 |
| 57 | 2019腾讯广告算法大赛方案分享（初赛冠军） | 2019-06-25 14:39:51 |
| 58 | 2019腾讯广告算法大赛初赛分享-Part3（冠军篇） | 2019-05-23 13:34:56 |
| 59 | 2019腾讯广告算法大赛入门-Part2（初赛生存篇） | 2019-05-11 17:42:16 |
| 60 | 2019腾讯广告算法大赛入门-Part1（竞赛小白晋升之路） | 2019-04-25 16:35:40 |
| 61 | TIANCHI-全球城市计算挑战赛-完整方案及关键代码分享（季军） | 2019-04-13 14:23:27 |
| 62 | DF消费者人群画像—信用智能评分方案分享（top5） | 2019-04-13 12:20:55 |
| 63 | 2019腾讯广告算法大赛开始报名啦！ | 2019-03-26 11:17:02 |
| 64 | TIANCHI全球城市计算AI挑战赛baseline | 2019-03-21 23:28:37 |
| 65 | TIANCHI-津南数字制造算法挑战赛【赛场一】基本分析&Baseline | 2018-12-31 18:55:13 |
| 66 | TIANCHI天池-OGeek算法挑战赛分享及完整代码（亚军） | 2018-12-03 12:02:08 |
| 67 | 2018 CCF《套餐个性化匹配模型》（亚军）分享 | 2018-12-03 00:12:37 |
| 68 | JDD2018-人口动态普查与预测baseline0.1417 | 2018-11-22 21:09:09 |
| 69 | TF-IDF与余弦相似度 | 2018-11-18 01:22:08 |
| 70 | JDATA如期而至-用户购买时间预测Rank9 | 2018-10-29 18:50:02 |
| 71 | 2018科大讯飞AI营销算法大赛总结及完整代码（冠军） | 2018-10-27 16:15:55 |
| 72 | 天池-OGeek算法挑战赛Baseline(0.7016) | 2018-10-11 12:38:42 |
| 73 | 2018科大讯飞AI营销算法大赛Baseline0.4255 | 2018-09-20 00:02:55 |
| 74 | 2018腾讯广告算法大赛总结/0.772229/Rank11 | 2018-06-13 14:16:24 |
| 75 | IJCAI-18 阿里妈妈搜索广告转化预测总结( 29 / 0.13939 ) | 2018-05-20 02:06:43 |
| 76 | 机器学习/数据挖掘面试总结 | 2018-03-29 14:59:28 |
| 77 | 机器学习面试干货精讲 | 2018-02-15 22:52:24 |
| 78 | 数论及数论四大定理 | 2018-02-06 01:52:13 |
| 79 | 动态规划问题总结 | 2018-02-05 00:36:39 |
| 80 | 机器学习进阶：我的竞赛之路 | 2018-01-09 21:00:23 |
| 81 | 特征选择 | 2018-01-09 19:04:08 |
| 82 | LDA线性判别分析 | 2018-01-05 21:41:54 |
| 83 | 判别模型与生成模型 | 2018-01-05 14:53:23 |
| 84 | 模型选择之交叉验证 | 2018-01-04 20:17:51 |
| 85 | 奇异值分解(SVD)原理 | 2018-01-04 14:24:44 |
| 86 | 集成学习概述 | 2018-01-01 17:51:07 |
| 87 | PCA主成分分析学习总结 | 2017-12-28 15:41:23 |
介绍： 公众号「李rumor」，AI算法小姐姐，谷歌开发者专家,还没呢。
| 序号 | 佳作 | 时间 |
|---|---|---|
| 1 | 如何优化大模型的In-Context Learning效果？ | 2023-01-06 13:36:41 |
| 2 | 2022年对话技术梳理：科研进展、产品创新 | 2022-11-08 13:08:10 |
| 3 | 虚拟角色对话：AI产品新花样 | 2022-10-13 18:04:48 |
| 4 | Action Transformer(ACT-1)，通用AI助手 | 2022-09-16 13:13:26 |
| 5 | MetaAI的融合怪：BlenderBot | 2022-08-19 12:44:28 |
| 6 | 最近一些Embodied AI工作的总结(SayCan/LM-Nav/WebShop/Gato/VPT/MINEDOJO) | 2022-07-14 13:25:06 |
| 7 | HuggingFace推出Evaluate库！所以它赚钱了吗？ | 2022-06-02 13:10:04 |
| 8 | 文本匹配｜双塔的效果如何追上交互？ | 2022-05-23 13:10:38 |
| 9 | DeepMind出手！多模态小样本打败精调 | 2022-05-09 13:04:56 |
| 10 | 预训练模型的下一步？突破Impossible Triangle | 2022-04-19 19:41:39 |
| 11 | 谷歌PaLM｜推理能力大幅提升，Pathways给出的第一份答卷 | 2022-04-06 13:13:47 |
| 12 | 腾讯SkillNet｜NLU任务的全能网络，对Pathways架构的初步尝试 | 2022-03-09 18:15:26 |
| 13 | 谷歌LaMDA｜工业级端到端预训练对话模型 | 2022-01-26 13:03:50 |
| 14 | 预训练时代下的文本生成｜模型&技巧 | 2022-01-18 12:17:37 |
| 15 | 【急招】美团-NLP中心图学习（GNN）方向实习生 | 2022-01-05 09:47:42 |
| 16 | 清华x商汤｜统一21年的各类对比学习框架 | 2021-12-28 13:44:38 |
| 17 | 开放域问答综述｜四种方案+数据集 | 2021-12-10 13:28:25 |
| 18 | PromptBERT｜结合Prompt+对比学习，超越SimCSE两个多点 | 2021-12-03 13:53:40 |
| 19 | GPT3 API 「全面」开放，变现模式开启 | 2021-11-22 09:41:28 |
| 20 | 清华P-tuning v2、谷歌SPoT｜Prompt可以超过精调了吗？ | 2021-10-19 18:54:10 |
| 21 | 哈工大｜15种NLP数据增强方法总结与对比 | 2021-10-11 18:48:30 |
| 22 | 谷歌UDG｜Prompt新用法，直接生成训练数据 | 2021-09-23 22:04:55 |
| 23 | Instruction Tuning｜谷歌Quoc V.Le团队提出又一精调范式 | 2021-09-08 12:09:49 |
| 24 | Sentence-T5｜谷歌提出文本表示新SOTA | 2021-08-24 18:05:08 |
| 25 | Prompt范式第二阶段｜Prefix-tuning、P-tuning、Prompt-tuning | 2021-08-17 19:14:06 |
| 26 | Prompt范式的缘起｜Pattern-Exploiting Training | 2021-08-06 12:59:15 |
| 27 | 业界总结｜搜索中的Query理解 | 2021-07-28 13:13:12 |
| 28 | ERNIE3.0 Demo试玩，被卷到了 | 2021-07-08 09:44:34 |
| 29 | 43页预训练模型综述（清华、复旦、人大） | 2021-06-16 20:14:09 |
| 30 | ConSERT｜用对比学习做NLP都有哪些坑？ | 2021-06-07 13:06:25 |
| 31 | 盘点文本相关性在搜索、广告、推荐三大场景中的应用 | 2021-04-27 12:53:51 |
| 32 | 21个经典深度学习句间关系模型｜代码&技巧 | 2021-03-17 18:00:55 |
| 33 | 深度学习文本分类模型综述+代码+技巧 | 2021-02-03 19:04:38 |
| 34 | 2021年NLP入门书籍推荐｜理论&实践 | 2021-01-07 09:52:05 |
| 35 | GPT-2的信息泄漏问题 | 2020-12-17 19:58:31 |
| 36 | 自监督对比学习（Contrastive Learning）综述+代码 | 2020-12-08 19:53:24 |
| 37 | BERT-flow：CMUx字节提出的文本表示新SOTA | 2020-11-28 18:36:34 |
| 38 | CCKS20参会小结：知识图谱在工业界的落地 | 2020-11-19 19:14:45 |
| 39 | 如何用对比学习提升BERT？斯坦福+Facebook的最新力作 | 2020-11-07 20:54:02 |
| 40 | BERT模型蒸馏完全指南（原理/技巧/代码） | 2020-11-04 13:37:39 |
| 41 | Bort: 亚马逊最新4层小模型，效果超越BERT-large | 2020-10-22 13:19:25 |
| 42 | Cross-Thought：微软为文本表示打造的全新预训练任务 | 2020-10-10 09:43:42 |
| 43 | 关于校招Offer选择的一些建议 | 2020-10-09 12:07:33 |
| 44 | 谷歌pQRNN：轻量级文本分类模型 | 2020-10-02 18:14:57 |
| 45 | ACL2020奇葩论文标题大赏 | 2020-07-18 14:08:53 |
| 46 | DynaBERT：动态伸缩训练 | 2020-05-22 18:38:21 |
| 47 | Arxiv每日论文小工具 | 2020-05-07 00:10:02 |
| 48 | FastBERT：又快又稳的推理提速方法 | 2020-04-09 12:14:33 |
| 49 | BatchNorm在NLP任务中的问题与改进 | 2020-04-07 22:55:20 |
| 50 | 谈谈我对ELECTRA源码放出的看法 | 2020-03-12 23:08:01 |
| 51 | 神经网络分布式训练、混合精度训练、梯度累加...一文带你优雅地训练大型模型 | 2020-03-02 11:36:25 |
| 52 | 一文搞懂NLP中的对抗训练FGSM/FGM/PGD/FreeAT/YOPO/FreeLB/SMART | 2020-01-20 18:50:03 |
| 53 | 结构剪枝：要个4层的BERT有多难？ | 2019-11-22 18:51:07 |
| 54 | ELECTRA: 超越BERT, 19年最佳NLP预训练模型 | 2019-11-02 11:54:27 |
| 55 | NLP极简数据增强+源码 | 2019-10-29 10:04:22 |
| 56 | Google T5速读 | 2019-10-24 21:38:42 |
| 57 | BERT句子表示的可视化 | 2019-10-22 18:05:55 |
| 58 | Google ALBERT原理讲解 | 2019-09-27 21:07:50 |
| 59 | 一文搞懂神经网络混合精度训练 | 2019-09-26 13:31:20 |
| 60 | 英伟达Fastertransformer源码解读 | 2019-09-03 19:49:29 |
| 61 | 神经网络模型Inference推理速度优化 | 2019-08-18 00:12:54 |
| 62 | NLP基础模型之词向量 | 2019-07-15 21:17:25 |
| 63 | 深度神经网络模型蒸馏Distillation | 2019-07-03 11:20:12 |
| 64 | TF XLNet源码解读 | 2019-06-26 19:29:40 |
| 65 | Google XLNet原理解读 | 2019-06-21 22:50:17 |
| 66 | 神经网络分布式训练 | 2019-06-10 21:05:09 |
| 67 | BERT生成式之UNILM解读 | 2019-06-07 23:46:37 |
| 68 | BERT生成式之MASS解读 | 2019-05-31 23:34:05 |
| 69 | ELMo/GPT/BERT对比 | 2019-04-22 20:57:03 |
| 70 | OpenAI GPT2原理解读 | 2019-02-20 23:37:08 |
| 71 | MT-DNN原理解读 | 2019-02-16 14:44:45 |
| 72 | Tensorflow版BERT中文模型踩坑总结 | 2018-12-06 20:21:35 |
| 73 | NLP分词算法深度综述 | 2018-11-24 16:20:38 |
| 74 | You May Not Need Attention详解 | 2018-11-03 20:49:17 |
| 75 | 【NLP】Google BERT模型原理详解 | 2018-10-13 15:15:01 |
| 76 | Universal Transformers原理解读 | 2018-09-16 15:02:11 |
| 77 | 【NLP】Transformer模型原理详解 | 2018-09-14 19:52:21 |
| 78 | NLP中的Attention原理和源码解析 | 2018-09-01 15:50:38 |
| 79 | NLP之语言模型和迁移学习 | 2018-08-21 21:01:24 |
介绍： 微信公众号：Microstrong，大规模分布式算法工程师,欢迎关注微信公众号【Microstrong】，我写过4年Android代码，了解前端、熟悉后台，现在主要的研究兴趣是机器学习、深度学习、推荐系统、自然语言处理等相关内容，喜欢分享在学习过程中的读书、思考笔记。欢迎加我微信：Microstrong_AI，一起学习交流进步！ 我的CSDN博客：https://microstrong.blog.csdn.net/ 我的GitHub地址：https://github.com/Microstrong0305。
| 序号 | 佳作 | 时间 |
|---|---|---|
| 1 | 涨点利器：推荐系统中对双塔模型的各种改造升级 | 2023-01-28 16:06:11 |
| 2 | 推荐系统在工业界的N+1条实战经验 | 2022-02-11 00:33:00 |
| 3 | 变分自编码器(VAEs)在协同过滤中的应用论文精读 | 2021-10-04 16:07:51 |
| 4 | KDD'2018 Best Paper-Embedding技术在Airbnb实时搜索排序中的应用 | 2021-09-18 23:01:32 |
| 5 | YouTube采样修正的双塔模型论文精读 | 2021-05-31 02:16:17 |
| 6 | 深度学习中的知识蒸馏技术(下)-知识蒸馏与推荐系统 | 2021-03-22 00:26:14 |
| 7 | 深度学习中的知识蒸馏技术 | 2021-01-19 01:51:52 |
| 8 | 多目标学习在推荐系统中的应用 | 2020-11-06 22:17:16 |
| 9 | BERT4Rec:使用Bert进行序列推荐 | 2020-10-15 01:36:02 |
| 10 | BERT模型精讲 | 2020-07-05 02:51:45 |
| 11 | From Static Embedding to Contextualized Embedding | 2020-06-21 14:10:27 |
| 12 | 一张图搞懂《从Word Embedding到Bert模型—自然语言处理中的预训练技术发展史》 | 2020-06-11 19:58:28 |
| 13 | 基于知识图谱和图卷积神经网络的应用和开发 | 2020-06-07 19:28:36 |
| 14 | 深度学习推荐系统中各类流行的Embedding方法（下） | 2020-05-23 18:07:21 |
| 15 | 深度学习推荐系统中各类流行的Embedding方法（上） | 2020-05-11 01:02:33 |
| 16 | Doc2vec原理解析及代码实践 | 2020-04-25 00:10:26 |
| 17 | Embedding技术在房产推荐中的应用 | 2020-04-19 23:51:29 |
| 18 | 深入浅出Word2Vec原理解析 | 2020-03-26 22:49:23 |
| 19 | 智能推荐算法在直播场景中的应用 | 2020-03-14 23:00:10 |
| 20 | XLNet详解 | 2020-03-07 22:00:53 |
| 21 | NLP的任务 | 2020-02-27 00:33:31 |
| 22 | 从BERT到ALBERT | 2020-02-23 01:02:29 |
| 23 | 从Transformer到BERT模型 | 2020-02-21 19:05:16 |
| 24 | Self-Attention与Transformer | 2020-02-19 19:52:23 |
| 25 | 词向量与ELMo模型 | 2020-02-16 23:34:20 |
| 26 | 深入理解CatBoost | 2020-02-10 19:34:14 |
| 27 | 2019已结束，2020再出发 | 2020-01-12 22:22:53 |
| 28 | 一张图搞懂《推荐系统技术演进趋势：从召回到排序再到重排》 | 2020-01-08 01:02:20 |
| 29 | 深入理解LightGBM | 2020-01-04 21:19:46 |
| 30 | 深入理解XGBoost | 2019-12-22 02:04:11 |
| 31 | 深入理解GBDT多分类算法 | 2019-11-27 21:15:16 |
| 32 | 深入理解GBDT二分类算法 | 2019-11-14 02:07:18 |
| 33 | 对数损失函数 | 2019-11-01 13:34:02 |
| 34 | 深入理解GBDT回归算法 | 2019-10-26 02:58:41 |
| 35 | 梯度提升（Gradient Boosting）算法 | 2019-10-13 04:29:21 |
| 36 | 深入理解提升树（Boosting tree）算法 | 2019-10-01 04:42:28 |
| 37 | Regression Tree 回归树 | 2019-09-16 02:05:19 |
| 38 | 机器学习中的判别式模型和生成式模型 | 2019-08-25 16:39:01 |
| 39 | 《生成式对抗网络GAN的研究进展与展望》论文笔记 | 2019-08-15 01:24:39 |
| 40 | 一张图搞懂《GAN万字长文综述》 | 2019-08-14 22:37:44 |
| 41 | 2019秋招算法岗复盘 | 2019-07-07 22:48:56 |
| 42 | 基于随机森林的电信用户流失模型 | 2019-05-17 16:40:49 |
| 43 | 理解LSTM网络 | 2019-04-30 12:24:53 |
| 44 | 带师妹轻松过笔试 | 2019-02-26 20:41:53 |
| 45 | 聊天机器人的各种架构剖析 | 2019-01-18 20:56:49 |
| 46 | 机器学习在自动驾驶（计算机视觉）中的案例分析 | 2019-01-17 23:25:52 |
| 47 | 如何给文章自动生成摘要 | 2019-01-11 10:35:52 |
| 48 | 我的2018年总结 | 2019-01-04 17:42:23 |
| 49 | 深度学习中的注意力机制 | 2018-12-25 21:26:24 |
| 50 | 卷积神经网络（CNN）综述 | 2018-12-11 16:26:48 |
| 51 | 循环神经网络（RNN） | 2018-11-03 22:59:11 |
| 52 | Code2Pix-用于图形用户界面的深度学习编译器 | 2018-11-01 12:14:50 |
| 53 | 美团大脑智享生活 | 2018-10-24 22:33:34 |
| 54 | Linux基本操作（一） | 2018-10-08 17:27:59 |
| 55 | EM算法详解 | 2018-07-31 21:25:33 |
| 56 | 贝叶斯分类器 | 2018-07-27 01:25:39 |
| 57 | 对Dilated Convolution理解 | 2018-07-12 22:31:44 |
| 58 | 卷积神经网络中感受野的详细介绍 | 2018-07-08 12:06:45 |
| 59 | 偏差（Bias）与方差（Variance） | 2018-07-04 13:25:52 |
| 60 | 深度学习优化方法-AdaGrad | 2018-06-20 21:25:00 |
| 61 | 深度学习中Dropout原理解析 | 2018-06-18 21:56:30 |
| 62 | 主成分分析（PCA）原理详解 | 2018-06-08 22:00:45 |
| 63 | 机器学习中SVD总结 | 2018-05-20 15:23:32 |
| 64 | 分类中解决类别不平衡问题 | 2018-05-10 20:21:59 |
| 65 | 用Tensorflow构建一个神经网络 | 2018-05-04 15:57:47 |
介绍： 公众号【Coggle数据科学】,数据挖掘/计算机视觉从业者 数据竞赛爱好者。
| 序号 | 佳作 | 时间 |
|---|---|---|
| 1 | 优化预测速度 部署ML模型的7个要点 | 2023-01-07 15:41:45 |
| 2 | Python知识点：调试和优化代码 | 2022-09-02 06:32:39 |
| 3 | 时序资料汇总：模型和常见库对比 | 2022-08-12 17:53:46 |
| 4 | 60种特征工程操作：使用自定义聚合函数 | 2022-07-13 15:51:08 |
| 5 | Kaggle知识点：XGBoost迭代读取数据集 | 2022-06-27 11:22:16 |
| 6 | 从0学习CV：科大讯飞神经影像疾病预测 | 2022-06-23 11:34:32 |
| 7 | 竞赛总结：CHIP2020医学命名实体识别 | 2022-06-23 10:32:59 |
| 8 | 科大讯飞活跃竞赛汇总（推荐/NLP/CV） | 2022-06-23 10:28:34 |
| 9 | Kaggle知识点：缺失值处理方法 | 2021-10-26 23:19:00 |
| 10 | 薅羊毛 Colab使用外部数据的7种方法！ | 2021-09-13 13:23:34 |
| 11 | 拉通对齐 梳理Kaggle竞赛组合拳！ | 2021-09-10 07:13:36 |
| 12 | Kaggle时间序列比赛汇总 | 2021-09-10 07:09:54 |
| 13 | 竞赛总结：Kaggle外星信号搜索 | 2021-08-26 21:18:37 |
| 14 | Kaggle知识点：深度学习代码规范 | 2021-08-14 10:54:31 |
| 15 | Pytorch Debug指南：15条重要建议 | 2021-08-14 10:48:30 |
| 16 | NeurIPS 2021 比赛汇总 | 2021-07-31 11:35:13 |
| 17 | Kaggle知识点：40个Linux资源查看命令 | 2021-07-13 10:15:37 |
| 18 | Kaggle从零到实践：使用Word2Vec和BILSTM识别Quora重复提问 | 2021-07-11 09:43:33 |
| 19 | 如何一小时杀入天池OCR比赛前排？ | 2021-07-10 16:38:19 |
| 20 | Kaggle从零到实践：Bert中文文本分类 | 2021-07-09 08:46:52 |
| 21 | 竞赛总结：Kaggle Shopee多模态检索 | 2021-05-21 09:48:05 |
| 22 | 竞赛总结：Kaggle HuBMAP肾小球比赛 | 2021-05-14 08:45:37 |
| 23 | ICCV 2021竞赛汇总 | 2021-05-12 14:20:06 |
| 24 | Kaggle知识点：内存优化方法 | 2021-03-25 06:55:38 |
| 25 | 竞赛总结：京东AI时尚挑战赛 | 2021-03-13 10:36:24 |
| 26 | CVPR 2021 竞赛汇总 | 2021-03-05 21:02:43 |
| 27 | Treelite：树模型部署加速工具（支持XGBoost、LightGBM和Sklearn） | 2021-01-27 21:14:36 |
| 28 | Coggle一周年：与竞赛爱好者一路同行 | 2020-12-17 02:19:44 |
| 29 | CCF贝壳房产聊天问答匹配高分思路 | 2020-11-25 23:26:59 |
| 30 | 你应该知道的LightGBM各种操作！ | 2020-10-19 20:54:51 |
| 31 | SMP2020微博情绪分类比赛总结 | 2020-10-11 18:52:28 |
| 32 | KDD Cup历年比赛介绍合集 | 2020-10-06 23:24:44 |
| 33 | 打包带走，竞赛必备的NLP库 | 2020-09-25 21:39:34 |
| 34 | 竞赛总结：Cornell Birdcall比赛复盘 | 2020-09-25 20:49:02 |
| 35 | DCIC算法分析赛完整方案分享 | 2020-09-14 19:44:43 |
| 36 | Kaggle知识点：入门到进阶的10个问题 | 2020-09-05 13:02:09 |
| 37 | 算法分析赛：从数据中挖掘价值，72万奖金，DCIC 2020 大数据赛道来了！ | 2020-09-03 23:19:10 |
| 38 | 竞赛总结：Kaggle SIIM-ISIC比赛复盘 | 2020-08-24 11:52:09 |
| 39 | 竞赛总结：海南大数据创新算法赛 | 2020-08-11 23:40:13 |
| 40 | 竞赛总结：新冠期间饿了么骑士行为预估 | 2020-07-25 07:52:10 |
| 41 | Kaggle年度竞赛：谷歌地标检索 | 2020-07-15 04:13:57 |
| 42 | Kaggle知识点：时序数据与Embedding | 2020-05-27 19:02:20 |
| 43 | 零基础入门CV赛事：赛题介绍与Baseline | 2020-05-23 00:03:26 |
| 44 | Kaggle知识点：数据分析EDA | 2020-05-17 10:34:47 |
| 45 | Kaggle知识点：Adversarial Validation | 2020-04-24 21:21:37 |
| 46 | Kaggle知识点：数据扩增方法 | 2020-04-18 18:47:17 |
| 47 | 视频版权检测优胜解决方案 | 2020-04-05 20:18:11 |
| 48 | Kaggle Bengali 比赛完整总结 | 2020-03-27 14:39:38 |
| 49 | 数据竞赛2019年度年鉴发布（250页竞赛方案独家呈现） | 2020-02-18 19:37:57 |
| 50 | DCIC 2020-天池智慧海洋建设算法赛：独家Baseline！ | 2020-01-06 17:41:25 |
| 51 | DataFountain | 工件负荷率预测冠军分享 | 2020-01-01 10:24:53 |
| 52 | 爱可可推荐！关于竞赛思路，方法和代码实践，Datawhale数据竞赛Baseline开源分享！ | 2019-12-15 20:21:43 |
| 53 | FFmpeg视频抽帧那些事 | 2019-10-11 17:35:26 |
| 54 | 【竞赛分享】首届中诚信征信比赛冠军MOMO总结 | 2019-09-22 18:10:40 |
| 55 | 阿水总结的数据竞赛Tricks | 2019-09-14 12:44:10 |
| 56 | Pandas常见的性能优化方法 | 2019-09-07 20:26:01 |
| 57 | 阿水TopLine比赛开源-带你上TOP5 | 2019-08-31 17:01:08 |
| 58 | 【竞赛分享】VideoNet视频内容识别挑战赛 | 2019-08-24 16:09:41 |
| 59 | 【竞赛总结】从Quick Draw看图像分类比赛 | 2019-08-17 17:56:45 |
| 60 | 【竞赛分享】第三届阿里云安全赛季军-0day | 2019-08-10 14:40:13 |
| 61 | 【竞赛分享】JDATA绝对语义识别挑战赛-季军 | 2019-08-03 17:38:18 |
| 62 | 【竞赛分享】TinyMind人民币面值及编码识别-第五名 | 2019-07-27 11:37:20 |
介绍： 广告/推荐 Engineering Manager,广告/推荐, Engineering Manager, 主页http://wzhe.me, 知乎专栏/微信公众号：王喆的机器学习笔记。
介绍： CDA持证人，推荐算法说书人～公众号：推荐道,如果有问题咨询，请走“付费咨询”渠道，谢谢理解支持。。
| 序号 | 佳作 | 时间 |
|---|---|---|
| 1 | 一桥飞架双塔：腾讯“虚拟内核”双塔 | 2022-08-22 08:04:04 |
| 2 | 再见Attention：建模用户长期兴趣的新范式 | 2022-07-12 11:48:47 |
| 3 | 三问阿里的TDM召回 | 2022-06-29 16:03:46 |
| 4 | 一文搞懂Approximate Softmax：从公式到代码 | 2022-06-15 07:55:09 |
| 5 | 算法周报：再思考PDN与DC-GNN | 2022-05-25 11:51:47 |
| 6 | 推荐算法遇到后悔药：评蚂蚁的ESCM2模型 | 2022-05-17 16:10:56 |
| 7 | 算法周报220510：Online Learning怎么才能学了不忘 | 2022-05-11 10:36:08 |
| 8 | 动态权重：推荐算法的新范式 | 2022-04-19 08:49:12 |
| 9 | 日久见人心：论建模用户长期兴趣的几种姿势 | 2022-04-08 08:45:14 |
| 10 | 新手福利！数据科学面试中的回家作业 | 2022-03-25 21:32:04 |
| 11 | 重温经典之ps-lite源码解析(4)：实现分布式FM | 2022-02-15 14:35:51 |
| 12 | 重温经典之ps-lite源码解析(3)：顾客、工人和服务器 | 2022-02-15 14:23:57 |
| 13 | 重温经典之ps-lite源码解析(2)：邮局和邮车 | 2022-02-15 14:16:06 |
| 14 | 重温经典之ps-lite源码解析(1)：基础 | 2022-02-15 12:43:06 |
| 15 | 授人以渔：分享我的算法学习经验 | 2022-01-28 20:46:04 |
| 16 | 初来乍到：帮助新用户冷启的算法技巧 | 2022-01-18 11:19:57 |
| 17 | 刀功：谈推荐系统特征工程中的几个高级技巧 | 2021-12-22 20:08:52 |
| 18 | 先入为主：将先验知识注入推荐模型 | 2021-12-08 18:01:43 |
| 19 | 少数派报告：谈推荐场景下的对比学习 | 2021-11-21 16:08:52 |
| 20 | 久别重逢话双塔 | 2021-11-02 10:24:49 |
| 21 | 万变不离其宗：用统一框架理解向量化召回 | 2021-01-19 12:32:13 |
| 22 | FM：推荐算法中的瑞士军刀 | 2021-01-10 10:12:12 |
| 23 | 四化大业：论算法工程师的自我修养 | 2021-01-02 15:42:14 |
| 24 | 推荐算法的"五环之歌" | 2020-12-13 18:56:19 |
| 25 | 阿里ESAM：用迁移学习解决召回中的样本偏差 | 2020-12-10 14:14:05 |
| 26 | 无中生有：论推荐算法中的Embedding思想 | 2020-11-29 19:24:20 |
| 27 | 知识图谱上的双塔召回：阿里的IntentGC模型 | 2020-11-25 20:50:13 |
| 28 | Google PPRGo: 两分钟分类千万节点的最快GNN | 2020-11-17 17:44:30 |
| 29 | 亲兄弟明算账：快速了解阿里的M2GRL模型 | 2020-11-11 18:42:05 |
| 30 | PinSAGE有伴了! 快速了解PinnerSAGE模型 | 2020-11-10 20:07:27 |
| 31 | GraphSAGE+FM+Transformer强强联手：评微信的GraphTR模型 | 2020-11-08 15:08:23 |
| 32 | PinSAGE召回模型及源码分析(3)：PinSAGE模型及训练 | 2020-11-06 15:06:58 |
| 33 | PinSAGE召回模型及源码分析(2)：数据管道 | 2020-11-06 14:54:37 |
| 34 | PinSAGE 召回模型及源码分析(1): PinSAGE 简介 | 2020-11-06 14:49:36 |
| 35 | 负样本为王：评Facebook的向量化召回算法 | 2020-07-29 17:28:39 |
| 36 | 再评Airbnb的经典Embedding论文 | 2020-07-21 15:21:27 |
| 37 | 一图胜千言: 解读阿里的Deep Image CTR Model | 2019-02-19 10:48:32 |
| 38 | 也评Deep Interest Evolution Network | 2019-01-14 18:28:33 |
| 39 | 用NumPy手工打造 Wide & Deep | 2018-12-24 14:53:50 |
| 40 | 走马观花Google TF-Ranking的源代码 | 2018-12-15 15:32:53 |
| 41 | 看漫画学强化学习 | 2018-12-05 19:33:09 |
| 42 | 学习Airbnb是如何将"业务"与"算法"结合的 | 2018-11-16 15:27:44 |
| 43 | 看Google如何实现Wide & Deep模型(3) | 2018-11-01 20:38:56 |
| 44 | 用TensorFlow实现支持多值、稀疏、共享权重的DeepFM | 2018-10-30 20:18:00 |
| 45 | 看Google如何实现Wide & Deep模型（2.2） | 2018-10-29 21:03:52 |
| 46 | 看Google如何实现Wide & Deep模型（2.1） | 2018-10-29 20:55:25 |
| 47 | 看Google如何实现Wide & Deep模型(1) | 2018-10-21 16:10:44 |
| 48 | 看Youtube怎么利用深度学习做推荐 | 2018-10-15 21:12:14 |
介绍： 公众号：播播笔记(推荐算法)，吾之(生活思考),在不堪一击的现实里还孤行一意地保有百无一用的浪漫主义；欢迎关注公众号：播播笔记 (推荐算法相关) ，吾之 (生活体验)。
| 序号 | 佳作 | 时间 |
|---|---|---|
| 1 | 特征交叉 | xDeepFM: 站在DeepFM和DCN的肩膀上 | 2023-01-19 20:23:42 |
| 2 | 特征交叉 | DCN-m: 显式高阶特征交叉进阶版 | 2023-01-14 09:50:31 |
| 3 | 特征交叉 | DCN-v: 显式高阶特征交叉不是梦 | 2023-01-07 20:43:43 |
| 4 | 特征交叉 | DCN系列：解放高阶交叉的人工设计 | 2023-01-07 19:31:15 |
| 5 | BN有效性分析及其应用 | 2023-01-03 09:58:27 |
| 6 | 一文读懂Batch Normalization | 2022-12-31 11:07:25 |
| 7 | 神经网络基础知识汇总 | 2022-12-31 11:04:35 |
| 8 | 推荐基础知识汇总 | 2022-12-31 10:58:41 |
| 9 | 用户行为序列建模汇总 | 2022-12-31 10:47:26 |
| 10 | 特征交叉方法汇总 | 2022-12-31 10:40:59 |
| 11 | 特张交叉 | DeepFM: 绕不开的业界强base | 2022-12-19 13:51:13 |
| 12 | 特征交叉 | PNN: product层实现特征交叉 | 2022-12-19 13:38:02 |
| 13 | 特征交叉 | FNN和NFM: FM与DNN输入的结合 | 2022-12-17 11:13:44 |
| 14 | 特征交叉 | FwFM和AFM: 显式特征交叉权重精细化 | 2022-12-11 21:36:01 |
| 15 | 特征交叉 | FFM: 显式特征交叉按域精细化 | 2022-12-08 21:54:42 |
| 16 | 特征交叉 | FM：embedding化特征交叉鼻祖 | 2022-12-03 14:09:55 |
| 17 | 特征交叉：wide&deep开启DNN模型特征交叉时代 | 2022-11-29 22:57:17 |
| 18 | 用户行为长序列建模MIMN方法和思考 | 2022-11-19 20:08:23 |
| 19 | 过拟合-dropout原理和在模型中多种应用 | 2022-11-06 19:01:51 |
| 20 | 用户行为长序列建模SDM方法 | 2022-10-29 20:52:01 |
| 21 | 用户行为长序列建模概览 | 2022-10-29 20:36:31 |
| 22 | AUC离线和在线表现不一致问题：两个维度 | 2022-10-16 15:40:54 |
| 23 | 用户行为序列建模din系列方法总结 | 2022-10-01 13:11:02 |
| 24 | 用户行为序列建模dsin方法 | 2022-09-30 22:08:28 |
| 25 | 用户行为序列建模dien方法 | 2022-09-24 16:18:41 |
| 26 | 用户行为序列建模din方法和实际应用 | 2022-09-11 11:43:55 |
| 27 | 用户行为序列建模self attention和具体实现 | 2022-09-06 23:52:53 |
| 28 | 用户行为序列建模概览 | 2022-08-24 21:52:32 |
| 29 | 多目标样本权重-DTP和不确定性加权 | 2022-08-08 20:25:35 |
| 30 | 多目标样本权重-GradNorm和DWA原理详解和实现 | 2022-07-16 13:27:26 |
| 31 | POSO方法的实际应用和分析思考 | 2022-07-01 22:11:25 |
| 32 | 用户冷启POSO论文详读 | 2022-06-26 19:55:18 |
| 33 | 多目标模型结构PLE详解和效果分析 | 2022-06-18 17:42:13 |
| 34 | 多目标模型结构-MMoE和实际应用思考 | 2022-06-10 21:49:22 |
| 35 | 多目标模型结构-ESMM和ESM2 | 2022-06-04 19:14:19 |
| 36 | 推荐中多目标的必要性和实现思路 | 2022-05-14 12:40:15 |
| 37 | 激活函数选择和具体应用以及相关面试题 | 2022-05-03 09:16:49 |
| 38 | 深入理解深度学习中常见激活函数 | 2022-05-01 20:20:17 |
| 39 | ctr模型特征交叉结构总结与业务应用和思考 | 2022-04-16 22:26:55 |
| 40 | 特征交叉 | 从曾将的王者LR开始 | 2022-03-04 16:05:37 |
| 41 | 一句话理解tensorflow中的乘法 | 2022-02-25 18:54:59 |
| 42 | 如何防止过拟合(1)-正则化 | 2022-02-20 15:28:52 |
| 43 | 从偏差方差角度理解过拟合 | 2022-02-06 19:56:13 |
| 44 | 如何计算AUC | 2022-01-28 16:31:01 |
| 45 | 什么是好的推荐，重新理解AUC | 2022-01-22 13:27:55 |
| 46 | 为什么需要推荐 | 2022-01-16 15:35:17 |
| 47 | 写在前面 | 2022-01-16 15:28:14 |
介绍： 九天惊雷撼乾坤，一指破空九万里,一位篮球爱好者。
| 序号 | 佳作 | 时间 |
|---|---|---|
| 1 | OpenAI ChatGPT（二）：十分钟读懂 GPT-1 | 2023-02-09 20:45:42 |
| 2 | ChatGPT Is All you Need | 2023-02-04 21:43:02 |
| 3 | OpenAI ChatGPT（一）：Tensorflow实现Transformer | 2023-02-03 20:55:02 |
| 4 | OpenAI ChatGPT（一）：十分钟读懂 Transformer | 2023-01-28 00:04:49 |
| 5 | 十分钟读懂Stable Duffision | 2023-01-20 21:00:06 |
| 6 | 十分钟读懂Diffusion：图解Diffusion扩散模型 | 2023-01-18 19:03:44 |
| 7 | 爆火的ChatGPT，到底怎么样？ | 2022-12-29 20:44:06 |
| 8 | AIGC爆火的背后——扩散模型DDPM浅析 | 2022-12-11 00:10:56 |
| 9 | AIGC爆火的背后——对抗生成网络GAN浅析 | 2022-11-04 19:14:25 |
| 10 | 长序列建模（二）：美团SDIM（Sampling-based Deep Interest Modeling）模型 | 2022-09-02 20:17:26 |
| 11 | 阿里ETA模型——实践篇 | 2022-08-21 20:07:02 |
| 12 | 长序列建模（一）：阿里ETA（End-to-end Target Attention）模型 | 2022-07-28 20:05:56 |
| 13 | SIGIR2022：阿里多任务学习最新论文ESCM2 | 2022-06-09 18:36:04 |
| 14 | 多场景建模 | 2021-12-17 16:30:26 |
| 15 | 【总结】推荐系统——精排篇【3】DIN/DIEN/BST/DSIN/MIMN/SIM/CAN | 2021-11-14 18:29:53 |
| 16 | 【总结】推荐系统——精排篇【2】WDL/DCN/DCN-v2 | 2021-11-14 13:19:41 |
| 17 | 【总结】推荐系统——精排篇【1】FM/FFM/GBDT+LR/MLR | 2021-11-13 21:21:44 |
| 18 | 元学习在推荐系统中的应用 | 2021-11-12 19:31:58 |
| 19 | 【总结】推荐系统中知识蒸馏应用 | 2021-05-16 15:41:44 |
| 20 | 知识蒸馏在推荐系统中的应用 | 2021-04-22 16:27:54 |
| 21 | 【总结】推荐系统——召回篇【4】 | 2021-03-19 21:41:33 |
| 22 | 【总结】推荐系统——召回篇【3】 | 2021-03-09 20:52:33 |
| 23 | 【总结】推荐系统——召回篇【2】 | 2021-03-01 19:45:10 |
| 24 | 【总结】推荐系统——召回篇【1】 | 2021-02-21 22:29:45 |
| 25 | 推荐系统中的用户留存优化 | 2021-02-08 17:05:35 |
| 26 | SIGIR2020最佳论文：如何消除推荐系统中的曝光偏差 | 2020-12-23 21:04:12 |
| 27 | 多目标学习在推荐系统的应用(MMOE/ESMM/PLE) | 2020-11-14 04:25:24 |
| 28 | 模型的参数初始化 | 2020-04-26 20:40:48 |
| 29 | RALM: 实时Look-alike 算法在微信看一看中的应用 | 2020-01-20 10:52:22 |
| 30 | 回顾阿里经典CTR预估模型DIN | 2020-01-17 15:23:22 |
| 31 | 深度学习中激活函数总结 | 2020-01-10 18:26:35 |
| 32 | 回顾Google经典CTR预估模型WDL | 2020-01-03 21:53:46 |
| 33 | 回顾阿里经典CTR预估模型MLR | 2020-01-01 13:59:27 |
| 34 | 回顾阿里经典CTR预估模型：MLR(mixed logistic regression) | 2019-12-31 17:07:07 |
| 35 | 2019年度总结：深度学习在推荐系统中的应用 | 2019-12-26 23:10:00 |
| 36 | 有趣的证明 | 2019-12-13 16:09:49 |
| 37 | 推荐系统论文DSIN：Deep Session Interest Network | 2019-12-12 22:29:10 |
| 38 | 推荐系统论文：Behavior Sequence Transformer | 2019-12-09 20:33:42 |
| 39 | 行列式点过程DPP在推荐系统中的应用(续) | 2019-12-06 15:17:41 |
| 40 | 行列式点过程DPP在推荐系统中的应用 | 2019-12-05 22:08:58 |
| 41 | 深度学习中Batch Normalization和Dice激活函数 | 2019-08-19 18:44:15 |
| 42 | LR训练优化-稀疏特征过滤 | 2018-12-09 17:57:16 |
| 43 | 优先队列的使用 | 2018-11-04 20:26:19 |
| 44 | 阿里论文《Deep Interest Evolution Network》 | 2018-09-25 18:21:53 |
介绍： 公众号"缄默笔记"，分享推荐系统学习笔记,
介绍： 个人公众号: 蘑菇先生学习记 & 某大厂算法工程师。,胜不骄，败不馁。。
介绍： 你所不知道的事,Heil Hydra！嗯。
| 序号 | 佳作 | 时间 |
|---|---|---|
| 1 | 通向AGI之路：大型语言模型（LLM）技术精要 | 2023-01-09 08:28:15 |
| 2 | ChatGPT会取代搜索引擎吗 | 2022-12-06 09:39:22 |
| 3 | 推荐系统排序环节的特征Embedding建模 | 2022-10-14 18:33:04 |
| 4 | 对比学习视角:重新审视推荐系统的召回粗排模型 | 2021-10-28 19:35:14 |
| 5 | 利用Contrastive Learning对抗数据噪声：对比学习在微博场景的实践 | 2021-05-09 10:26:26 |
| 6 | 对比学习（Contrastive Learning）:研究进展精要 | 2021-04-24 10:41:59 |
| 7 | SENet双塔模型：在推荐领域召回粗排的应用及其它 | 2021-03-21 17:56:21 |
| 8 | 乘风破浪的PTM：两年来预训练模型的技术进展 | 2020-09-20 09:01:54 |
| 9 | 知识蒸馏在推荐系统的应用 | 2020-05-24 10:04:23 |
| 10 | 推荐系统中稀疏特征Embedding的优化表示方法 | 2020-05-17 09:49:00 |
| 11 | 推荐系统技术演进趋势：从召回到排序再到重排 | 2019-12-29 12:11:44 |
| 12 | 2019人工智能技术发展趋势 | 2019-11-22 21:21:34 |
| 13 | 对NLP以及推荐系统未来发展趋势的看法 | 2019-08-25 11:02:20 |
| 14 | XLNet:运行机制及和Bert的异同比较 | 2019-06-22 10:49:56 |
| 15 | Bert时代的创新（应用篇）：Bert在NLP各领域的应用进展 | 2019-06-09 10:31:09 |
| 16 | FFM及DeepFFM模型在推荐系统的探索 | 2019-06-02 12:19:11 |
| 17 | Bert时代的创新：Bert应用模式比较及其它 | 2019-05-12 12:17:33 |
| 18 | 推荐系统召回四模型之二：沉重的FFM模型 | 2019-03-18 07:57:44 |
| 19 | 关于百度ERNIE及将知识图谱引入Bert | 2019-03-17 11:55:02 |
| 20 | 推荐系统召回四模型之：全能的FM模型 | 2019-03-03 10:55:41 |
| 21 | 效果惊人的GPT 2.0模型：它告诉了我们什么 | 2019-02-16 12:01:14 |
| 22 | 关于“中文字型深度学习模型Glyce+田字格CNN”的个人看法 | 2019-01-31 01:05:25 |
| 23 | 放弃幻想，全面拥抱Transformer：自然语言处理三大特征抽取器（CNN/RNN/TF）比较 | 2019-01-13 10:08:49 |
| 24 | 天空之城：拉马努金式思维训练法 | 2018-12-09 10:18:48 |
| 25 | 从Word Embedding到Bert模型—自然语言处理中的预训练技术发展史 | 2018-11-11 15:00:27 |
| 26 | 深度学习中的Normalization模型 | 2018-08-28 23:55:15 |
| 27 | NF:集成人工生命和遗传算法自动发现神经网络最优结构 | 2018-08-16 23:41:48 |
| 28 | 机器码农：深度学习自动编程 | 2018-07-15 09:39:09 |
| 29 | Batch Normalization导读 | 2018-06-17 10:12:08 |
| 30 | 深度学习中的注意力模型（2017版） | 2018-06-02 09:45:57 |
| 31 | 2017年AI技术前沿进展与趋势 | 2018-05-19 22:27:39 |
| 序号 | 佳作 | 时间 |
|---|---|---|
| 1 | 斯坦福2021秋季新课：实用机器学习 | 2021-08-30 00:45:20 |
| 2 | 动手学深度学习PyTorch篇直播总结 | 2021-08-26 09:00:01 |
| 3 | 工作五年反思 | 2021-05-24 13:41:29 |
| 4 | 动手学深度学习 v2 开课了！ | 2021-03-15 06:41:27 |
| 5 | 《动手学深度学习》中文第二版预览版发布 | 2021-03-09 14:24:09 |
| 6 | 《动手学深度学习》新增TensorFlow实现 | 2020-07-08 05:28:01 |
| 7 | 《动手学深度学习》新增PyTorch实现 | 2020-06-05 00:53:44 |
| 8 | GluonCV v0.4：更多更快 | 2019-04-02 13:36:12 |
| 9 | GluonNLP v0.6: 让可复现的 BERT 模型走到你身边 | 2019-03-20 12:03:47 |
| 10 | 《动手学深度学习》英文预览版以及伯克利新课程 | 2018-11-29 09:20:52 |
| 11 | GluonNLP 0.3.3 新功能及重现报告 | 2018-08-07 07:30:17 |
| 12 | 跨卡同步 Batch Normalization | 2018-07-25 06:12:42 |
| 13 | GluonCV 0.2 — 计算机视觉工具包第二版 | 2018-06-26 13:41:33 |
| 14 | GluonNLP — 自然语言处理的深度学习工具包 | 2018-05-11 08:20:06 |
| 15 | MXBoard — 助力 MXNet 数据可视化 | 2018-04-30 12:49:24 |
| 16 | GluonCV — 计算机视觉的深度学习工具包 | 2018-04-26 08:10:13 |
| 17 | 十分钟从 PyTorch 转 MXNet | 2018-04-03 07:47:56 |
| 18 | 第十七课：GloVe、fastText和使用预训练的词向量 | 2018-01-26 03:12:55 |
| 19 | 第十六课：词向量（word2vec） | 2018-01-20 08:43:21 |
| 20 | 第十四课：实现、训练和应用循环神经网络 | 2018-01-04 03:47:31 |
| 21 | 第十三课：正向传播、反向传播和通过时间反向传播 | 2017-12-23 03:25:48 |
| 22 | 第七课：物体检测 | 2017-11-03 03:30:35 |
| 23 | 第六课：优化算法高级和计算机视觉 | 2017-10-26 07:22:25 |
| 24 | 第五课：Gluon高级和优化算法基础 | 2017-10-20 13:42:29 |
| 25 | 第四课：BatchNorm，更深的卷积神经网络，Hybridize和新的Kaggle练习 | 2017-10-12 06:47:57 |
| 26 | 第三课：深度卷积网络，如何使用Gluon，以及核武器购买指南 | 2017-09-22 14:12:08 |
| 27 | 第二课：过拟合、多层感知机、GPU和卷积神经网络 | 2017-09-14 12:01:07 |
| 28 | 第一课：从上手到多类分类 | 2017-09-07 08:04:59 |
| 29 | 机器学习简介 | 2017-09-06 11:32:05 |
| 30 | 一起动手学习深度学习 | 2017-09-04 10:00:00 |
介绍： 公众号：KingJames讲策略，算法出身的策略产品；,1. 专注于策略产品领域，+：MonkeyELuff 进策略产品交流群，定期给大家分享前沿策略知识；公众号：KingJames讲策略；2.《策略产品经理实战培训课程》持续招生中，https://zhuanlan.zhihu.com/p/561585077；。
介绍： 推荐系统,混迹推荐系统的小码农。
| 序号 | 佳作 | 时间 |
|---|---|---|
| 1 | 推荐系统的计算资源节省问题 | 2020-10-18 06:14:23 |
| 2 | 推荐系统的去重问题 | 2020-10-11 06:31:07 |
| 3 | 推荐系统的实时性：生产侧 | 2020-10-04 07:35:16 |
| 4 | 推荐系统的实时性：用户侧 | 2020-09-27 07:54:00 |
| 5 | 推荐系统的多样性：内容生态视角 | 2020-09-20 09:01:03 |
| 6 | 推荐系统的多样性：用户视角 | 2020-09-13 08:20:24 |
| 7 | 推荐系统的公平性：生产侧 | 2020-09-06 07:41:16 |
| 8 | 推荐系统的公平性：用户侧 | 2020-08-30 07:09:40 |
| 9 | 码农的自我修养（三）：向上管理 | 2019-12-21 14:58:30 |
| 10 | 码农的自我修养（二）：自我管理 | 2019-12-15 15:34:41 |
| 11 | 码农的自我修养（一）：向下管理 | 2019-12-08 15:42:42 |
| 12 | 强化学习基础篇: 策略迭代 (Policy Iteration) | 2018-02-25 22:45:24 |
| 13 | 强化学习基础篇: 价值迭代 (Value Iteration) | 2018-02-24 00:06:52 |
| 14 | 强化学习基础篇：马尔科夫决策过程 (MDP) | 2018-01-20 15:43:53 |
| 15 | 解析微软云Azure Decision Service | 2018-01-17 06:56:11 |
| 16 | 监督学习越来越准，我为什么要写bandit问题 | 2018-01-01 11:11:02 |
| 17 | Contextual Bandits: Thompson Sampling | 2017-12-28 23:40:11 |
| 18 | Multi-Armed Bandit: Thompson Sampling | 2017-12-28 10:48:30 |
| 19 | Contextual Bandits: LinUCB | 2017-12-27 16:55:29 |
| 20 | Multi-Armed Bandit: UCB (Upper Bound Confidence) | 2017-12-26 15:59:06 |
| 21 | Multi-Armed Bandit: epsilon-greedy | 2017-12-26 11:53:42 |
| 22 | 开栏：智能决策系列 | 2017-12-25 00:19:14 |
介绍： 厚积薄发,分享互联网技术和成长经验。
| 序号 | 佳作 | 时间 |
|---|---|---|
| 1 | 电商商品理解：基础概念 | 2022-11-20 17:38:13 |
| 2 | 电商搜索QP：总结 | 2022-08-19 10:55:26 |
| 3 | 电商搜索QP：纠错 | 2022-08-10 11:32:49 |
| 4 | 电商搜索QP：Tagging | 2022-06-25 19:22:15 |
| 5 | 电商搜索QP：中文分词 | 2022-05-01 21:48:12 |
| 6 | 电商搜索工程：Rank | 2022-02-07 18:41:03 |
| 7 | 电商搜索工程：工程架构篇 | 2022-01-03 19:35:52 |
| 8 | 电商搜索：Query推荐 | 2021-12-19 16:45:40 |
| 9 | 电商搜索排序：重排 | 2021-12-12 17:35:57 |
| 10 | 电商搜索排序：精排 | 2021-11-14 20:43:26 |
| 11 | 电商搜索排序：粗排 | 2021-10-19 22:26:30 |
| 12 | 因果推断：NLP应用综述 | 2021-10-10 21:39:58 |
| 13 | 搜索排序-番外：简话模型演进（传统方法） | 2021-10-02 23:53:32 |
| 14 | 电商搜索排序-番外：特征工程 | 2021-09-23 23:21:01 |
| 15 | 电商搜索排序：向量召回（下） | 2021-08-25 22:59:08 |
| 16 | 电商搜索排序：向量召回（上） | 2021-08-11 11:57:42 |
| 17 | 电商搜索排序：召回 | 2021-08-02 23:46:56 |
| 18 | 电商搜索排序：总述 | 2021-07-25 21:01:30 |
| 19 | 电商搜索：相关性匹配 | 2021-02-18 09:32:05 |
| 20 | 电商搜索QP：Term Weighting | 2021-02-17 16:48:06 |
| 21 | 电商搜索QP：Query改写 | 2021-02-17 16:42:37 |
| 22 | 电商搜索QP：Query类目预测 | 2021-02-17 16:35:07 |
介绍： 公众号：推荐广告算法小木屋,推荐算法工程师。
| 序号 | 佳作 | 时间 |
|---|---|---|
| 1 | 推荐系统多目标优化专题(2)—融合公式设计思路 | 2022-04-18 11:41:53 |
| 2 | 推荐系统多目标优化专题(1)——深入理解推荐系统 | 2022-03-06 23:07:17 |
| 3 | 双塔召回模型的前世今生（下篇） | 2021-12-07 01:31:08 |
| 4 | 双塔召回模型的前世今生（上篇） | 2021-11-08 00:55:25 |
| 5 | nearline(近线)召回在阿里妈妈的实践 | 2021-09-23 23:35:46 |
| 6 | 《Embedding-based Retrieval in Facebook Search》论文精读 | 2021-08-01 23:04:16 |
| 7 | 蒸馏技术在推荐模型中的应用 | 2021-07-09 00:49:31 |
| 8 | 推荐中的多样性与生态建设 | 2021-06-17 20:02:13 |
| 9 | 推荐系统中的debias算法 | 2021-05-17 01:28:56 |
| 10 | 借Youtube论文，谈谈双塔模型的八大精髓问题 | 2021-05-01 00:41:05 |
| 11 | 推荐中的召回算法—总结串讲 | 2021-04-19 02:33:40 |
| 12 | 召回模型中的负样本构造 | 2021-03-21 01:05:14 |
| 13 | 推荐算法中的“多目标学习” | 2021-03-12 00:22:41 |
| 14 | 2021春招与暑期实习，一些感悟与建议【字节内推】 | 2021-03-02 00:34:53 |
| 15 | 推荐场景中一些反直觉的“坑” | 2021-01-16 22:13:48 |
| 16 | 业务增长的杀手锏—推荐算法的冷启动 | 2021-01-11 00:58:07 |
| 17 | 聊聊向量化召回的一些工程经验 | 2021-01-03 00:53:52 |
| 18 | 推荐系统中的bad case怎么debug | 2020-12-24 23:51:02 |
| 19 | 推荐场景中，线上线下指标不一致是为啥 | 2020-12-15 00:49:50 |
| 20 | 向量召回—近邻快速查找算法总结 | 2020-12-14 00:21:53 |
| 21 | 谈谈推荐算法中的‘trade-off’ | 2020-12-13 23:50:27 |
| 22 | 谈谈我眼中的“推荐算法” | 2020-12-13 23:46:27 |
介绍： 和鲸社区运营，heywhale.com,
| 序号 | 佳作 | 时间 |
|---|---|---|
| 1 | 50题真 • 一文入门TensorFlow2.x | 2020-03-05 15:44:01 |
| 2 | 全国人工智能大赛 行人重识别(Person ReID)赛项 季军团队方案分享 | 2020-02-29 13:28:16 |
| 3 | 全国人工智能大赛 AI+4K HDR赛项 冠军团队方案分享 | 2020-02-28 11:28:01 |
| 4 | 40题刷爆Keras，人生苦短我选Keras | 2020-01-16 15:36:14 |
| 5 | 90题细品吴恩达《机器学习》，感受被刷题支配的恐惧 | 2020-01-08 16:50:15 |
| 6 | 60题PyTorch简易入门指南，做技术的弄潮儿🌊 | 2019-12-25 13:49:57 |
| 7 | 50题matplotlib从入门到精通 | 2019-12-10 18:00:13 |
| 8 | 50道练习带你玩转Pandas | 2019-11-28 11:37:25 |
| 9 | 高校大数据挑战赛Rank2教学“新人如何参加一场数据科学类比赛” | 2019-11-21 15:31:42 |
| 10 | 比赛方案分享之“莱斯杯”Rank 1 | 2019-11-06 15:03:15 |
| 11 | 案例分享 | 文科生也能看懂的2019高校大数据挑战赛 Rank 2 案例 | 2019-10-30 14:22:59 |
| 12 | 机器学习教程【2】 | 2019-10-24 14:34:05 |
| 13 | 机器学习教程【1】 | 2019-10-17 14:05:22 |
| 14 | Plotly入门教程 | 2019-10-08 11:07:26 |
| 15 | 数据处理教程 | 2019-09-24 12:06:13 |
| 16 | 数据特征分析教程 | 2019-09-17 11:30:07 |
| 17 | TED演讲数据集探索之可视化分析 | 2019-09-10 10:09:52 |
| 18 | 如何用K-Lab做机器学习demo？ | 2019-08-28 12:37:12 |
| 19 | 10套练习，教你如何用Pandas做数据分析【6-10】 | 2019-08-15 13:01:32 |
| 20 | 10套练习，教你如何用Pandas做数据分析【1-5】 | 2019-08-07 10:25:47 |
| 21 | 100道练习带你玩转Numpy | 2019-08-01 14:09:24 |
介绍： 在机器学习中欲仙欲死,神经病王子，佛系，网瘾少年。
| 序号 | 佳作 | 时间 |
|---|---|---|
| 1 | 一文说尽推荐系统的召回模型 | 2022-12-04 15:43:49 |
| 2 | 推荐算法的离线评价指标综述 | 2022-11-21 00:08:38 |
| 3 | 优化器综述 | 2022-11-19 17:53:46 |
| 4 | 激活函数综述 | 2022-11-17 22:12:39 |
| 5 | 损失函数综述 | 2022-11-16 22:16:17 |
| 6 | Bootstrap,Bagging与随机森林,Stacking | 2022-11-09 23:41:52 |
| 7 | 提升树-Adaboost，GBDT，XGBoost，LightGBM | 2022-11-06 22:20:59 |
| 8 | 决策树-ID3,C4.5,CART | 2022-10-31 00:24:59 |
| 9 | 凸优化的掌上明珠-回归问题 | 2022-10-29 14:27:07 |
| 10 | AI的优化起源-凸优化之美 | 2022-10-24 23:07:01 |
| 11 | 协同过滤算法系列(Collaborative Filtering,Swing,adamic-adar) | 2022-10-21 23:36:04 |
| 12 | 推荐算法之abtest实验设计 | 2022-10-15 15:42:06 |
| 13 | 推荐系统的架构-冷启动-召回-粗排-精排-重排 | 2022-10-14 22:23:34 |
| 14 | 特征工程之离散特征处理 | 2022-10-10 23:20:19 |
| 15 | 推荐算法的特征工程之连续值特征处理 | 2022-10-09 00:47:01 |
| 16 | 推荐算法的基石-数据 | 2022-10-03 21:24:26 |
| 17 | 推荐算法在工业界的应用 | 2022-09-27 23:52:59 |
| 18 | 推荐系统的历史 | 2022-09-20 22:29:43 |
介绍： AI 大数据 分布式系统,Colossus, Spanner, IAM, TensorFlow, PaddlePaddle, Recommender System, AI Platform, Mobile AI。
| 序号 | 佳作 | 时间 |
|---|---|---|
| 1 | 聊聊Diffusion和AIGC | 2022-12-04 21:12:46 |
| 2 | 深度学习的碳排放、算力，以及可持续性辩论 | 2022-10-07 19:05:44 |
| 3 | 端上AI体验个性化讨论 | 2022-10-01 15:47:03 |
| 4 | 整理一些生成模型笔记：Pix2Pix, CLIP, Diffusion Model, Dall-E 2 | 2022-06-12 16:57:14 |
| 5 | 关于联邦学习的调研总结 | 2022-05-16 11:52:21 |
| 6 | 聊聊谷歌的超级大模型PaLM: Scaling Language Modeling with Pathways | 2022-04-09 20:48:39 |
| 7 | 聊聊Jeff新作PATHWAYS: ASYNCHRONOUS DISTRIBUTED DATAFLOW FOR ML | 2022-04-01 21:12:31 |
| 8 | 回顾6年深度学习的算法实践和演进 | 2022-02-07 12:44:09 |
| 9 | 关于图灵机，人，人工智能能力边界的思考 | 2022-02-01 09:03:34 |
| 10 | 自适应AI系统 | 2021-12-31 17:22:50 |
| 11 | 巨型AI模型背后的分布式训练技术 | 2021-11-07 10:56:30 |
| 12 | 推荐广告模型的降本提效：压缩策略 | 2021-10-13 21:08:41 |
| 13 | 关于基于Foundation Model的推荐系统未来的思考 | 2021-09-23 10:04:05 |
| 14 | 从我开发的深度学习框架看深度学习这几年：TensorFlow, PaddlePaddle（飞桨）, 无量 | 2021-04-08 17:00:40 |
| 15 | 机器学习平台接口设计 | 2021-01-22 20:06:43 |
介绍： 生活、学习、思考和观察世界,自由之精神 独立之思想。
| 序号 | 佳作 | 时间 |
|---|---|---|
| 1 | RealFormer：Real 简单，Real 有效 | 2020-12-29 12:16:50 |
| 2 | AdaBelief：一个有“信仰”的优化器 | 2020-12-24 13:19:35 |
| 3 | 招个NLP算法实习生 | 2020-08-25 10:22:31 |
| 4 | PPLM： 四两拨千斤，Uber 可控语言生成框架 | 2019-12-09 10:29:47 |
| 5 | EMNLP 最佳论文解读：来自信息瓶颈的新语言学理论 | 2019-11-12 10:30:03 |
| 6 | 当我们说到机器“理解”到底在说什么？ | 2019-11-06 18:29:12 |
| 7 | 子词技巧：The Tricks of Subword | 2019-11-05 08:56:01 |
| 8 | T5 模型：NLP Text-to-Text 预训练模型超大规模探索 | 2019-10-25 11:59:30 |
| 9 | BERT 瘦身之路：Distillation，Quantization，Pruning | 2019-10-16 08:25:27 |
| 10 | SemBERT: BERT 的语义知识增强 | 2019-09-09 23:40:52 |
| 11 | 语言生成：搜索 or 采样，that is the question | 2019-08-28 20:53:20 |
| 12 | 神经语言生成的非似然训练 | 2019-08-18 18:54:12 |
| 13 | RoBERTa：高级丹药炼制记录 | 2019-08-06 23:27:44 |
| 14 | ERNIE 2.0：芝麻街 2.0？ | 2019-08-01 08:49:40 |
| 15 | SpanBert：对 Bert 预训练的一次深度探索 | 2019-07-30 22:01:48 |
介绍： 一个爱跳舞 的程序猿,建议尽量不要私信我，极有可能漏看。 有疑问可在文章下评论，我看到了会回复的
谢谢。
| 序号 | 佳作 | 时间 |
|---|---|---|
| 1 | CS285深度强化学习笔记3——马尔科夫决策过程 & 强化学习目标 & RL结构 & RL类型 | 2021-03-11 20:04:38 |
| 2 | CS285深度强化学习笔记2——序列决策问题和imitation learning | 2021-03-08 19:39:53 |
| 3 | CS285深度强化学习笔记1——概览 | 2021-03-04 20:51:37 |
| 4 | 多任务学习——共享模式／权重选择／attention融合论文剖析 | 2021-02-10 16:29:10 |
| 5 | 基于ESMM模型的MTL多目标优化实践——用户活跃度影响排序机制——蘑菇街首页信息流推荐 | 2021-02-08 18:50:15 |
| 6 | 基于ESMM模型的多目标优化实践——蘑菇街商城篇 | 2021-01-08 16:16:49 |
| 7 | 蘑菇街增量学习番外篇三：deepFM的动态正则实践 | 2020-12-18 15:35:17 |
| 8 | 蘑菇街增量学习番外篇二：优化器设计理论篇（AdamW、AdaDeltaW、FTRL） | 2020-12-17 18:06:37 |
| 9 | 蘑菇街增量学习番外篇一：动态正则之tensorflow中div转mod设计（含代码实现） | 2020-11-27 21:02:52 |
| 10 | 蘑菇街首页推荐多目标优化之reweight实践：一把双刃剑？ | 2020-11-10 21:39:01 |
| 11 | 文本相关性在蘑菇街搜索推荐排序系统中的应用 | 2020-10-30 21:39:43 |
| 12 | 蘑菇街推荐算法之迷——self attention不如traditional attention？ | 2020-09-23 22:09:25 |
| 13 | 来唠个嗑——深度学习之表示学习（理论结合实践的思考） | 2020-09-16 22:06:08 |
| 14 | 蘑菇街首页推荐视频流——增量学习与wide&deepFM实践（工程+算法） | 2020-09-03 21:17:57 |
介绍： 喜欢数学的算法工程师,码农，欢迎关注我的微信公众号: data_algorithm。
| 序号 | 佳作 | 时间 |
|---|---|---|
| 1 | 推荐系统解构 | 2021-01-09 11:00:24 |
| 2 | 【五.推荐青铜时代-3】召回模块概述 | 2019-06-29 15:01:01 |
| 3 | 【五.推荐青铜时代-2】冲突与协调 | 2019-04-24 22:06:50 |
| 4 | 【五.推荐青铜时代-1】关联与个性化 | 2019-04-22 22:10:47 |
| 5 | 【四.推荐石器时代-2】马太效应及相关这一时期策略 | 2019-04-21 16:44:04 |
| 6 | 【四.推荐石器时代-1】前推荐时代 | 2019-04-20 17:06:05 |
| 7 | 【三.推荐系统的必备要素-2】ABtest框架 | 2019-03-14 23:06:22 |
| 8 | 【三.推荐系统的必备要素-1】数据 | 2019-02-26 22:15:52 |
| 9 | 【二.推荐系统评价】什么是好的推荐系统 | 2019-02-23 10:52:50 |
| 10 | 【一.概述-2】什么样的产品推荐效果明显 | 2019-02-21 22:18:13 |
| 11 | 【一.概述-1】推荐系统简介 | 2019-02-16 19:02:29 |
| 12 | 【零.前言】 | 2019-02-16 18:13:33 |
介绍： 王哲，广告/推荐/深度学习/NLP，知乎专栏：炼丹实验室,http://freecoder.me。
| 序号 | 佳作 | 时间 |
|---|---|---|
| 1 | 阿里广告技术最新突破：全链路联动-面向最终目标的全链路一致性建模 | 2021-09-23 19:29:48 |
| 2 | 「AI大咖谈」阿里算法专家谈大规模推荐系统粗排层的设计与实现 | 2021-05-10 16:05:08 |
| 3 | 阿里粗排技术体系与最新进展分享 | 2021-03-09 18:47:19 |
| 4 | 阿里定向广告最新突破：面向下一代的粗排排序系统COLD | 2020-08-17 01:07:24 |
| 5 | Character-based Joint Segmentation and POS Tagging for Chinese using Bidirectional RNN-CRF | 2017-04-06 15:20:44 |
| 6 | 当AI邂逅艺术：机器写诗综述 | 2017-02-04 17:50:26 |
| 7 | 如何获取最新的深度学习资源 | 2017-01-15 11:46:29 |
| 8 | Theano调试技巧 | 2017-01-13 01:43:41 |
| 9 | 深度学习网络调参技巧 | 2017-01-05 00:56:47 |
| 10 | 深度学习模型使用word2vec向量的方法总结 | 2016-08-15 12:52:55 |
| 11 | 深度学习网络调试技巧 | 2016-04-23 13:26:14 |
| 12 | 深度学习网络训练技巧汇总 | 2016-04-18 15:45:37 |
介绍： 化学本，计算机博。私信不看，有问题付费咨询。,微信Houye93 公众号:【图与推荐】，有问题欢迎值乎。。
| 序号 | 佳作 | 时间 |
|---|---|---|
| 1 | AAAI'23教程 | 图神经网络:基础、前沿与应用，209页ppt全面阐述GNN最新进展 | 2023-02-14 06:33:12 |
| 2 | Awesome！搜索/推荐/广告 近400篇优质文章整理 | 2023-02-11 01:05:02 |
| 3 | AAAI'23杰出论文一作分享：如何将推荐系统训练提速 72 倍？ | 2023-02-11 01:05:01 |
| 4 | 阿里妈妈向量化召回实践：量化索引->树索引->图索引 | 2023-02-10 06:46:15 |
| 5 | PyG 官方教程 | 开箱即用的图神经网络解释框架 | 2023-02-10 06:46:14 |
| 6 | 中科院计算所招聘特别研究助理/博士后：社会计算、图神经网络、AI for Social Science | 2023-02-09 06:10:02 |
| 7 | ICML’22 | 时间-then-图 v.s. 时间-and-图 | 2023-02-07 08:37:30 |
| 8 | 【经典书】图论第二版，654页pdf | 2023-02-07 08:37:29 |
| 9 | 8篇 ICLR 2023 高分GNN论文 | 2023-02-04 00:52:28 |
| 10 | 最新综述 | GNN如何建模时空信息？ | 2023-02-04 00:52:27 |
| 11 | 顶会审稿人:论文的这些坑不要踩！ | 2023-02-02 06:12:02 |
| 12 | 斯坦福@AAAI2021 | 身份感知图神经网络 | 2021-01-30 22:17:07 |
| 序号 | 佳作 | 时间 |
|---|---|---|
| 1 | 所谓技术深度 | 2022-09-10 07:04:02 |
| 2 | 推荐系统-你真的会看AB指标吗 | 2022-08-28 13:41:53 |
| 3 | 给校招算法同学的几点建议 | 2022-08-13 12:25:58 |
| 4 | 我在阿里遇到的牛人 | 2021-02-12 14:34:51 |
| 5 | 基于物品的协同过滤i2i--算法、trick及分布式实现 | 2021-02-12 09:57:15 |
| 6 | faiss-on-mr：推荐系统大规模离线向量检索工具 | 2021-01-20 14:30:53 |
| 7 | 简单题与难题逻辑 | 2021-01-06 07:06:11 |
| 8 | 2021年推荐系统相关会议投稿日程 | 2020-11-11 12:13:35 |
| 9 | 互联网管理里面的两个深坑——手表定律与责权不一 | 2020-11-07 08:44:17 |
| 10 | Scrapy-Splash爬虫实战——爬取JS渲染的动态页面信息【附货币基金爬取筛选代码】 | 2020-04-17 07:26:52 |
介绍： 炒股被抄家的前大厂程序员@不掉发就是胜利。,你好呀，交个朋友。
| 序号 | 佳作 | 时间 |
|---|---|---|
| 1 | 推荐系统(10):样本拼接工程实践 | 2022-12-26 11:31:25 |
| 2 | 推荐系统(9):特征工程实践与方案总结 | 2022-09-19 18:57:30 |
| 3 | 推荐系统(8):如何构建序列特征服务 | 2022-05-04 20:18:43 |
| 4 | 推荐系统(7):特征在线服务设计 | 2022-04-09 18:27:49 |
| 5 | 推荐系统(6): 特征平台实践与思考 | 2022-03-30 20:57:57 |
| 6 | 推荐系统(5):粗排工程实践与思考 | 2022-03-02 20:38:07 |
| 7 | 推荐系统(4):万字长文深入浅出向量检索技术 | 2022-01-27 18:49:08 |
| 8 | 推荐系统(3):倒排索引在召回中的应用 | 2021-12-13 19:28:37 |
| 9 | 推荐系统(2):详解曝光去重实践 | 2021-11-28 12:49:39 |
| 10 | 推荐系统(1): 推荐系统架构 | 2021-11-21 14:09:47 |
| 序号 | 佳作 | 时间 |
|---|---|---|
| 1 | Label Smoothing分析 | 2020-11-20 17:56:00 |
| 2 | Cross Entropy Regression | 2020-07-15 21:56:23 |
| 3 | 被忽略的Focal Loss变种 | 2019-04-13 17:40:28 |
| 4 | margin的自动化设置 | 2019-04-12 18:44:58 |
| 5 | Softmax理解之margin | 2018-12-17 17:33:03 |
| 6 | Softmax理解之Smooth程度控制 | 2018-12-11 10:22:14 |
| 7 | Softmax理解之二分类与多分类 | 2018-09-26 15:12:44 |
| 8 | 从最优化的角度看待Softmax损失函数 | 2018-09-25 17:06:05 |
| 9 | 人脸识别数据集的身份重合问题 | 2017-12-13 14:51:12 |
介绍： 华为网络AI平台(NAIE)官方帐号,公众号：网络人工智能园地 官网：http://www.hwtelcloud.com 微信号：NAIE666。
| 序号 | 佳作 | 时间 |
|---|---|---|
| 1 | 2020 AIIA杯人工智能5G网络应用大赛KPI异常检测冠军团队方案分享 | 2020-12-30 14:12:37 |
| 2 | GDE全球开发者大赛-KPI异常检测优秀奖方案(Excavator) | 2020-12-07 19:05:25 |
| 3 | GDE全球开发者大赛-KPI异常检测三等奖方案(复仇者联盟) | 2020-12-06 20:16:46 |
| 4 | GDE全球开发者大赛-KPI异常检测二等奖方案(sh) | 2020-12-04 09:04:07 |
| 5 | GDE全球开发者大赛-KPI异常检测一等奖方案 | 2020-12-03 09:28:38 |
| 6 | 第一届无线大数据竞赛：华为赛道-无线网络智能定位赛一等奖获奖心得 | 2020-09-18 11:24:43 |
| 7 | 2020深圳开放数据应用创新大赛生活垃圾图片分类冠军方案分享 | 2020-07-31 20:39:58 |
| 8 | 2020海华AI挑战赛·垃圾分类 技术组第一名方案分享 | 2020-06-08 20:01:21 |
| 9 | 2020海华AI挑战赛·垃圾分类 技术组第三名方案分享 | 2020-06-04 09:01:51 |
| 序号 | 佳作 | 时间 |
|---|---|---|
| 1 | 如何在工业界优化点击率预估:（一）开篇 | 2022-04-11 00:05:40 |
| 2 | 如何在工业界优化点击率预估:（二）样本 | 2022-04-11 00:00:39 |
| 3 | 如何在工业界优化点击率预估:（三）特征 | 2022-04-10 23:59:55 |
| 4 | 如何在工业界优化点击率预估:（四）兴趣|序列建模 | 2022-04-10 23:59:07 |
| 5 | 如何在工业界优化点击率预估:（五）特征交叉建模 | 2022-04-10 23:58:33 |
| 6 | 如何在工业界优化点击率预估:（六）多场景建模 | 2022-04-10 23:57:56 |
| 7 | 如何在工业界优化点击率预估:（七）图建模和预训练 | 2022-04-10 23:57:04 |
| 8 | 如何在工业界优化点击率预估:（八）Debias&Loss&校准 | 2022-04-10 23:56:18 |
| 9 | 如何在工业界优化点击率预估:（九）集成学习&模型压缩 | 2022-04-10 22:58:45 |
介绍： 公众号：阿泽的学习笔记,程序员 摄影师 爱健身 高颜值 五迷 暖男 厨神 都是假的
学习知识主要是为了愉悦自己的大脑，其次才是让自己生存。。
| 序号 | 佳作 | 时间 |
|---|---|---|
| 1 | 【DL】数据规范化：你确定了解我吗？ | 2020-06-29 22:28:33 |
| 2 | 【DL】参数初始化：你真的了解我吗？ | 2020-06-13 11:09:06 |
| 3 | 【Code】关于 GCN，我有三种写法 | 2020-05-09 21:43:49 |
| 4 | 【GNN】万字长文带你入门 GCN | 2020-03-29 17:53:41 |
| 5 | 【机器学习】决策树（下）——XGBoost、LightGBM（非常详细） | 2019-11-01 20:32:24 |
| 6 | 【机器学习】决策树（中）——Random Forest、Adaboost、GBDT （非常详细） | 2019-10-20 22:15:28 |
| 7 | 【机器学习】决策树（上）——ID3、C4.5、CART（非常详细） | 2019-10-09 11:21:37 |
介绍： 欢迎关注同名微信公众号：PaperWeekly,厚积薄发。
| 序号 | 佳作 | 时间 |
|---|---|---|
| 1 | COLING 2022 | 清华美团提出DABERT：针对匹配任务的双通道注意力增强预训练模型 | 2022-11-09 14:48:25 |
| 2 | 扩散模型初探：原理及应用 | 2022-11-04 12:06:03 |
| 3 | 复旦大学邱锡鹏组：CNN-NER——极其简单有效的嵌套命名实体识别方法 | 2022-09-19 10:00:27 |
| 4 | TPAMI 2022 | 上海交大张拳石组：知识蒸馏为什么有效？因为有老师给你划“重点” | 2022-09-15 11:27:23 |
| 5 | 神奇的大学习率：多大才算大，神奇的效用又为何？ | 2022-09-09 16:11:04 |
| 6 | ECCV 2022 | 港中文MMLab：基于Transformer的光流 | 2022-09-05 10:38:27 |
| 7 | P-tuning：自动构建模版，释放语言模型潜能 | 2021-04-12 11:52:33 |
介绍： 技术探险者,正在开启新的旅程。。
| 序号 | 佳作 | 时间 |
|---|---|---|
| 1 | 屠龙少年与龙：漫谈深度学习驱动的广告推荐技术发展周期 | 2021-08-09 22:55:57 |
| 2 | 你真的懂点击率(CTR)建模吗？ | 2021-05-13 20:58:53 |
| 3 | 算力经济时代：阿里展示广告引擎的"柔性"变形之路 | 2020-12-30 17:59:02 |
| 4 | 《深度学习推荐系统》序言电子版 | 2020-04-28 22:23:31 |
| 5 | 阿里核心广告技术团队-大规模社招 | 2020-04-27 20:28:50 |
| 6 | KDD workshop征文：第一届面向高维稀疏数据的深度学习实践国际研讨会 | 2019-04-04 18:24:46 |
| 7 | 镶嵌在互联网技术上的明珠：漫谈深度学习时代点击率预估技术进展 | 2019-01-14 20:23:53 |
介绍： 《动手学深度学习》 https://zh.d2l.ai,
| 序号 | 佳作 | 时间 |
|---|---|---|
| 1 | 守得云开见月明——《动手学深度学习（PyTorch版）》终于出版 | 2023-02-09 11:47:48 |
| 2 | 《动手学深度学习》中文版2.0beta版发布！ | 2021-12-09 08:04:57 |
| 3 | 《动手学深度学习》英文版 Dive into Deep Learning 预览版（v0.7）发布 | 2020-01-09 08:22:17 |
| 4 | [更新视频]《动手学深度学习》番外篇：注意力机制概述 | 2019-06-27 15:38:56 |
| 5 | [第一季完结] 第十九课：应用seq2seq和注意力机制：机器翻译 | 2018-02-09 11:29:13 |
| 6 | 第十八课：seq2seq（编码器和解码器）和注意力机制 | 2018-02-03 01:57:31 |
| 序号 | 佳作 | 作者 | 时间 |
|---|---|---|---|
| 1 | 【lightgbm/xgboost/nn代码整理四】pytorch做二分类，多分类以及回归任务 | QLMX | 2019-08-29 23:10:19 |
| 2 | 【lightgbm/xgboost/nn代码整理三】keras做二分类，多分类以及回归任务 | QLMX | 2019-08-22 23:36:15 |
| 3 | 【lightgbm/xgboost/nn代码整理二】xgboost做二分类，多分类以及回归任务 | QLMX | 2019-08-19 12:23:06 |
| 4 | 【lightgbm/xgboost/nn代码整理一】lightgbm做二分类，多分类以及回归任务 | QLMX | 2019-08-04 17:34:35 |
| 5 | 第四届拍拍贷魔镜杯冠军方案分享 | QLMX | 2019-07-25 20:04:36 |
| 6 | CornerNet算法解读 | 逍遥王可爱 | 2018-12-27 11:06:57 |
| 7 | 超详细的Yolo检测框预测分析 | 逍遥王可爱 | 2018-11-15 22:15:55 |
| 8 | RefineDet详细介绍 | 逍遥王可爱 | 2018-11-15 20:35:38 |
| 9 | Focal loss论文详解 | 逍遥王可爱 | 2018-11-15 20:01:51 |
| 10 | BAT算法面试该如何准备？简历+Coding+话术指南 | Luke | 2020-03-25 18:35:44 |
| 11 | Kaggle TensorFlow 2.0 Question Answering 21名复盘总结 | Luke | 2020-01-29 12:28:12 |
| 12 | 深入理解NLP Subword算法：BPE、WordPiece、ULM | Luke | 2019-10-16 14:30:52 |
| 13 | Kaggle首战Top 2%, APTOS 2019复盘总结+机器学习竞赛通用流程归纳 | Luke | 2019-09-08 17:56:13 |
| 14 | CIKM2020|京东DMT模型：电商推荐系统用多个Transformers 进行多目标学习 | Upper | 2020-11-02 22:31:25 |
| 15 | 推荐算法最前沿|ACM RecSys2020推荐系统论文一览 | Upper | 2020-10-20 21:17:40 |
| 16 | NeurIPS 2020|京东基于卡尔曼滤波的注意力机制—广告点击率预估中的用户行为建模（下） | Upper | 2020-10-18 10:48:19 |
| 17 | 【TensorFlow实现机器学习方法】KNN（K近邻算法）实现预测房屋价格 | AI蜗牛车 | 2020-02-08 10:42:37 |
| 18 | 【资源分享】对于时间序列，你所能做的一切. | AI蜗牛车 | 2020-01-05 15:29:48 |
| 19 | 【Deep Learning】详细解读LSTM与GRU单元的各个公式和区别 | AI蜗牛车 | 2019-09-13 12:57:12 |
| 20 | DSIN 深度 Session 兴趣网络介绍及源码剖析 | 珍妮的选择 | 2021-01-07 08:23:15 |
| 21 | FM 算法介绍以及 libFM 源码简析 | 珍妮的选择 | 2020-12-22 23:51:24 |
| 22 | DIN 深度兴趣网络介绍以及源码浅析 | 珍妮的选择 | 2020-12-20 11:51:31 |
| 23 | fastSum: 一款开源的文本摘要工具包 | 邱锡鹏 | 2021-06-14 21:17:02 |
| 24 | 如何简单高效地加速基于BERT的序列标注模型？细粒度早退机制可能会优于模型蒸馏 | 邱锡鹏 | 2021-06-11 18:31:19 |
| 25 | 推荐系统之Position-Bias建模 | billlee | 2020-11-25 18:03:39 |
| 26 | 推荐系统之多目标优化小结 | billlee | 2020-11-18 21:04:21 |
| 27 | 全稀疏的3D物体检测器 | 明月不谙离苦 | 2022-11-13 20:58:42 |
| 28 | SST：单步长稀疏Transformer 3D物体检测器 | 明月不谙离苦 | 2022-03-08 19:21:46 |
| 29 | CTR/推荐系统 踩坑和经验类文章汇总 | 乌克兰老司机 | 2022-06-21 21:44:44 |
| 30 | CTR/推荐系统 冷启动Exploitation & Exploration文章汇总 | 乌克兰老司机 | 2022-06-19 23:43:28 |
| 31 | 科大讯飞工程机械核心部件寿命预测挑战赛冠军分享 | 大风君heart | 2019-11-30 18:30:59 |
| 32 | （目前TOP1 baseline分享）科大讯飞工程机械核心部件寿命预测挑战赛 | 大风君heart | 2019-07-13 18:27:04 |
| 33 | 【知识图谱】实体链接：一份“由浅入深”的综述 | Nicolas | 2019-12-30 19:55:43 |
| 34 | 【炼丹技巧】功守道：NLP中的对抗训练 + PyTorch实现 | Nicolas | 2019-11-11 16:20:19 |
| 35 | 用于语言生成的数据相关高斯先验目标函数 | Jsgfery | 2020-01-24 15:30:58 |
| 36 | Encoding Word Order in Complex Embeddings | Jsgfery | 2019-12-22 14:25:28 |
| 37 | 图片修补 EdgeConnect 论文的阅读与翻译：生成边缘轮廓先验，再填补缺失内容 | 曾伊言 | 2019-02-20 17:12:32 |
| 38 | CycleGAN论文的阅读与翻译，无监督风格迁移 | 曾伊言 | 2018-10-25 16:35:43 |
| 39 | PALM:上下文条件生成预训练一个自动编码和自回归语言模型 | sliderSun | 2020-04-17 17:50:14 |
| 40 | LADABERT：混合模型压缩的轻量级自适应BERT | sliderSun | 2020-04-12 23:02:31 |
| 41 | NLP实验之新词挖掘+预训练模型继续预训练，打造适应任务的PTM | 周俊贤 | 2021-09-27 08:31:38 |
| 42 | NLP系列之论文研读：P-tuning，自动寻找prompt，进一步激发预训练潜能 | 周俊贤 | 2021-06-30 16:47:43 |
| 43 | 【Graph Neural Network】GraphSAGE: 算法原理，实现和应用 | 浅梦 | 2019-08-24 21:15:14 |
| 44 | 【Graph Neural Network】GCN: 算法原理，实现和应用 | 浅梦 | 2019-08-17 23:37:48 |
| 45 | [召回|CIKM2021|ByteDance]字节跳动深度召回模型论文精读(Deep Retrieval) | 杰尼小子 | 2021-12-01 22:55:23 |
| 46 | [召回|CIKM2019|阿里巴巴]天猫基于动态路由的用户多兴趣建模(MIND) | 杰尼小子 | 2021-11-29 20:06:30 |
| 47 | AAAI2021推荐系统论文清单 | 张小磊 | 2021-01-04 13:44:01 |
| 48 | KDD2020最佳论文: 关于个性化排序任务评价指标的大讨论 | 张小磊 | 2020-08-30 19:35:17 |
| 49 | 以正合，以奇胜 —— 搜推广工程师卷出新高度直播预告二 | 算法阿科 | 2022-01-07 01:43:24 |
| 50 | 浅谈行为序列建模 | 没什么大不了 | 2021-10-15 17:52:22 |
| 51 | 一年级算法工程师的工作总结 | shane miao | 2021-04-05 21:07:24 |
| 52 | CCF2019乘用车细分市场销量预测-baseline分享 | 厚切烤五花 | 2019-09-16 22:58:43 |
| 53 | 经典推荐算法学习（九）| 主流深度推荐模型演化（下）| 从DIN、DIEN到 MIMN、SIM | 附DIN、DIEN TensorFlow代码实现 | 秋雨淅淅l | 2021-11-01 21:42:50 |
| 54 | NeurIPS'22 Oral|基于无目标后门水印的无害数据集版权保护 | GeorgeLee | 2022-12-12 15:55:20 |
| 55 | 【顶会论文】推荐系统冷启动专题 | 武侠超人 | 2021-06-28 19:48:22 |
| 56 | 第四届拍拍贷魔镜杯季军方案分享 | zzz333 | 2019-07-26 09:50:02 |
| 57 | 一文梳理DPR(Dense Passage Retrieval)的发展 | Executedone | 2022-08-31 11:23:09 |
| 58 | 全球数据竞赛平台汇总 | 王大溪 | 2019-03-29 16:07:05 |
| 59 | 流水的NLP铁打的NER：命名实体识别实践与探索 | 王岳王院长 | 2020-08-06 13:42:42 |
| 60 | 曾被嫌弃的预训练任务NSP，做出了优秀的Zero Shot效果 | 苏剑林 | 2021-09-17 17:31:05 |
| 61 | 知识蒸馏与推荐系统 | 凉爽的安迪 | 2020-08-05 16:13:01 |
| 62 | 算法工程师的术与道：从特征工程谈数据敏感性 | 包包大人 | 2020-12-09 23:42:34 |
| 63 | 扩散模型在文本生成领域的应用 | 中森 | 2022-10-10 23:38:20 |
| 64 | SIGIR21-自动消除搜索推荐排序bias：ALL you need is AutoDebias | 曾冠奇 | 2021-05-26 20:41:38 |
| 65 | 2021-ACL论文：问答检索方向论文整理 | 捏太阳 | 2021-07-15 11:59:47 |
| 66 | 推荐系统实用分析技巧 | 纳米酱 | 2020-08-20 23:22:32 |
| 67 | 消费者人群画像-信用智能评分Top1 | 大野人007 | 2019-05-16 15:09:49 |
| 68 | 百度凤巢之分布式层次GPU参数服务器架构 | 张雨石 | 2020-03-22 12:02:57 |
| 69 | Elasticsearch思维导图 | 易显维 | 2021-11-05 11:25:34 |
| 70 | GluonCV 0.3: 超越经典 | 谢流远 | 2018-10-17 08:10:40 |
| 71 | KDD'22|天级更新超越实时？看Pinterest另辟蹊径做用户长期兴趣建模 | 裴叁拾 | 2022-09-14 01:11:24 |
| 72 | CCF BDCI 乘用车销量预测 冠军方案 | 楼观白楼 | 2019-12-23 16:57:50 |
| 73 | CIKM20-MiNet：阿里|跨域点击率预估混合兴趣模型 | 李嘉图 | 2020-09-08 08:51:42 |
| 74 | Improving Factual Consistency of Abstractive Summarization via Question Answering | xsgddsg | 2021-06-29 22:31:26 |
| 75 | 20220922推荐小记——推荐系统中如何对时长、完播等目标做多目标建模 | 口天吴 | 2022-09-22 22:31:24 |
| 76 | NeurIPS22 spotlight｜大图上的节点级Transformer | Qitian | 2022-11-27 13:31:06 |
| 77 | 阿里天池安泰杯——跨境电商智能算法大赛数据分析与可视化 | rain | 2019-07-22 16:03:42 |
| 78 | 2019-CCF乘用车细分市场销量预测-Rank19 | Salon sai | 2019-11-26 23:04:15 |
| 79 | 【五】知乎独家发布 | 标签系统：大数据的典型应用 | 磊叔-数据化运营 | 2018-12-18 20:10:28 |
| 80 | 图网络的开疆拓土——如何在非图结构数据上应用GNN | 张章 | 2020-01-14 00:38:07 |
| 81 | 第二届腾讯广告算法大赛总结（Rank 9） | 啊黎 | 2018-06-26 13:23:27 |
| 82 | 【已重新开源】CLIP的中文副本？说不定有惊喜呢 | 霜清老人 | 2022-07-09 00:10:36 |
| 83 | 首篇-More than NLP | paiisall | 2021-07-18 13:37:00 |
| 84 | 细思极恐，我的kaggle比赛uspppm的代码被第三方平台泄漏和抄袭了。 | 知乎用户MYp8Kg | 2022-07-18 15:51:21 |
| 85 | 《DialogueRNN》 阅读笔记 | weiss | 2019-06-10 09:29:08 |
| 86 | ICLR 2023：环境标签平滑，一行代码提升对抗学习稳定性/泛化性 | yearn | 2023-02-02 22:35:14 |
| 87 | 数据挖掘建模前快速对数据进行全局EDA分析 | 小白Lan | 2021-03-16 11:01:29 |
| 88 | CIKM2021｜工业推荐论文集锦 | 潜心 | 2021-10-18 21:01:18 |
| 89 | transformers在ctr中的应用 | 算法一只狗 | 2021-02-05 16:52:22 |
| 90 | 阿里DMR：融合了匹配思想的深度排序模型-Deep Match to Rank | 陈阿土 | 2020-07-23 15:42:24 |
| 91 | 粗排阶段性能与效率的权衡：基于可学习特征选择的方法 | majs | 2021-11-02 18:18:31 |
| 92 | CCF-2020 路况状态时空预测 Top15 | Jarvis | 2021-01-05 20:12:04 |
| 93 | EMNLP2021论文集发布&上岸群交流 | 忆臻 | 2021-11-05 09:29:59 |
| 94 | 开源知识图谱整理 | 霍华德 | 2022-05-06 18:21:11 |
| 95 | 3倍加速CPU上的BERT模型部署 | 沈海晨 | 2020-07-13 10:18:17 |
| 96 | 2021年，Pre-train+finetune还是“新”范式吗？乘风破浪的Prompt-base methods | Timothyxxx | 2021-07-21 01:18:40 |
| 97 | ACM MM'2022 | 首个针对跨语言跨模态检索的噪声鲁棒研究工作 | 李加贝 | 2022-10-13 15:39:42 |
| 98 | 刚打造的小生态NLG4RS：基于推荐系统的自然语言生成 | Lei Li | 2022-02-19 12:50:39 |
| 99 | 新手入门 Kaggle NLP类比赛总结 | jiazhuamh | 2020-02-29 22:22:56 |
| 100 | 数据科学竞赛：你从未见过的究极进化秘笈 | 大卫的小屋 | 2020-07-03 11:30:10 |
| 101 | 2018腾讯广告算法大赛Top10-特征工程 | 流光 | 2018-07-24 20:47:55 |
| 102 | 基于协同过滤的推荐算法综述 | 包予 | 2020-12-21 23:15:49 |
| 103 | 论文解读系列第十六篇：IJCAI 2021--跨域推荐（Cross-Domain Recommendation）的最新综述 | Feng Zhu | 2021-05-10 17:02:02 |
| 104 | 【仅需初中数学水平】全网第一个极简神经网络模型推导 | 我去啊先生 | 2020-04-11 02:26:53 |
| 105 | 金融NLP需求落地实践总结——使用T5-Pegasus做一句话摘要 | 邱震宇 | 2021-09-23 15:58:54 |
| 106 | CCF BDCI 乘用车销量预测 TOP3开源 | 莫笑傅立叶 | 2019-12-21 17:11:45 |
| 107 | NLP预训练模型（2021版） | 王三火 | 2021-10-09 23:22:01 |
企业案例
- MAXON Explosion-proof Series up to Ex d IIC T6 Gb/ExtD A21 IP68 T80℃
- Adobe 有哪些软件? 除了这些软件外，对于 Adobe 您还了解多少？
- Adobe 国际认证推出创意及文档管理解决方案, 助力设计师数字化转型
- 每周一更 (第一期)：AI 周报
- Wallys/QCN9074 and QCN9024 chip for DR9074 serial network card M.2 E key interface
- Wallys /industrial wifi6 router/ Ipq6010 /ipq6018/ipq6000 2x2 2.4G & 5G
- Adobe 一套正版多少钱？再不领真的来不及了 (建议收藏)
- 京东电商搜索和推荐场景下的 MLOps 实践
- 广告场景下双边市场的实验设计
- ChatGPT 在投资研究领域的应用初探及原理分析
- 微信搜一搜在线检索技术演进复盘
- Flink SQL 在米哈游的平台建设和应用实践
- Wallys|DBDC network card MT7915 MT7975 Chipset DR 7915
- Adobe 国际认证教程指南 |Adobe Premiere Pro 新建项目
- Adobe 国际认证教程指南 |Premiere Pro 中的键盘快捷键
- Adobe 和微软通过微软边缘为 1 亿 Windows 用户带来行业领先的 Acrobat PDF 体验
- 网易云音乐数据资产化建设的思考与实践
- 广告深度学习计算：向量召回索引的演进以及工程实现
- Wallys/Wifi6E(802.11ax) QCN9074 IPQ8072 4x4 2.4&5G MU-MIMO Choose the suitable network card for the routerboard**
- 花几万块钱考的“高含金量证书”是在交智商税吗？
- IPQ6018/Qualcomm-Atheros IPQ6010 CPU industrial wifi router DR6018S High power Wallys
- IPQ6010 QCN9074 QCN9024 high power wifi module support openWRT 802.11ax/Wallys
- Adobe 再次被评为最公正的公司
- 2023 年科技行业的九大预测, 核心技术变得越来越 "实"
- Adobe 国际认证是什么? 怎么报考 Adobe 认证？（了解这一篇就够了）
- Adobe 国际认证
- Adobe 再次被评为全球最受尊敬的公司之一
- 小红书社区反作弊探索与实践
- 快手指标中台系列 - 快手指标中台发展史及经验教训
- 爱奇艺数据湖实战
- 盒马供应链算法实战
- 腾讯灯塔融合引擎的设计与实践
- 阿里首个端云协同机器学习系统的搭建与应用
- 人工智能可能是创业最后的末班车
- 京东降本实践：供应链超级自动化探索与应用
- 腾讯数据治理技术实践
- 快手推荐系统精排模型实践
- 基于 Hudi + Flink 多流拼接（大宽表）最佳实践
- 领域知识增强的预训练语言模型在药电商搜索领域的实践
- 网易严选算法模型质量保障
- 阿里达摩院｜基于预训练语言模型的行业搜索的应用和研究
- 京东零售在电商搜索场景下的数据科学实践
- 数据服务化在京东的实践
- Spark SQL 在平安产险的应用
- 大数据架构平台搭建避坑指南
- 基于表征学习的因果推断技术在快手的实践
- 京东零售基于 NLP 的风控算法模型构建实践
- 快手分布式高性能图平台 KGraph 及其应用
- 10000 字详解用户画像与实时数仓之架构与实践
- Apache Doris 在同程数科数仓建设中的实践
- 百度 PLATO 在大模型推动的人机交互对话中的实践
- 深度召回在飞猪旅行推荐系统中的探索和实践
- 网易云音乐全链路埋点管理平台建设
- 百度信息流和搜索业务中的弹性近线计算探索与应用
- 百度 Feed 稳定性架构实践
- 如何定义算法？10 分钟带你弄懂算法的基本概念
- 张俊林：由 ChatGPT 反思大语言模型（LLM）的技术精要
- 阿里妈妈 Dolphin 智能计算引擎基于 Flink+Hologres 实践
- 阿里健康医药电商搜索相关性实践
- 网易云音乐评论内容理解技术
- 京东业务指标数据体系建设实践
- QQ 浏览器是如何提升搜索相关性的？
- Wifi communication solutions in hazardous area: MX934-1D Maxon Ex d IIC T6 Gb/Ex tD A21 IP68 T80℃ Explosion-Proof 4G 5G Router & Heavy Duty Antenna
- 百度流批一体的实时多维分析实践
- 深度统一粗排在淘宝主搜索的优化实践
- 微信小程序是如何设计百亿级用户画像分析系统的？
- 网易云音乐视频搜索优化之旅
- Wallys//IPQ8072/IPQ8074/IPQ8072A/IPQ8074A/HighPower 802.11ax SoC for Routers, Gateways and Access Points
- Wallys/IPQ4018/IPQ4028 2x2 2.4Ghz 2x2 5Ghz Industrial WIFI5 router/Support 11ABGN/AC
- Wallys|wifi6 Qualcomm IPQ8072A support QCN9074/QCN6024 MOUDLE OPENWRT 802.11AX /support wifi 6e card
- 机器学习的 4 种经典模型总结
- 一文读懂机器学习常用算法的基本概念和适用场景
- 机器学习 10 大经典算法详解
- 网易邮箱数仓演进之路
- 丁香园技术｜我们为海量公开问诊数据生成了标题 —— NLG 的医疗健康科普实践
- 大数据存储加速与服务化在 Shopee 的实践
- Flink 实时计算平台在知乎的演进
- 360 数科｜基于沉淀数据的尾部流量建模方法
- 小红书广告投放机制详解，如何用算法实现全站自动化投放
- 阿里妈妈内容风控模型预估引擎的探索和建设
- 图表示学习技术在药物推荐系统中的应用
- 丁香园技术｜海量公开问诊数据生成标题 —— NLG 的医疗健康科普实践
- 深度学习入门篇 | 常用的经典神经网络模型
- B 站数据服务中台建设实践
- 哔哩哔哩｜推荐算法在用例排序优化上的应用
- 闲鱼推荐大规模应用背后的工程实践
- NeurIPS'22 | GBA：阿里面向搜推广模型的同步和异步自由切换的训练范式
- 织女星 -C 火箭首次商业发射失败，损失 2 颗卫星
- 多模态预训练技术在 OPPO 的应用
- 基于 Milvus 的向量检索平台实践
- 字节跳动一站式数据治理思考及实践
- 百度云原生 AI 的资源调度和 AI 工作流引擎设计分享
- 百度广告倒排服务极致优化
- 【风控算法服务平台】京东科技高性能在线推理服务设计与实现
- 如何利用在线 AB 实验提升算法工程效率
- 干货 | 浅谈携程大住宿研发效能提升实践
- POI 识别在阿里飞猪搜索的探索与实践
- 小红书近线服务统一调度平台建设实践
- 美团外卖推荐智能流量分发的实践与探索
- 网易基于历史查询的 Impala 集群性能优化实践
- 阿里妈妈展示广告召回之多场景建模算法
- 小米电商推荐算法 CVR 模型实践
- 异构混排在 vivo 互联网的技术实践
- 深入浅出讲解 | 一文入门神经网络
- MAXON MX530VX Dual-Band 2GHz & 5GHz 3x3 MIMO 802.11ac wifi module
- 多模态推理演算与学习
- 阿里云机器学习平台 PAI 的云原生实践与落地
- wallys-WiFi-5-outdoor-Access-point-IPQ4019/4029-industrial wireless AP
- 腾讯技术｜如何开发一个 Feeds 流系统——写扩散模式
- 58 大数据任务调度和智能运维实践
- Palo：百度基于 Doris 的应用实践
- 祖传代码重构：从 25 万行到 5 万行的血泪史
- Apache Flink 运行时在 B 站的稳定性优化与实践
- 网易严选 A/B 科学实验平台实践
- 干货 | 小米 A/B 实验场景查询提速：数据预聚合方案
- 百度点石联邦学习技术的应用与实践
- 字节跳动下一代 A/B 实验系统思考
- 火山引擎数据调度实例的 DAG 优化方案
- 万亿数据秒级响应，Doris 在 360 数科实时数仓中的最佳实践
- 数据治理视角下的可观测性
- 火山引擎 A/B 测试平台设计思路与技术实现
- 哔哩哔哩｜百亿数据个性化推荐：弹幕工程架构演进
- 大规模异构图召回在美团到店推荐广告的应用
- B 站大数据建设之路—数据开发篇
- OPPO 对话式 AI 助手小布演进之路
- 2023 年 EI 检索国际会议推荐
- 阿里达摩院｜图视角下的信息抽取技术研究
- 火山引擎 DataTester ｜ 一个爆款游戏产品，是如何用 A/B 测试打磨出来的？
- 阿里达摩院多模态预训练模型的轻量适配技术探索
- 百度技术｜深入浅出领域驱动设计 (DDD) 编程
- AI 数字员工核心技术解析与应用案例
- 火山引擎 LAS 数据湖存储内核揭秘
- 阿里妈妈展示广告粗排：面向链路一致性优化的端到端序学习模型
- BI 平台在小米的实践
- 字节跳动数据中台的 Data Catalog 系统搜索实践
- NLP 技术在小米语音助手中的应用
- 数仓规范化——阿里菜鸟数据模型管理实践
- 机器学习模型在云音乐指标异动预测的应用实践
- Ernie-SimCSE 对比学习在内容反作弊上应用
- 跨越速运如何构建实时统一的运单分析场景
- 搜索中台 ES 优化实践
- 网易严选跨域多目标算法演进
- 强化学习在之家图像理解中的应用
- 工业数据治理和数据资源化思考与实践
- 从神经搜索到多模态应用
- vivo 霍金实验平台设计与实践
- 知识图谱增强下的智能推荐系统与应用 - 于敬
- 干货 | CTR 预估技术在小米海外广告的探索与应用
- 复杂场景下作业帮的深度学习模型部署实践
- 美团外卖搜索基于 Elasticsearch 的优化实践
- wifi6 router/based on QSDK IPQ6010/IPQ6018/IPQ5018/IPQ8072/IPQ8074 collection support QCN9074 openwrt
- 什么是数据挖掘？
- Wallys/ipq8074 ipq8074A/industrial wifi6 moudle/2x(4×4 or 8×8) 11AX MU-MIMO
- 浅谈组合优化问题求解中的机器学习方法
- 腾讯内容千亿级实时计算和规则引擎实践优化之路
- 百度质量评估模型助力风险决策水平提升
- Shopee 技术｜下拉推荐 (搜索建议) 在 Shopee Chatbot 中的探索和实践
- 美团图灵机器学习平台性能起飞的秘密（一）
- 干货 | 深度学习在携程搜索词义解析中的应用
- 阿里 Flink 实时机器学习场景解决方案的设计、建设与规划
- 阿里妈妈基于图的电商语义相关性弱监督学习框架
- 百度合约广告平台架构演进实践
- Wireless roaming/Wallys wireless H&S design industrial wifi5/wifi6 wireless
- Wallys//Qualcomm ipq4018/IPQ4028 Access Point /high power/Wireless Dual band 11AC Wave2 /Indoor industrial wifi5 router
- 神策数据营销策略引擎的技术演进
- Wallys|industrial 6G M.2 moudle/QCN9074/QCN9024 + Application on IPQ6010/IPQ5018 board
- 深度解析字节跳动开源数据集成引擎 BitSail
- Wallys|industrial wifi5 router/IPQ5018 compatible QCN9074/QCN9024 M.2 moudle 5G/6G
- 检索式对话系统在美团客服场景的探索与实践
- vivo 技术｜在推荐业务中如何用 MPS 提高 GPU 利用率？
- 怎么对目标进行预判？
- Wallys/industrial wifi6 router/Qualcomm /IPQ8072A IPQ8072 4T4R/OpenWRT 802.11AX/10GE port/10G SFP.
- 汽车之家 | 广告内容自动化投放的技术思考和方案
- 阿里妈妈广告深度学习计算：多媒体 AI 推理服务加速利器 high_service
- 人机交互是什么意思？人机交互和交互设计的区别是什么？
- Wallys|industrial wifi6 router/2.4G/5G QSDK IPQ6010/IPQ6018 support openwrt QCN9074 M.2 moudle/quectel
- PaddleBox：百度基于 GPU 的超大规模离散 DNN 模型训练解决方案
- 开源是什么？为什么要开源？
- 一文浅析机器学习、优化理论、统计分析、数据挖掘、神经网络、人工智能、模式识别之间的关系
- Wallys||QCA9531/AR9341,MIMO,2.4G,30dBm QCN9024/QCN6024/QCN9072/QCN9074 2 x 2.4G MMCX connectors/5M/10M/20M/40M Bandwidth/high power
- Wallys/ Routerboard DR40x9 IPQ4019 IPQ4029 ,802.11AC 2x2 2.4G&5G Support HTTPS Support all the modules of Quectel
- hdfs 里的 ?edits 和 ?fsimage 作用？
- Qualcomm IPQ5018 wifi6 ,802.11ax , support M.2 Card Slot for QCN9074 WIFI 6E Card/wallys
- 快手异质性因果效应模型构建及应用
- 腾讯 Angel Graph 图计算框架在智能风控中的应用
- “亿”论 AI 之四 | eBay 离线特征仓库的构建与应用
- 美团关于 Apache Doris 存储层向量化改造的设计与实现
- Wallys/QCN9074 11ax 4x4 MU-MIMO 2.4G M.2 /2.4GHz, max 23dBm per chain, up to 1147Mbps //QCN9072/QCN9024
- "什么是大数据? 数据的“5V”特性都有哪些？"
- 设计师高效办公必备神器 - 呆猫工作站
- 企业存储难题难以解决？不如试试 OBS 对象存储服务
- 对象存储服务 OBS，海量存储安全可靠，让存储更加简单
- 大数据 BI，便捷高效的大数据解决方案，助力企业数字化运营
- 百度技术｜聊聊机器如何 "写" 好广告文案?
- 广告深度学习计算：阿里妈妈智能创意服务优化
- 拒绝繁琐，云企业交换机 ESW 就是要让数据上云一步到位
- 云帮助企业做好核心数据灾备，为企业数据安全与稳定发展提供保障
- 云 ECS，如何助力数字化企业创新发展
- 云 ECS，去除现代化企业服务器的数据安全忧虑
- 云 ECS，弹性云服务器标杆，众多企业的共同选择
- 云 ECS，弹性伸缩按需选择，让企业以更低成本享受云服务
- 它的加速，如何为中小企业创新发展效力？
- 它的加速，如何助力企业信息化转型？
- 它为什么成为企业首选？四大优势助力企业腾飞!
- 它的加速服务，如何让你的网速“飞”起来！
- 弹性公网 IP，如何解决现代企业的网络 IP 烦恼
- 虚拟专用网络 VPN，专为解决现代企业云链路痛点而生
- 虚拟专用网络 VPN，助力现代企业云上业务创新发展
- 虚拟专用网络 VPN，为现代企业打造优质的混合云计算环境
- hadoop1.x 和 2.x 架构上的区别?
- Wallys/DR7915-wifi6-MT7915-MT7975-2T2R-support-OpenWRT-802.11AX-supporting-MiniPCIe-Module//QCA9882/QCA9880
- Wallys||AX200NGW Adapter Card M.2 Card,QCN9074/QCN6024/QCN9072/QCN9024
- 百度搜索业务交付无人值守实践与探索
- Wallys /IPQ4019 IPQ4029 ,HTTPS / all the modules of Quectel/Indoor Aluminium alloy material
- 有赞技术｜知识库检索匹配的服务化实践
- WeLink 直播平台——为企业直播保驾护航
- 有 200M 的文件 ? 写入 HDFS 是先写 128M ? 复制完之后再写 72M ? 还是全部写完再复制？
- 如何设计一个风控实验？度小满风控实验平台架构设计实践
- 华为云灾备方案，保障企业数据安全
- 华为云数据灾备解决方案支持个性定制，有多样灾备方案可选！
- 华为弹性云服务器 ECS，自动调整搭配安全保障，畅享硬核存算能力
- 深度学习为什么需要图神经网络？
- 辅助企业正确决策，华为云大数据 BI 清晰、直观展现企业发展现状！
- 弹性云服务器 ECS 终究有企业想要的样子
- 特征选择方法及其不同应用场景
- 基于语音数据的实体和关系抽取
- 阿里 DeepRec 大规模稀疏模型训练推理引擎（文末附 PPT 下载）
- 快手端智能—移动端部署推荐系统：快手获数据挖掘顶会 CIKM 2022 最佳论文
- 华为云等保安全服务，企业网络安全建设的福音
- 华为云大数据助力企业敏捷创新，开拓新价值！
- 华为云安全拒绝网页篡改，保障网络安稳运行
- 华为云 CDN 助力企业抢占先机
- 对比传统自建数据库，华为云数据库 RDS for MySQL 优势明显！
- Wallys/IPQ4018/IPQ4028 2x2 2.4Ghz 2x2 5Ghz Industrial-grade //wifi5 Support 11ABGN/AC
- Wallys|wifi6 Qualcomm IPQ8072A 4T4R support QCN9074/QCN6024 MOUDLE OpenWRT 802.11AX 10GE port 10G SFP
- 更多企业数字化转型的新选择，华为云数据库 RDS for MySQL 值得信赖！
- 决策树（decision tree）典型的算法都有哪些？
- 华为云灾备方案，如何助力企业扬帆起航
- 华为云灾备方案，如何保障企业数据安全
- 华为云数据容灾方案助力中小企业发展
- 字节跳动流式数仓和实时分析服务的思考和实践
- 百度大模型与小模型联动及落地
- Wallys/MIMO/Industrial-grade/902-928Mhz/Industrial-grade/902-928Mhz/AR9223/ AR9582/AR9531/AR9344/ AX200NGW /AP9342
- Wallys|QSDK Routerboard IPQ8074A/IPQ8072 4x4 2.4G 8x8 5G QCN9074/QCN9024/QCA9880/QCA9882 moudles
- 数字孪生的特征有哪些？跟数据可视化的关系又是什么？
- FPGA 和单片机的区别有哪些？
- Wallys|QSDK DR-AP40X9(Outdoor) IPQ6010 IPQ4019 IPQ4029 802.11ax/ac Outdoor AP Plastic
- 打造更强网站安全盾牌，华为云站安全解决方案安全、省心！
- 打通互联网的三个一公里，华为 CDN 精准解决带宽拥堵难题
- 打破企业数据化升级瓶颈，华为云大数据 BI 助益企业稳健发展！
- 云上灾备触手可及，华为云是怎么做到的？
- 为了让你高效工作，华为云桌面是这样做的
- 网站安全愈发重要，华为云是如何给出正确答案？
- 万物互联，华为云桌面让移动办公更便捷
- 防患于未然，华为云为网站筑牢防护墙
- 华为云 CDN，你不可或缺的合作伙伴
- 华为云，如何让跨国会议更简单
- Wallys//routerboard,QCN9074,QUECTEL,RM500Q-GL,QCN9074,WiFi6ECard,802.11ax,IPQ6010,IPQ6000,IPQ6018
- 华为云灾备时刻设防，为您企业信息化保驾护航
- 微软推出 Designer 图形图像设计软件，与 Adobe Photoshop 的较量？
- FPGA 与 GPU 的区别是什么？
- 适用场景广泛，使用华为云数据灾备解决方案进行数据备份更轻松！
- 什么样的实力才能永保企业业务不断连？
- 深度挖掘数据价值，华为云大数据 BI 解决方案驱动企业业务增长！
- 谁不知道华为云 CDN 加速服务，我都会心疼好久
- 有效抵御多种高级威胁，华为云网站安全解决方案保护数据更专业！
- 网站安全需注意，华为云为企业稳定运营保驾护航
- 华为云释放数字生产力，帮中小企业稳固后方
- 强者之争，华为云大数据 BI 助企业冲破信息孤岛
- 华为云大数据 BI，是如何成为企业“心头好”
- 华为云 OBS，如何成为企业上云 “好帮手”
- 华为 PB 级时序数据库 Gauss DB，助力海量数据处理
- 后疫情时代，华为云会议如何在静默中发声
- 告别服务器崩溃，华为云 ECS 有何优势
- 赋能地产行业数字化运营，华为云大数据 BI 解决方案更加安全可靠！
- 华为云数据灾备何以能成为企业的“心头好”？
- 华为云数据容灾服务，如何守护企业数据安全
- 华为云数据库 VS 自建数据库，上“云”不是智商税
- 华为云是如何暗中为你的网站保驾护航
- 华为云开天 aPaaS 服务全球落地，聚力并蓄不断创新，共建生态网络
- 神经网络算法的三大类分别是？
- 官方认可的华为云数据库的“三项”测试，究竟是什么？
- 更好的确保企业数据安全，华为云数据灾备解决方案更便捷！
- 存储空间无限大，这是一种怎样的体验？
- 比块存储利于共享，比文件存储读写快，对象存储正成为主流
- 备战双十一 ！从电商大促看华为云数据库技术
- 华为云会议全面满足企业会议需求，让沟通协作更高效
- 弹性伸缩，稳定可靠，华为云 ECS 助力企业稳定运行
- 打造全栈安全服务，华为云网站安全解决方案为什么值得选？
- 大数据时代，华为云 BI 助力企业挖掘数据“宝藏”
- hello world
- “亿”论 AI ｜eBay 统一在线特征服务
- 请问 matlab 里的 deeplearntoolbox 用来做什么的？
- Wallys|QSDK moudle/QCA9880 Mini PCIe 2.4G/5G MTK MT7915 IPQ4019/IPQ4029
- Wallys/IPQ5018, 802.11ax,wifi 6e,Support BT5.1//QCN9074 4x4 MU-MIMO 6GHz M.2
- 打造企业上云安全屏障，华为云擎天 Enclave 全方位守护敏感数据安全
- 数据泄露层出不穷，擎天 Enclave 如何守住数据安全的“大门”
- 顺应数字化转型趋势化解“上云”风险，擎天 Enclave 保障数据安全
- 干货 | 携程因果推断在项目价值评估中的应用
- 干货 | 携程搜索基于 CNN 的新词发现算法
- 强化学习在京东 618 大促流量调控中的落地应用
- Linux 内核漏洞精准检测
- pe 文件签名信息检测技术
- 安卓应用及鸿蒙应用安全检测指南
- Windows 下 python 组件 hyperscan 的编译与安装
- 密码密钥硬编码检查
- 移动应用隐私合规检测简介及目标检测技术的应
- 漫谈软件成分分析 (SCA) 安全测试技术
- 如何用 VSS 一键自动化扫描软件包 / 固件，快速排查安全风险
- 阿里技术｜详解闲鱼推荐系统（长文收藏）
- Wallys|QSDK IPQ6010 2.4G&5G QCN9074 WiFi Card ,802.11ax,openwrt
- 为什么不用 matlab 做深度学习？
- 构建万物可信的基石: 解密区块链跨链技术
- 共识算法入门
- 二进制代码相似度比较研究技术汇总 1
- 二进制 SCA 指纹提取黑科技： go 语言逆向技术
- 二进制 SCA 检测工具 --- 技术短板及应对措施
- 从检测角度思考美燃油管道商遭勒索攻击事件
- DC-GNN：阿里妈妈面向大规模广告召回场景的解耦式图模型方法
- 阿里妈妈展示广告引擎动态算力再探索：面向业务收益的机器自适应调配
- 阿里妈妈展示广告引擎新探索：迈向全局最优算力分配
- 张俊林：推荐系统排序环节特征 Embedding 建模
- 华为数据工坊 DWR，给您带来优质数据处理
- 出差赶不上重要临时会议？华为云会议，提高生产力如此简单
- 多重防护齐上阵，“0 day”漏洞无路可逃
- 国际化的华为云，入局云会议是必然选择
- 产品发布会神助攻：华为云会议网络研讨会
- 赞奇云一站式云上制作，完美应对游戏行业困难及挑战
- 需要数据处理？认准华为数据工坊 DWR
- 远离恶意弹窗的烦恼！华为云云防火墙 CFW 保障云上安全
- 相比于其他的会议模式华为云 WeLink 会议空间有什么新突破？
- 走进智能边缘小站 IES，从其应用场景了解产品优势
- 华为云云防火墙在手，防护网站安全无忧！
- 华为云云防火墙 CFW，把云上资产装进保险柜
- 华为云会议赋能企业数字化转型，帮助企业开好远程会议
- 华为云会议 3 个层面保障：远程会议要安全高效
- 华为云会议，企业合作好帮手
- 华为云 WeLink 智慧考勤系统——为企业高效运行保驾护航
- “深度学习”和“多层神经网络”的区别
- 华为云 WeLink 会议空间为何能承包市面上近百万家企业客户？
- 华为云 WeLink 安全升级，开启“云上办公”新体验
- 华为云 UGO 携核心技术解决您的数据迁移难题 ！
- 华为云 WeLink 考勤平台——为用户提供更加强大的数字化考勤解决方案
- 华为云 WeLink，企业“云上办公”的好助手
- Wave-2 802.11ac SoC for Routers, Gateways and Access Points//IPQ4019,IPQ4029,Wallys
- 华为云 Web 应用防火墙 ——为应用上一道安全锁
- 华为云 Web 应用防火墙 ——为网络安全打通“第一公里”
- 华为云 DDoS 防护，你身边的高防服务专家
- 担心企业主机被攻击？看看企业主机安全 HSS2_0！
- 从产品本身入手，认识 DDOS 防护产品
- Wallys|IPQ4019 IPQ4029 2.4G/5G Support QCA9880/MT7915 802.11AC support HTTPS Support all the modules of Quectel
- 神经网络研究与应用这块用 python 好还是 matlab？
- Wallys|QSDK IPQ8072 4x4 2.4G & 5G router/QCN9074 Support WiFi 6E Card,802.11ax,
- vivo 互联网机器学习平台的建设与实践
- 预训练语言模型压缩、双塔蒸馏在美团上的落地实践
- Flink 在腾讯的使用与稳定性优化实践
- Adobe Certified Professional 师资培训 开班通知
- IPQ4019 IPQ4029 ,802.11AC industrial 2x2 2.4G&5G router/Support HTTPS Support all modules of Quectel
- Wallys industrial 2.4G/5G/6G moudle/QCN9024/QCN9074 wifi6 openwrt
- Wallys//IPQ8072/IPQ8074/IPQ8072A/IPQ8074A/High-capacity 802.11ax SoC for Routers, Gateways and Access Points
- Transformer 技术在好大夫在线的落地探索
- Qualcomm Atheros wallys QCA9880 Dual Band 2.4GHz 5GHz 2x2 MIMO 802.11ac Mini PCIE WiFi Module//QCA9882 3x3 FCC/CE/IC
- 深度学习和机器学习有什么区别？
- 有没有深度学习特征和手工提取的特征 concat 的文章推荐
- 阿里大规模图学习平台 GraphLearn 在推荐召回、安全风控等场景的应用
- 真实世界医疗知识图谱及临床事件图谱构建
- 知识图谱在美团搜索酒旅场景认知中的应用
- “亿”论 AI ｜eBay 近实时特征工程
- 知识图谱构建与应用推荐学习分享
- 创邻科技｜图数据库存储技术及实践
- Doris 在蔚来汽车的应用
- 关于对象存储服务 OBS，你真的了解么？
- 华为云，你的专属等保“小卫士“
- ** 解决企业发展存储难题，华为云对象存储服务 OBS 功能再上新！**
- 揭秘华为云数据灾备如何成为大数据时代 B 计划的执行者
- 企业还在自建机房？云服务器 ECS 了解一下 **
- 使用场景可选，计费方式灵活，华为云 ECS 成企业数字化升级利器！
- 去“O”太难？华为云来解决
- 为何华为灾备云能成为企业的“藏金秘钥”
- 意外难预测，企业做好数据灾备刻不容缓
- 支持灵活计费！华为云对象存储服务 OBS 可按需取用
- 华为云 CDN，如何再创企业辉煌
- 华为云大数据 BI，治好了企业的“精神内耗”
- 急客户之所急，华为云灾备做到了这点
- 极速、稳定、高效，华为云 CDN 全站加速产品助力企业更好发展！
- 华为云桌面——疫情环境下的移动办公助手
- IPQ5018, 802.11ax,wifi 6e,QCN9074//IPQ8072A IPQ8072 IPQ8074 IPQ8074A 4x4/8x8 2.4G & 5G 802.11ax //Wallys
- 网络安全就是金山银山，你的企业做到了吗？
- ** 如何提升智慧办公效率？华为云桌面不可少，畅享集中化管理运行 **
- 网络入侵敲响警钟，数据安全不容忽视！
- 反导系统——国防事业中的钢铁盾牌
- Wallys industrial 4x4 6G moudle/QCN9074/QCN9072/QCN9024/ 802.11ax MU-MIMO wifi6E M.2
- 不怕一万，就怕万一，企业数据灾备需警惕
- 从某爆火的护肤品牌看华为云大数据 BI 的作用
- 成本低，使用灵活！华为云 OBS 助力企业高效解决数据存储问题
- 华为云数据灾备方案，如何为企业抵抗数据风险
- 华为云数据库赋能数字化转型，为让云原生数据库走进千行百业
- 华为云数据灾备服务，如何为企业保驾护航
- AX200NGW//2×2.4GHz 2x5GHz MT7915 MT7975 //AR9582 2x 2 900M 802.11an//network card//wallys
- QCA9880 QCA9882 3x3 2.4G/5G FCC/CE/IC //wallys network//IPQ5018, 802.11ax,wifi 6e,QCN9074,
- 数字孪生核心技术开发与应用场景领域
- 高并发、高可靠、低时延，华云对象存储服务 OBS 助力企业降本提效！
- 如何打造智能世界的数据底座？深耕华为云大数据，畅享价值最大化
- 华为云 HECS，集智纳简优化配置，畅享一站式使用场景
- 华为云 GaussDB，打造企业核心数据上云信赖之选
- 保障业务不掉线，华为云灾备方案这样做
- 字节跳动｜初探自然语言预训练技术演进之路
- 阿里技术｜电商搜索里都有啥？详解闲鱼搜索系统（长文）
- Wallys industrial WiFi6 MiniPCIe Module/ 2×2.4GHz 2x5GHz MT7915 MT7975 2T2R
- Wallys//Industrial_Wireless_AP//network,card//QCN6024/QCN9074/QCN9024,WiFi,Card IPQ6010,802.11ax,2x2
- 深度学习在人工智能领域的七大阶段
- 赋能企业客户忠诚度培养，华为云 CDN 成更多企业发展首选！
- 网站性能优化，为什么企业会选择华为云 CDN？
- 网络优化哪家强，华为云 CDN 路走宽了
- 随时获取、弹性可扩展，华为云弹性云服务器更好助力中微企业上云！
- 内卷时代，华为云数据灾备如何解决用户痛点
- 你“云”了吗？华为云带你看懂云桌面
- 更灵活经济的企业上云选择，华为云 ECS 助力企业业务价值提升！
- 无需独立机房，华为云 ECS 助力企业低成本“上云”！
- ** 华为云提出云数据灾备解决方案，该方案在数据安全性、稳定性方面具有绝对的可靠性。
- 支持 7*24 小时全链路服务，华为云 CDN 全站加速成企业转型首选！
- The help of customs data to the foreign trade industry//AR9344 /AX200NGW/AR9342 High power 1x10/100/1000M GE
- 腾讯 QQ 浏览器搜索场景下的智能实体推荐
- 深度学习与图神经网络学习
- 华为云连接 CC——让多区域协同办公更高效更稳定
- 美团基于知识图谱的个性化新闻推荐系统
- 赞奇设计师云工作站：体验感拉满，变革全球设计工作方式
- 赞奇云工作站：设计师的绝佳助手
- 赞奇云工作站：功能强大，令人耳目一新
- 中国云桌面市场的变与不变，公有云巨头的示范效应
- 云上安全办公，就用华为云桌面
- 远程灵活办公，就用华为云桌面
- 听说现在流行搬电脑回家？云桌面救星来了
- 华为云云原生数据库 GaussDB——让数据成为企业的得力助手
- 华为云 Redis 为您提供企业级稳定可靠的能力
- 华为云 GaussDB 数据库，为企业冲上“云”端助力
- 华为企业交换机 ESW 助力企业走上云端
- 华为企业交换机 ESW，企业数据上云，一步到位
- Transformer 用于小目标检测有哪些文献或者方法？
- AI 如何走向精智能之路？
- 知识图谱在美团推荐场景中的应用
- WeLink 蒲公英表单，为数字化时代企业高效办公创造新可能
- Wallys industrial 2x2 2.4G&5G router/QCN9074 WiFi 6E Card OpenWRT, IPQ6010,802.11ax
- Wallys/QCN9024/QCN9074/QCN6024 802.11ax 4x4 MU-MIMO 6GHz wifi6E//AR9582 2x 2 900M 802.11an
- 锘崴科技｜隐私计算在医疗健康大数据上的应用与技术实现
- 深度强化学习算法 DDPG 如何使用高维数据输入？
- 基于 Doris 的知乎 DMP 系统架构与实践
- 大数据下数模联动的随机退化设备剩余寿命预测技术（部分 2）
- 华为云连接 CC——多场景构建数据网，助力企业享受高质量办公体验
- 华为云全球加速 GA：为您提供优质的网络服务
- 华为全球加速 GA 带给你稳定的网络体验！
- 萌新有“神器”，河北工业大学新生用华为云 WeLink 畅享校园生活
- 灿若繁“新”，哈尔滨工业大学 2022 级新生与 WeLink 一起智慧启航
- 有了华为云 WeLink，身在乡村也能连接世界
- GaussDB 为什么成为游戏行业的心头爱？
- 华为云 GaussDB 通过北京国家金融科技认证中心分布式数据库金融标准验证
- ** 云原生数据库 GaussDB 持续技术创新 ，助推企业释放数字生产力
- Wallys industrial wifi6 2.4G router/IPQ5018, 802.11ax,wifi 6e,QCN9074,support BT5.1
- 格局打开！好用的实时渲染器不止 lumion，上赞奇云工作站，跨过显卡门槛 get 更多制作搭配……
- Linux 热潮下，来赞奇云工作站玩转云上部署 Linux 工作流新思路 ~
- 【呼叫中心智能办公，就用华为云桌面】
- 赞奇云工作站解决 CAE 现状问题，仿真行业上云势在必行
- Wallys/Wireless System on Chip IPQ8074/IPQ4018 IPQ4028 2*MMCX 27dbm /Support MU-MIMO
- Transformer 为什么这么有实力？
- 深度学习与图神经网络学习分享：Transformer 整体结构
- Wallys industrial wifi5 router/IPQ4019 IPQ4029 ,802.11AC 2x2 2.4G&5G
- 图谱问答在小米小爱中的实践探索
- Wallys / outdoor AP/IPQ4019, IPQ4029 ,802.11AX ,IPQ6018 ,Openwrt
- micropython 相比 c 有哪些优点？
- 大数据下数模联动的随机退化设备剩余寿命预测技术（部分）
- Wallysindustrial wifi5 2×2 2.4G&5G router/IPQ4019 802.11AC MT7915/QCA9880
- Wallys /QCA9880 vs QCA9882/802.11ac Solution/MU-MIMO
- Adobe 的疯狂星期四：全家桶收获新成员 Figma, 设计的尽头还是 Adobe
- 同样一张 2080Ti，跑 30G 的 bisenet 轻轻松松，反而跑十几 G 的更轻量化的网络就跑不动了？
- 知识图谱构建与应用
- Wallys/DR7915/MT7915/MT7975/can support 4 radios at the same time
- 一图读懂加快制造业数字化、网络化、智能化发展
- 有没有知道符号函数是什么鬼？
- Wallys story begins industrial wifi router/wifi moudle
- 快手单机千万 QPS 的分布式图数据库 KGraph 的实践
- 「繁星」：快手搜索在向量检索方向的探索和实践
- 图机器学习在蚂蚁集团推荐业务中的应用
- 请问，通用信息抽取，在约束解码阶段，是用哪一部分建立前缀树的？
- 深 度 学 习 研 究 综 述
- BERT 能否被“平替”？作业帮文本分类场景下的一次尝试
- 腾讯大数据协同中的隐私与可靠性保护—TEE 上的分布式计算实践
- Apache Flink 在小米的稳定性优化和实践
- OPPO 实时计算平台基于云原生的作业弹性伸缩设计与实践
- 运筹优化在汽车行业的实践探索
- “亿”论 AI｜基于中心化元数据及配置驱动的 eBay AI 特征工程管理平台
- 重磅！Adobe 收购 Figma
- Qualcomm IPQ5018 solution application wifi6 wallys ,QCN9074, 2. 4G/5G
- 流体力学深度学习建模技术
- 怎么让人工智能融入实体产业, 人类智能的未来在哪里
- 人工智能时代已经来临, 机器人家具非常普遍了
- 这两道题有会的吗
- The history of wireless communication industry//wallys ipq4019 ipq4029 ipq8072
- 关于 3D 元宇宙有几个无解的问题存在！
- 完成 C+ 轮融资，用云中云战略引领数据智能基础软件升级
- 设计师资格证
- 985、211 毕业生涌入小县城求职，是“抢饭碗”，还是“摆烂”？
- 请问这个问题有知道怎么解决的吗？使用的是 TensorFlow 1.11，TensorFlow-gpu 1.11，cudnn7.6.5,gcc 4.9
- 识别网络爬虫的策略分析
- wallys network card WiFi6 MiniPCIe Module 2T2R 2×2.4GHz 2x5GHz MT7915 MT7975
- 图数据库和知识图谱在微财风控系统中的探索和应用
- MLOps｜为什么构建实时的 data pipelines 的难度很高
- The main application of radio technology in aerospace field/IPQ4019 IPQ4029 ,802.11AC 2x2 2.4G&5G
- 深度学习核心技术实践与图神经网络新技术应用
- 有没有网络安全的知识图谱应用资料？
- 数据维度建模已消失
- 流体力学深度学习建模技术研究进展
- yolov7 怎么给其他程序调用啊，转 onnx 也不会调用。
- 「九章云极 DataCanvas」完成 C+ 轮融资，用云中云战略引领数据智能基础软件升级
- WAIC| 九章云极 DataCanvas 公司携因果学习技术成果精彩亮相！
- 腾讯音乐评论审核、分类与排序算法技术
- 成就好生意·成为好企业丨 828 B2B 企业节，永洪科技来了
- adobe 国际认证证书有用吗？
- 明源云与华为联合发起 828 B2B 企业节，共同成就好生意！
- 数字孪生：虚拟与现实之间的星火
- 有大佬知道循迹小车代码直接跑 run() 函数电机也动不了的原因吗？
- 之家技术｜垂直领域的概念标签建设技术实践
- 基于图表征学习的跨领域情感分析方法
- 图技术在美团外卖下的场景化应用及探索
- 卷积神经网络为什么适合图像处理
- 透视智能化高端战争发展趋势
- 自动化 AutoML 工具 Pluto 在 OPPO 的典型应用
- Application of wireless technology in aviation IPQ6018/IPQ6000/IPQ6010/Wallys
- 绝没料到！职场最后遮羞布，就这么被“一个破浙大的小设计师”扯掉
- 数实融合 数字孪生进入“技术 + 应用”双驱动时代
- 模型不收敛是怎么回事？
- ** 降低企业数字化成本，蓝凌亮相 828 B2B 企业节
- 优化神经网络训练方法有哪些？
- GrowingIO｜电商平台推荐系统架构演进
- 有赞技术｜浅谈有赞搜索 Query 理解 (QP) 架构设计
- FPGA 器件的选型要点都有什么？
- 字节跳动｜自研万亿级图数据库 ByteGraph 及其应用与挑战
- 阿里技术｜行为序列特征在推荐算法中的应用实践
- 腾讯技术｜深度模型推理加速的术与道
- 京东基于时序知识图谱的问答系统
- 智能制造系统主要包括哪些部分？
- AI 行业七大趋势：合成数据、多模态 AI 崛起
- 华为云 WeLink 助力平房区打造智慧政务办公系统
- 云南林职院 x WeLink 一站式智慧迎新， 打造西南数字化职校新标杆
- 云速 ERP（WeLink 认证版）上线，加速中小微企业数字化经营创新
- 聚焦企业成长需求，828 B2B 企业节华为云以直播促共赢
- 移动应用安全常用组件 Soot、Flowdroid 简介 & 基本使用
- 移动应用隐私合规检测简介及目标检测技术的应用
- 二进制代码相似度比较研究技术汇总
- 5W2H 分解漏洞扫描 - WHY
- 源代码与二进制文件 SCA 检测原理
- Google MLOps 白皮书（下）|MLOps 过程的深入研究
- 如何让个性化推荐即刻触达？云原生数据库 GaussDB(for Redis)
- 重磅发布！西骏数据与华为云 GaussDB 完成兼容互认证
- GaussDB 大咖金句频出！是谁的 DNA 又动了呢？
- 华为云数据库为 10000 家企业都在用的 HR 效率软件提效增速
- GaussDB 解读：Partial Result Cache，缓存中间结果对算子进行加速
- 华为云 GaussDB(for Redis) 揭秘：游戏一致性 BUG 怎么解？
- 亿级数据高效处理，华为云时序时空数据库 openGemini 正式开源
- 华为伙伴暨开发者大会 GaussDB，客户伙伴金融科技发展的经验之谈
- 南阳蓝天燃气携手 WeLink 共创数字蓝天
- ** 华为云 WeLink 直播助力高校毕业典礼：这届毕业生，我们云上嗨
- 构筑校园疫情防线 “云资环”助力精准防控
- 华为云快成长直播企业应用专场
- 华为云快成长直播 ERP 专场，以数据驱动企业智慧变革
- adobe 认证证书含金量
- 平面设计师资格证怎么考
- Adobe 国际认证产品调价公告
- Adobe 认证证书怎么考
- 计算正向智算跨越
- 腾讯百亿级大规模内容处理中台实践
- Apache Iceberg 在网易严选批流一体的实践
- 虎牙直播用户增长中台算法与工程实践
- 超大模型工程化实践打磨，百度智能云发布云原生 AI 2.0 方案
- 无人系统群体智能及其研究进展
- 揭秘华为云 GaussDB(for Redis) 六大秒级能力盘点
- 华为云 GaussDB(for Redis) 全面对比 Codis
- 华为云 DDS 新增 PITR 特性
- 华为云 GaussDB 获颁 2022 年云原生数据库领域权威奖项
- 华为｜联邦学习在广告行业上的探索及应用
- 淘系技术｜连续迁移学习跨域推荐排序模型在淘宝推荐系统的应用
- 干货｜推荐算法中的特征工程
- 在做图像处理时，如何提高识别算法的设计与效果的精度？
- OPPO 技术 | 基于 ark 框架实现推荐策略 jar 包热更新
- 让数据成为企业核心生产力
- 网易严选机器学习平台建设实践
- 去哪儿技术｜高性能服务 道与术
- 九章云极 DataCanvas 公司携因果学习开源重器登录 WAIC！
- 无人机集群自组织搜索仿真模型设计与实现
- AI 算法中比较常用的模型都有什么？
- 大淘宝技术行业 FaaS 化实战经验分享
- 可视化服务编排在京东金融 APP 中的实践
- 腾讯云实现时序搜索引擎：日志检索性能提升 40 倍
- 第四范式｜如何选择架构中的底层工具？
- 不要打广告哈
- 阿里妈妈 Dolphin 分布式向量召回技术详解
- Google MLOps 白皮书（上）｜MLOps 生命周期及核心能力
- 万字长文 | 理想汽车：从 Hadoop 到云原生的演进与思考
- 用 ocr 识别文字表格后，内容很乱，有没有什么算法可恢复成原有的数据结构？
- vivo 前端智能化实践：机器学习在自动网页布局中的应用
- 不要发广告哦
- 损失函数一般要怎么选择？
- 在处理动态交通系统分析任务时，如何提高优化问题？
- 实践基地 + 新工科实训 青软与西南大学展开多元校企合作
- 重庆邮电大学新工科训练营 实践 Java 和大数据方向全真产业项目
- 学习图像识别技术需要用到什么知识？
- 腾讯技术｜吴喆：全民 K 歌直播推荐系统详解
- 网易严选｜如何在工业界做流量调控
- 九章云极 DataCanvas YLearn 因果学习开源项目荣获“可信 AI 实践优秀案例”奖
- “九章云极 DataCanvas AI 平台赋能厦门航空”荣获 AI 平台应用标杆案例
- 诚邀 |8 月 31 日，【因果学习和决策优化挑战赛 TOP10 队伍作品秀】邀您共享因果学习智慧盛宴
- 九方软件携手华为云 WeLink 打造数字化工作平台，提升内外协同效率
- 2022 年 8 个好用的 MLOps 工具和平台
- 字节跳动｜数据血缘图谱升级方案设计与实现
- 九章云极 DataCanvas 公司与中国信通院完成可信 AI 基础软件战略合作
- 企业数据治理痛点与阿里巴巴数据治理方案
- 阿里妈妈｜营销文案的“瑞士军刀”：阿里妈妈智能文案多模态、多场景探索
- 百度技术｜超大模型工程化实践打磨，百度智能云发布云原生 AI 2.0 方案
- 主动学习即服务：为以数据为中心的 AI 构建的一种高效的 MLOps 系统
- 网易云音乐播放页直播推荐实战
- 设计一个跨平台的即时通讯系统 (采用华为云 ECS 服务器作为服务端)【华为云至简致远】
- 从零开始，如何拥有自己的博客网站【华为云至简致远】
- 跟我一起了解云耀云服务器 HECS【华为云至简致远】
- 华为云弹性云服务器 ECS 使用【华为云至简致远】
- 还在烦恼成本高、运维难？华为云数据库给你一个标准答案！
- 基于华为云 ModelArts 和弹性云服务器 ECS 的 AI 全流程开发——昇腾工业质检应用实战
- 华为云数据库，更安全、更方便、更省钱的选择
- 基于华为云 ECS 的目标检测与识别的昇腾 AI 开发体验
- 基于云 ModelArts 的 PPO 算法玩“超级马里奥兄弟”
- 华为 ECS 云服务器上安装 Docker 及部署 Redis 详细教程
- GaussDB（for Redis）安全性相关设置体验
- 一键进入华为云会议，长期免费值得所有开发团队有一套
- 使用华为 HECS 云服务器打造 Telegraf+Influxdb+Grafana 监控系统【华为云至简致远】
- 利用华为云 ECS 服务器搭建安防视频监控平台【华为云至简致远】
- 多图预警！华为 ECS 与 阿里云 ECS 对比实战【华为云至简致远】
- 基于 ModelArts 的动漫头像自动生成丨【华为云至简致远】
- 使用域名注册服务 Domains 配置域名【华为云至简致远】
- 网易严选首焦推荐算法实践
- 腾讯技术｜消息队列基本原理和选型对比
- OpenMLDB｜决策 AI：以高效落地为目标的工程技术
- 百度技术｜Louvain 算法在反作弊上的应用
- 智能决策技术在汽车行业的应用实践
- 基于 Qt 设计的课堂考勤系统 (采用 RDS for MySQL 云数据库)【华为云至简致远】
- 【愚公系列】华为云云数据库 MySQL 的体验流程 |【华为云至简致远】
- 跟我一起来学弹性云服务器 ECS【华为云至简致远】
- 让您知道华为云服务器的强大【华为云至简致远】
- 华为云分布式缓存服务 Redis 开通及使用规划教程【华为云至简致远】
- 10 分钟快速入门 RDS【华为云至简致远】
- 华为云服务之弹性云服务器 ECS 的深度使用和云端实践【华为云至简致远】
- 一起来学华为云数据库，RDS 实践【华为云至简致远】
- * 打卡—> 什么是云数据库 && 沙箱实验如何用 python 和数据库来爬虫？【华为云至简致远】
- 基于华为云 ModelArts 深度学习算法的语音识别实践
- 零基础入门华为云数据库 RDS【华为云至简致远】
- 华为云会议初体验【华为云至简致远】
- 使用华为云会议的总结【华为云至简致远】
- 手摸手带你完成智慧路灯构建及避坑【华为云至简致远】
- 基于 DevCloud 进行黑白棋实时对战游戏开发实践【华为云至简致远】
- 云硬盘 EVS 详解以及如何用与避坑【华为云至简致远】
- 至简致远，“云”响世界，大胆秀出你的华为云技术主张，高额激励等你拿
- 带你玩转“超大杯”ECS 特性及实验踩坑【华为云至简致远】
- 基于华为云 ModelArts 的水表读数识别开发实践【华为云至简致远】
- 基于华为云弹性云服务器 ECS（搭载 openEuler 的鲲鹏通用计算增强型）完成鲲鹏代码迁移工具实践【华为云至简致远】
- 疫情下如何通过华为云会议提升工作效率【华为云至简致远】
- 用完华为云会议解决方案, 我直接卸载了之前的会议软件【华为云至简致远】
- 彻底搞懂云桌面配置及实践踩坑【华为云至简致远】
- 基于 ECS 实现一分钟自动化部署【华为云至简致远】
- 华为云云数据库 RDS MySQL 版初试探【华为云至简致远】
- 基于 ModelArts 的 StyleGAN3 生成高清图丨【华为云至简致远】
- 因果决策从 YLearn 开始，数据智能基础软件迎“风口”
- 中国移动大数据能力在保险领域的实践
- 机器学习运维 (MLOps)：原理、组件、角色和架构
- 【干货篇】58 同城：视觉定位技术在室内 VR 中的应用（附视频回放 +PPT 下载）
- 快看漫画构建数据治理闭环的逻辑与实践
- 网易严选 DMP 标签系统建设实践
- 汽车之家｜面向推荐的汽车知识图谱构建
- 北大关于知识图谱与图数据库的研究工作
- 美团搜索粗排优化的探索与实践
- 百度用户产品流批一体的实时数仓实践
- 虎牙大数据平台的成本把控和 SLA 技术实践经验
- 阿里巴巴数字商业知识图谱的构建及应用
- CIKM 2022 放榜，10 篇论文详解阿里妈妈广告算法最新进展
- 17 个机器学习的常用算法
- 九章云极 DataCanvas APS 机器学习平台获得中国信通院“领先级”评级
- AIQ 投稿规范
- 禁止发布非原创，否则封号
- 禁止发布非原创
- 禁止发布非原创
- AVS 视频编码标准的演变：20 年来的创新与发展
- 数据智能正当时，九章云极 DataCanvas 公司荣获“最具投资价值公司”
- 业内首个「因果推断全流程」挑战赛！WAIC 2022 · 黑客马拉松邀全球开发者精英来挑战
- Transfer Learning 核心技术开发与应用
- Kafka 在美团数据平台的实践
- 创邻科技｜图数据库技术在金融风控中的应用
- 朱小强｜屠龙少年与龙：漫谈深度学习驱动的广告推荐技术发展周期
- 边缘计算知识点
- 脑机接口：人工智能下一站？
- 中原银行实时风控体系建设实践
- 丁香园技术｜从文本匹配到语义相关——新闻相似度计算的一般思路
- 腾讯 PCG 数据中台 DEVOPS 和 AIOPS 实践
- 阿里新零售多模态知识图谱 AliMe MKG 的建设与应用
- 关于大数据的建模、分析、挖掘技术应用
- 迁移学习核心技术开发与应用
- 基于深度学习的机器人目标识别和跟踪
- 面向大规模分析的多源对地观测时空立方体
- 卷积神经网络模型发展及应用
- 边缘计算：盘点 100 个知识点
- 关于举办“迁移学习 (Transfer Learning) 核心技术 开发与应用研修
- 迁移学习核心技术开发与应用进修
- 关于举办“迁移学习 (Transfer Learning) 核心技术 开发与应用研修班”的通知
- 关于大数据建模、分析、挖掘技术应用进修
- 网易｜数据治理体系演进简介
- 腾讯音乐栾鹏：cube-studio 开源一站式云原生机器学习平台
- 遥感数字图像处理
- 陈杰院士：多无人系统协同中的人工智能安全探索
- 基于马尔科夫边界发现的因果特征选择算法综述
- 大数据建模、分析、挖掘研修班
- 关于举办“迁移学习 (Transfer Learning) 核心技术开发与应用研修班”的通知
- 数禾科技｜杨涵冰：特征平台在数禾的建设与应用
- 百度技术｜品牌广告投放平台的中台化应用与实践
- 计算机视觉与信息取证技术讲解
- 人工智能在计算机视觉及网络领域中的应用
- 计算机视觉与信息取证技术学习
- 计算机视觉与信息取证直播开讲
- 计算机取证技术及其发展趋势
- 信息取证与计算机视觉
- 关于举办“深度强化学习核心技术开发与应用研修”的通知
- 大数据建模
- 关于举办“大数据建模、分析、挖掘技术应用研修班” 的通知
- 室内定位中非视距的识别和抑制算法研究综述（部分）
- 室内定位中非视距的识别和抑制算法研究综述
- 阿里｜从业务开发中学习和理解架构设计
- 来也技术｜云原生机器学习平台技术综述（编排调度篇）
- 大数据建模、分析、挖掘技术应用研修班
- 深度强化学习核心
- 迁移学习 (Transfer Learning) 核心技术 开发与应用研修班”的通知
- 迁移学习 (Transfer Learning) 核心技术开发与应用
- 深度强化学习核心技术
- 大数据建模、分析、挖掘
- 关于举办“迁移学习 (Transfer Learning) 核心技术 开发与应用研修班”的通知
- 阿里｜迈向端云一体 MNN2.0 轻量级通用深度学习引擎详解
- SIGIR'22 | 大规模推荐系统中冷启动用户预热的融合序列建模
- 京东 APP 百亿级的车与商品关系数据检索实践
- vivo | 推荐系统 - 协同过滤在 Spark 中的实现
- 递归神经（RNN）
- RNN
- 递归神经网络（RNN）
- 网易严选流量数据体系演进（上篇）
- 赵弘扬：阿里云 Elasticsearch 技术演进之路
- 京东零售营销选品平台架构设计
- 2022 年数字信息化培训项目系列
- 大数据建模分析挖掘技术应用研修班
- B 站在全链路压测上的实践
- 阿里技术｜揭秘盒马销量预测核心算法的技术演进
- 张枫：计算机视觉技术在虎牙直播中的实践
- 腾讯音乐的新一代歌曲识别技术
- 郭嘉梁：阿里云 Elasticsearch 日志场景最佳实践及引擎内核优化
- 【干货篇】轻舟智航：自动驾驶中的决策规划技术（附视频回放 +PPT 下载）
- 文本的深度学习
- 序列数据和文本
- 序列数据和文本的深度学习
- 计算机视觉与信息最新技术
- 计算机视觉与信息取证
- 实现 "模板自由"？阿里妈妈全自动无模板图文创意生成
- YLearn 因果学习开源项目「贡献者计划」精彩来袭！
- 助力人工智能迈向新阶段，YLearn 因果学习开源项目重磅发布！
- 从预测到决策，九章云极 DataCanvas 推出 YLearn 因果学习开源项目
- 人工智能学习福利来了！
- 官宣 | 九章云极 DataCanvas 核心产品通过 “可信大数据”权威评测
- 网易严选流量数据体系建设
- 阿里技术｜谈一谈凑单页的那些优雅设计
- 对比学习在有赞的应用
- 机器学习问题
- 机器学习的基础
- 机器学习基础
- 流批一体在京东的探索与实践
- 姜伟华：阿里建设一站式实时数仓的经验分享
- 干货 | 携程实体链接技术的探索及实践
- 干货 | 百亿节点，毫秒级延迟，携程金融基于 nebula 的大规模图应用实践
- Flink 引擎在快手的深度优化与生产实践
- 无量深度学习系统在腾讯推荐类业务的应用
- 阿里前端智能化技术探索和未来思考
- 知识图谱 Knowledge Graph 构建与应用研修班线上课程的通知
- 关于举办“深度强化学习核心技术开发与应用研修班”的通知
- 知识图谱 Knowledge Graph 构建与应用
- 大数据建模、分析、挖掘技术应用
- 深度强化学习核心技术开发与应用
- 大数据建模、分析、挖掘技术应用研修班的通知
- 详解神经网络的组成部分
- 深入了解神经网络 **
- 深入了解神经网络
- 把数据加载到 PyTorch 张量
- 开源重器！九章云极 DataCanvas 公司 YLearn 因果学习开源项目即将发布！
- 使用深度学习进行图像分类
- 九章云极 DataCanvas 公司获评 36 氪「最受投资人关注的硬核科技企业」
- 九章云极 DataCanvas 公司摘获「第五届数字金融创新大赛」最高荣誉！
- PyTorch 构建深度学习算法的方式
- 宛言：爆款素材识别在快手的应用与实践
- 美团大众点评搜索相关性技术探索与实践
- 美团外卖广告大规模深度学习模型工程实践
- PyTorch 已为我们实现了大多数常用的非线性激活函数
- 刘石伟：字节跳动埋点数据流建设与治理实践
- B 站离线多机房架构实践
- 网易云音乐机器学习平台实践
- 九章云极 DataCanvas 公司蝉联中国机器学习平台市场 TOP 3
- [资讯] 基于 QUIC 协议的 HTTP/3 正式发布！
- 京东 618 广告精排百分位 AUC 提升技术方案
- 方阳：贝壳找房推理服务 MLOPS 实践
- 图谱实战 | 58 同城周超：基于招聘场景下的知识图谱构建及应用
- 网易云音乐 FeatureStore 建设与实践
- 周强：蚂蚁集团流式图计算引擎 GeaFlow 的技术架构与应用实践
- AI 落地的新范式，就“藏”在下一场软件基础设施的重大升级里
- 曹东：携程日志系统索引构建之路
- 美团综合业务推荐系统的质量模型及实践
- 汽车之家推荐系统架构迭代之路
- 阿里可观测性数据引擎的技术实践
- vivo 技术｜Elasticsearch 在地理信息空间索引的探索和演进
- 达观数据 | 王文广：FMEA 知识图谱的构建与应用实践
- 阿里技术 | 深度解读 RocketMQ 存储机制
- Elasticseach：从微服务架构演变到大宽表思维的架构转变
- 李向林：OPPO 自研大规模知识图谱及其在小布助手中的应用
- 杨韬：微信搜一搜中的智能问答技术
- 腾讯信息流亿级相似视频识别技术架构优化实践
- KDD2022 | MUVCOG：阿里妈妈多模态搜索会话下的用户意图刻画
- 去哪儿旅行混沌工程落地实践
- 百度评论中台的设计与探索
- 58 技术 | AI 面试机器人后端架构实践
- 图深度学习模型进展和在阿里搜索广告中的应用创新
- 于晓路：贯穿事前事中事后，图计算在信贷反欺诈的探索和实践
- 算法如何高效表达图计算？亚马逊云科技 DGL 图学习平台介绍
- 钱大妈基于 Flink 的实时风控实践
- 网易云音乐模型预估系统建设与实践
- 数据智能基础设施升级窗口将至？看九章云极 DingoDB 如何击破数据痛点
- 王希廷博士：从知识图谱和自然语言生成的角度认识可解释推荐
- vivo 推荐中台升级路：机器成本节约 75%，迭代周期低至分钟级
- 五分钟搞定 Flink 双流 JOIN 面试题
- VRHCIAI 2022 虚拟现实、人机交互与人工智能国际会议
- 卞东海：百度基于异构互联知识图谱的多模内容创作技术
- 近线召回 TFMS 在阿里妈妈广告平台的实践
- 字节跳动｜智能问答：基于 BERT 的语义模型
- 李阳：京东零售 OLAP 平台建设和场景实践
- 阿里 | 新时期的阿里妈妈广告引擎架构
- 阿里妈妈展示广告智能拍卖机制的演进之路
- 张鸿志：美团大脑百亿级知识图谱的构建及应用进展
- 罗强：腾讯新闻如何处理海量商业化数据？
- 块存储质量的铸就之路 — 测试左移在大型分布式系统中的工程实践
- 中国电力科学研究院 | 电力领域知识图谱技术进展与应用
- 李呈祥：bilibili 在湖仓一体查询加速上的实践与探索
- 快手牛亚男：基于多 Domain 多任务学习框架和 Transformer，搭建快手精排模型
- 邱盛昌：OPPO 商业化数据体系建设实战
- 阿里｜如何写出一篇好的技术方案？
- Flink ML API，为实时机器学习设计的算法接口与迭代引擎
- 张政：京东在智能广告的实践和探索——集成 AI 理解、AI 生成、AI 分发的内容生态
- 九章云极 DataCanvas 公司荣获“鑫智奖·第四届金融数据智能优秀解决方案”
- 蓝海深处的 AI 和数据科学平台
- 阿里本地生活搜索智能化升级实践：如何更有效适配本地业务？
- 华为史佳欣：基于知识图谱的复杂问题推理问答
- 实时数据湖在字节跳动的实践
- 网易云音乐｜服务启动过程性能波动的分析与解决方案
- 阿里 10 年沉淀｜那些技术实战中的架构设计方法
- 阿里｜关于技术能力的思考和总结
- 网易数帆数据中台逻辑数据湖的实践
- 阿里技术｜阿里 TPP 图化框架技术实践—打造算法在线服务领域极致开发体验与性能
- 阿里技术｜多模态技术在淘宝主搜召回场景的探索
- 极验 | 对抗样本技术在互联网安全领域的应用
- 淘系技术｜无尽流场景优化总结
- 淘系技术｜生成式重排在内容推荐中的应用实践
- 淘系技术 | Gradient Normalization 在多任务学习中的优化实践
- 淘系技术｜GNN 在轻应用内容推荐中的召回实践
- 淘系技术 - 冷启动系统优化与内容潜力预估实践
- 淘系技术 | 内容推荐场景中自监督学习的应用
- 华为朱杰明：预训练模型在信息流推荐中的应用与探索
- 粗排第一篇 - 你的业务需要粗排吗
- 陈振兴：京东图机器学习在智能反欺诈上的探索与实践
- 罗清：对比学习在快手推荐排序的应用
- 【干货篇】字节跳动：文本归一化与中文纠错
- 李晓亮：腾讯搜索词推荐算法探索实践
- 周力博士：小冰 AI+AI 对谈技术的探索与应用
- 美团大脑中的商品理解与样本治理
- 网易严选时序预测算法实践
- 去哪儿网｜国内酒店交易 DDD 应用与实践——代码篇
- 去哪儿网｜国内酒店交易 DDD 应用与实践——理论篇
- 实时增量学习在云音乐直播推荐系统中的工程实践
- 实时增量学习在网易云音乐直播推荐系统中的实践
- Disruptor 在网易云音乐特征服务中的应用
- 自动化知识图谱表示学习：从三元组到子图
- 百度技术 | Spark 离线开发框架设计与实现
- 如何提升推荐系统的可解释性？京东智能推荐卖点技术全解析！
- AI 开放平台的作用是什么？
- AI 开放平台 - 科大讯飞
- ai 开放平台
- 全球首个 AI 模型开发管理标准正式发布，九章云极 DataCanvas 公司助力 AI 工程化新发展
- 美团 | 标准化思想及组装式架构在后端 BFF 中的实践
- 阿里超大规模 Flink 集群运维体系介绍
- Apache Flink 在蔚来汽车的应用
- 虎牙 | 刘柏芳：弹性分布式训练在虎牙的实践
- 精华 | 如何开一场高效的迭代排期会
- 百度｜云原生时代的搜索服务算力管理
- 第四范式 | OpenMLDB：线上线下一致的生产级特征计算平台
- 马玉潮：物流平台的车货匹配推荐算法及标签体系搭建
- 网易严选 | 流量分发决策：既要又要的平衡之路
- VRHCIAI 2022
- Qunar 技术 | 从活动能力层建设看业务架构
- Flink 流批一体在小米的实践
- 「技术人生」第 6 篇：技术同学应该如何理解业务?
- 「技术人生」第 7 篇：从业务视角谈信息技术与业务的关系
- 腾讯技术 | 后台自动化测试与持续部署实践
- 陈剑：虎牙实时计算平台服务的 SLA 之路
- 一线技术人的成长思考总结
- 详细解读！推荐算法架构——召回
- 【公告】开放 AIQ 人工智能交流 2 群
- Flink 在众安保险金融业务的应用
- 阿里大淘系模型治理阶段性分享
- 腾讯技术 | 超强指南！推荐算法架构——重排
- 赵宏田：用户画像场景与技术实现
- Flink 整合 ElasticSearch 详细指南及踩坑记录
- 李翔：美团到店综合知识图谱的构建与应用
- QQ 音乐推荐召回算法的探索与实践
- 猎户座 - 持续打造爱奇艺在用户画像之上的策略引擎！
- vivo 短视频推荐去重服务的设计实践
- 网易严选数据湖建设实践
- Qunar 技术 | 基于 DDD 思想的技术架构战略调整
- 京东｜杨尚昂：FlinkSQL 在京东实时维度建模中的应用
- 位置偏差在马蜂窝推荐排序中的实践
- 汽车之家推荐系统 AB 实验平台
- 郭人通：向量数据库及 Embedding 流水线
- 58 同城 | 周彤：房价预估，房产价格体系中的算法实践
- 百度｜客户画像赋能百度推广生态实践
- 淘系技术｜基于特征全埋点的精排 ODL 实践总结
- 网易新闻推荐工程优化 - 特征算子篇
- 崔世起：小米小爱同学无效 Query 识别
- “未知的未知”风险能够防范么？
- QQ 音乐推荐系统算法架构实践
- 贝壳找房智能投放技术实践
- 阿里技术 | 如何从容应对软件复杂性
- 腾讯技术 ｜ 深入解读腾讯云微搭低代码的技术架构！
- 网易新闻推荐工程优化 - 特征平台篇
- Google 技术 | 蓝昶：谷歌分布式机器学习优化实践
- Apache Flink 在斗鱼的应用与实践
- 图文解读：推荐算法架构——精排！
- 蒋能学：网易云音乐广告算法实践
- 王冬月：京东推荐算法精排技术实践
- 腾讯技术｜微信全文搜索技术优化实践
- 一个好的持续交付流水线是怎样的?
- 阿里技术 | 高可用的本质
- 傅轶：网易数帆云原生日志平台架构实践
- 初窥门径，百度搜索流式体验新形态
- 汽车之家基于 Flink 的实时计算平台 3.0 建设实践
- 异构广告混排在美团到店业务的探索与实践
- 张菡：深度学习下的京东搜索召回技术
- 去哪儿网 | 机票报价高并发实施的关键路径
- 王桐：阿里智慧供应链预测算法
- 腾讯音乐 | QQ 音乐命名实体识别技术
- GPU 在美团外卖场景精排模型预估中的应用实践
- 美团外卖广告平台化的探索与实践
- 王志勇：贝壳找房 CVR 转化率预估模型实践
- 如何设计一个复杂的业务系统 (DDD 实践)?
- 百度爱番番 | 大规模异构数据的线索列表进化之路
- 李茶：虎牙直播推荐系统架构详解
- 干货 | 美团搜索中查询改写技术的探索与实践
- 端智能在大众点评搜索重排序的应用实践
- 美团 Flink 大作业部署与状态稳定性优化实践
- 赵鑫：强化学习在京东广告序列推荐中的应用
- 58 技术 | 深度学习排序在 58 招聘搜索场景的演进
- 【通知!!】2022 AIQ 全面开放注册
- OPPO 唐黎：零代码技能平台技术实践探索！
- 丁香园 | 电商搜索的语义理解问题
- OPPO | 小布助手闲聊生成式算法
- 辛涛：字节跳动机器学习系统云原生落地实践
- 熊飞："猜你去哪" 飞猪用户旅行意图预测
- Redis 在 vivo 推送平台的应用与优化实践
- 渠江涛：重排序在快手短视频推荐系统中的演进
- QQ 音乐排序模型优化
- 黄正杰：百度图学习技术与应用
- 梁宁：增长思维 30 讲脑图笔记
- 苏永浩：Embedding 技术在商业搜索与推荐场景的实践
- 李宗纯：图机器学习在度小满风控中的应用
- 腾讯音乐知识图谱搜索实践
- 58 同城 | 刘德华：标签推荐与“猜你想找”算法实践
- 字节跳动 | 无人测试流水线建设之业务实践
- 闲鱼搜索召回升级：向量召回 & 个性化召回
- 赵海源：峰值超 2 亿 / 秒，Kafka 在美团数据平台的实践
- 工商银行实时大数据平台建设历程及展望
- 杨宇鸿：腾讯多模态内容理解技术及应用
- 陈胜：美团搜索排序实践
- 九章云极 DataCanvas 公司荣获机器之心三大奖项，助力产业数智化升级
- 九章云极 DataCanvas 公司荣登 2021 年度高科技高成长企业系列榜单
- 袁腾飞：阿里飞猪信息流内容推荐探索
- 周玉驰：因果分析在贝壳的探索实践
- 有赞算法平台之模型部署演进
- 刘桐仁：百度搜索中台内容架构 Serverless 化实践
- 腾讯音乐多模态音乐匹配技术与应用
- 阿⾥搜索中台在 DevOps&AIOps 的思考及实践
- 阿里一面：如何保障消息 100% 投递成功、消息幂等性？
- vivo 推送平台架构演进
- 从阿里核心场景看实时数仓的发展趋势
- 汤楚熙：美团实时数仓架构演进与建设实践
- 百度搜索中台新一代内容架构：FaaS 化和智能化实战
- 来也技术 | 向量检索使用场景和关键技术
- 陈兴振：58 同城机器学习平台资源使用率优化实践
- 万阳春：度小满金融 OCR 技术在小微场景中的应用
- 携程 | 上百个业务场景，语义匹配技术在携程智能客服中的应用
- OPPO 数智技术 | 大数据 SQL 优化之数据倾斜解决案例全集
- 京东商品知识图谱构建与实体对齐实践
- 阿里妈妈搜索广告预估模型 2021 思考与实践
- 阿里技术 | 主流推荐与垂类推荐技术的发展与延伸
- 深入搜索引擎之 Elasticsearch 必知必会（一）：开发视角
- 贝壳业务数据治理中台实践
- 峰值 6 亿 / 秒，Flink 在京东的应用与优化实践
- 阿里妈妈定向广告智能投放技术体系
- 九章云极 DataCanvas 公司深度参编《中国金融科技发展报告 2021》蓝皮书
- 何会会：有赞数据地图实践
- 徐美兰：深度应用驱动的医学知识图谱构建
- 沈冰阳：强化学习在推荐冷启动优化中的实践探索！
- 达摩院李雅亮：大规模预训练模型的压缩和蒸馏
- Project Matrix：京东 Spark ML 线性模型的重构与优化实践
- OPPO 小布助手算法系统探索、实践与思考
- 实时性提升 4000 倍？图数据库在腾讯业务中的应用实践！
- 技术揭秘！百度搜索中台低代码的探索与实践
- 腾讯技术 | 微信图片翻译技术优化之路
- Enrich Processor——Elasticsearch 跨索引关联数据新方式
- 今日头条搜索品质优化 - 端到端篇
- 淘系技术 | 多序列融合召回在新用户冷启动上的应用
- 淘系技术 | 内容推荐场景下多模态语义召回的若干实践
- CMDM：基于异构序列融合的多兴趣深度召回模型在内容平台的探索和实践
- 淘系技术 | 2021 召回技术在内容推荐的实践总结
- 网易云音乐广告 CTR 预估模型演进过程
- 干货 | Elasticsearch 向量搜索的工程化实战
- 九章云极 DataCanvas 公司实力荣登「WISE 2021 新经济之王」年度硬核企业榜
- 【下载】AIQ 人工智能技术学习资料年度整理大合集电子书 PDF
- 贝壳找房 | Flink 运维体系在贝壳的实践
- 伴鱼基于 Flink 构建数据集成平台的设计与实现
- 百度搜索中台海量数据管理的云原生和智能化实践
- 九章云极 DataCanvas 荣获“2021 真榜•中国最具价值创新企业榜单”
- 网易严选实时计算平台建设实践
- TDM 到二向箔：阿里妈妈展示广告 Match 底层技术架构演进
- 淘系技术 | 端智能技术体系概述
- 普渡大学李攀：好的图表示到底是什么？
- 58 技术 | 推荐算法在商业化场景中的探索实践
- TensorFlow 在推荐系统中的分布式训练优化实践
- 《ModelOps 技术应用及趋势白皮书》正式发布
- 九章云极 DataCanvas 发布 2021 AutoML 自动机器学习白皮书
- 腾讯技术 | Al 与推荐技术在腾讯 QQ 浏览器的应用
- 华为云苏嘉：如何整合预训练模型和知识图谱做医疗推理？
- 美团 | 预训练技术在美团到店搜索广告中的应用
- 百度搜索 | 详解预训练模型在信息检索第一阶段的应用
- vivo 敏感词匹配系统的设计与实践
- KDD'21 | 揭秘 Facebook 升级版语义搜索技术 Que2Search
- Facebook 全新电商搜索系统 Que2Search
- 阿里技术 | 双 11 实时物流订单最佳实践
- 去哪儿网 BI 平台建设演进与实践
- 推荐系统系列 01： 详解曝光去重设计与实践
- Uber 大规模广告处理实践： Apache Flink、Kafka 和 Pinot 进行实时广告事件处理！
- 图像检索在高德地图 POI 数据生产中的应用
- 腾讯 | 互联网知识图谱的构建及应用
- QQ 音乐推荐系统的精细化调控
- 爱奇艺智能内容中台｜无人值守的应用与实践
- 58 本地服务少无结果场景下的推荐算法实践
- 微信 ClickHouse 实时数仓的最佳实践
- 百度商业大规模高性能全息日志检索技术揭秘
- 王元：新一代人工智能算法平台设计和背后的逻辑
- 搜索系统，推荐系统，广告系统架构及人工智能算法技术资料最全整理
- 58 技术 | 招聘商业智能搜索召回体系搭建
- 排得更好 VS 估得更准 VS 搜的更全「推荐、广告、搜索」算法间到底有什么区别？
- 美团搜索多业务商品排序探索与实践
- 百度技术 | 短视频个性化 Push 工程精进之路
- 陈小天：时间序列模型在金融领域应用实践
- NLP 高频面试题：参数更新、bert 训练、扩充样本、layer&batch 等
- 58 技术 | 韩伟：黄页商家智能聊天助手用户体验深度优化
- 阿里飞猪林睿：从核心因子预估 > 实体识别，如何实现文本和空间的搜索相关性？
- 2021 年 11 月初，VIVO & 地平线视觉工程师面经
- 通用排序框架在爱奇艺推荐的应用
- AI 应用时代：用 ModelOps 打造模型的全生命周期管理
- 2021 年 9 月中旬，百度 NLP 岗位面试题分享（二）
- 2021 年 9 月中旬，百度 NLP 岗位面试题分享（一）
- 1.1 机器学习概述——机器学习的发展
- 2021 年 9 月底 -- 字节跳动 NLP 岗位（抖音）面试题分享
- 美团知识图谱问答技术实践与探索
- 2021 年 9 月底，百度 NLP 岗位精选面试题
- 贝壳技术 | 响应式编程和协程在 Java 语言的应用
- 腾讯金融研究院 | 寻找最优数字规则框架
- 百分点大数据技术团队：基于多 Spark 任务的 ClickHouse 数据同步方案实践
- 美团基于知识图谱的剧本杀标准化建设与应用
- 5 年迭代 5 次，抖音基于 Flink 的实时推荐系统演进历程
- OPPO 大数据离线计算平台架构演进
- AI 在度小满征信解读中的应用
- 兴趣搜索在腾讯看点的探索与实践
- 新东方在线教育实时数仓的落地实践
- 高德打车稳定性建设
- 情感分析技术在美团的探索与应用
- 借助 Flink 与 Pulsar，BIGO 打造实时消息处理系统
- 阿里飞猪推荐算法探索实践
- 从零开始掌握 tensorflow 算子开发 (1)：tensorflow 架构以及编译构建
- 图对比学习的最新进展
- 网易 | Hive SQL 迁移 Spark SQL 在网易传媒的实践
- 推荐系统全链路（4）：打压保送重排策略 - 拍不完的脑袋
- 推荐系统全链路（3）召回粗排精排 - 级联漏斗下篇
- 推荐系统全链路（2）召回粗排精排 - 级联漏斗上篇
- 推荐系统全链路（1）：召回粗排精排 - 各有所长
- 腾讯 CTR 建模过程中的实践总结
- KDD'21 | 淘宝搜索中语义向量检索技术
- 百度 NLP 技术在智能招聘中的应用研究
- 深入互联网广告中的出价模式 — 再谈 oCPX 中的双出价
- 淘系技术 | 分钟级在线深度学习在手淘信息流排序模型中的探索与实践
- 开奖了 | 揭秘 2022 届美团和腾讯校招薪资，香水团完全不输鹅厂！
- 百度｜图谱相关技术在风控反作弊中的应用和探索
- 腾讯 | 智能批改技术实践与探索
- 推荐系统中粗排扮演的角色和算法发展历程
- 阿里 | 流计算引擎数据一致性的本质
- 推荐广告模型的降本提效：压缩策略
- 网易云音乐实时数仓 2.0 进阶之路
- 广告分析：常用的广告效果评估指标大全（广告主 + 媒体）
- 线上广告：用户营销触达的重要渠道与手段（移动端）
- 美团 | 广告深度预估技术在美团到店场景下的突破与畅想
- 蜻蜓 FM 实时推荐系统的发展和演进
- 实体链接在小布助手和 OGraph 的实践应用
- 2021 年网易云音乐实时计算平台发展和挑战
- 百度信息流推荐系统智能交付解决方案探索
- 想了解百度搜索核心技术？来这！
- 从零开始掌握 tensorflow 算子开发
- 机器学习 - 特征工程分享 PPT（可下载）
- 萨摩耶云 | 深度迁移学习技术在金融风控中的应用
- 灵数科技 | 图在异常流量识别中的应用和演进
- 来也 | 自监督学习在计算机视觉中的应用
- 阿里小蜜多模态知识图谱的构建及应用
- 贝壳找房 | 人机耦合在贝壳新居住服务的应用
- 58 技术 | 广义多目标算法探索实践
- 从技术到体验：vivo 机器翻译落地实践
- Bilibili 基于 Flink 的优化与实践
- Impala 在腾讯金融大数据场景中的应用
- 百度数据联邦平台及其应用研究
- CV 精选知识点：什么是 NMS（Non-maximum suppression 非极大值抑制）
- 字节跳动是怎么做全链路压测的？
- 百度信息流和搜索业务中的 KV 存储实践
- 神策数据 | 从技术视角看什么才是值得拥有的 A/B 测试？
- Apache Flink 在汽车之家的应用与实践
- 2021 年 8 月，字节秋招算法 5 道面试题分享
- 爱奇艺 TensorFlow Serving 内存泄漏优化实践
- 腾讯技术 | QQ 浏览器智能问答技术探索实践
- 度小满金融大数据架构实践
- CV 精选知识点：DPM（Deformable Parts Model）算法流程详解
- 金融场景下的模型可解释性应用探索
- 无监督算法在虎牙风控的探索实践
- 2021 年 8 月，Shopee- 算法工程师 5 道面试题分享
- 知识图谱在第四范式金融场景的应用及研究
- 百度技术 | 云原生架构下的持续交付实践
- 字节技术 | 火山引擎 A/B 测试的思考与实践
- 百分点认知智能实验室：智能校对的技术原理和实践
- 阿里巴巴 CTO 鲁肃独家自述：CTO 就是要给 CEO 扫清障碍和风险
- 干货 | 携程 AI 推理性能的自动化优化实践
- 百度 | 持续交付方法与实践
- 美团 | 新一代 CTR 预测服务的 GPU 优化实践
- 2021 年 7 月底，“陌陌”推荐算法 5 道面试题分享！
- 面试题精选 | 风控建模流程、分箱法的目的及第三方数据评估！
- 金融风控大厂 10 道精选面试题分享！
- 腾讯基于预训练模型的文本内容理解实践
- 2021 年七月中旬，百度算法面试 5 道题分享
- 融 360 金融风控系统开发实践
- 百度短视频推荐系统的目标设计
- 百度 | 一年数十万次 ABTest 实验背后的架构与数据科学
- 金融风控精选 5 道面试题分享 ! 文末彩蛋
- 由于幸存者偏差，导致强变量在后续迭代中逐渐削弱甚至相反怎么办 | 文末有福利
- 2021.09.05 AIQ-ChangeLogs
- 2021 年七月中旬，虾皮北京提前批 - 算法工程师 5 道面试题
- 闲鱼是如何做个性化商品选品及人群画像分析的
- 腾讯基于兴趣点图谱的内容理解
- 美团智能客服技术实践
- AI 开源项目精选：GPT2.0、激活可视化、全面基本面分析包
- 去哪儿网库存搜索在高并发场景下的探索
- 伴鱼：借助 Flink 完成机器学习特征系统的升级
- AI 精选开源项目：处理 fMRI 数据、检测卫星图像、GPT2 生成模型
- 张俊林：对比学习在微博内容表示的应用
- 汽车之家离线计算平台建设实践
- Apache Flink 在京东的实践与优化
- 2021 年 7 月中旬，腾讯 PGB,NLP 算法面试题 6 道！
- 快手基于 Flink 构建实时数仓场景化实践
- 伴鱼用户画像平台：设计篇
- 伴鱼技术 | 机器学习预测服务：设计篇
- Uber 机器学习平台实践
- 伴鱼技术 | 机器学习特征系统在伴鱼的演进
- 百度技术 | 图数据库在百度汉语中的应用
- AI 开源项目分享：pytorch 增强图像数据、Tensorflow 2.0 实现...
- 如何支持亿级用户分流实验？AB 实验平台在爱奇艺的实践
- AI 精选开源项目：构建向量应用程序、YOLO 存储库、多语言语料库
- 2021 年 7 月中旬 蔚来 NLP 算法工程师 面试题 4 道！
- 阿里技术 | 如何设计可靠的灰度方案
- 万物皆为向量：爱奇艺在线向量召回工程服务化实践
- AI 开源项目分享：动作识别框架 Sense、多目标跟踪神器...
- AI 开源项目分享：时间序列预测模型、图像监督的 python 库...
- 归因分析：淘宝直播数据助理及其价值研究
- AI 开源项目精选 | 基于 pytroch 的 ORC 算法库及 python 高性能 CPU 分析等
- NER 技术在对话系统中的应用实践
- OPPO 数据湖统一存储技术实践
- 斗鱼风控算法体系建设
- 百度技术 | 千亿级模型在离线一致性保障方案详解
- 21 年 7 月底，字节推荐算法（DATA-EDU）面试题 5 道
- 去哪儿网数据同步平台技术演进与实践
- 基于 PaddlePaddle 的出色多语言 OCR 工具包、钢琴 MIDI 数据集
- 2021 年 7 月初，深圳 TPlink 图像算法工程师面试题分享
- 淘系技术 | 淘宝视频的跨模态检索
- 阿里妈妈展示广告预估校准技术演进之路
- 网易有数机器学习平台批调度与 k8s 调度系统的深度解析
- 58 技术｜改进的 Wide&Deep 在文本分类中的应用
- 闲鱼技术 | 如何实现卖家增长任务的 AB 实验
- 数据库、数据仓库、大数据平台、数据中台、数据湖对比分析
- 腾讯技术 | 揭秘 Feed 信息流推荐背后的系统设计
- 大厂面试题分享：K 近邻、kmeans 聚类算法、随机森林、SVM 算法
- 滴滴数据挖掘工程师招聘
- 滴滴测试开发工程师招聘
- 滴滴招聘 HR 实习生
- Flink 在爱奇艺广告业务的实践
- 阿里技术 | 基于实时深度学习的推荐系统架构设计和技术演进
- 多类目 MoE 模型在京东电商搜索中的应用
- 58 技术 | 文本表征模型在风控场景下的应用实践
- 机器学习建模中的 Bagging 思想
- 爱奇艺搜索排序算法实践
- 2022 届 360 校招提前批推荐算法面试题总结
- 面经分享：零基础从数据分析成功转行推荐算法成功上岸
- 腾讯技术 | 自动化接口测试实践经验
- 微拍堂 | 深度召回在文玩个性化推荐中的实践
- 2021 年 6 月底，明略科技算法岗 7 道面试题分享
- AI 开源项目分享：PyTorch 的语义分割及最快的非结构化数据集等
- 美团商品知识图谱的构建及应用
- 爱奇艺娱乐行业完备的知识图谱库落地实践
- 特征存储及计算在 CRM 商机智能分配中的实践
- 「技术人生」第 5 篇：浅谈如何成为技术一号位?
- 「技术人生」第 4 篇：技术、业务、组织的一般规律及应对策略
- 「技术人生」第 3 篇：解决问题的规律总结
- 「技术人生」第 2 篇：学会分析事物的本质
- 「技术人生」专题第 1 篇：什么是技术一号位？
- 2021 年 6 月底，拼多多搜索广告算法暑假实习面试题 2 道
- 「干货」YOLOv5 的 PyTorch 实现、多视图 3D 人体数据集等 AI 开源项目
- yolov4 火灾检测，烟雾检测、 古文预训练语言模型等 AI 开源项目分享
- vivo 2022 届提前批数据挖掘 面试题 | 文末免费送书
- 复杂语境下的实体关系抽取
- 58 技术 | 王焱：58 同城流式语音识别引擎应用实践
- 腾讯 | 布隆过滤器原理与应用
- 丰富 TF Serving 生态，爱奇艺开源灵活高性能的推理系统 XGBoost Serving
- 去哪儿网 | Lucene 倒排索引原理
- 本周 AI 开源项目分享！多对象跟踪、电影推荐系统、神经网络...
- 2021 年 6 月 9 日，CVTE NLP 算法岗面试题 5 道
- 2021 年 6 月，CVTE NLP 算法岗 4 道面试题分享
- 网易云音乐大 Flow 任务优化实践
- 分享 7 个 AI 优质开源项目！文本生成、自动化数据搜集...
- 浅谈有赞搜索质量保障体系
- 2021 年 4 月份 3 道伴鱼 AI 算法岗面试题
- 58 同城 CRM 多目标排序算法
- 阿里技术 | Serverless 时代下大规模微服务应用运维的最佳实践
- eBay | 图神经网络在支付风控中的应用
- 美团本地生活综合性需求知识图谱的构建及应用
- 2021 年 4 月份，阿里蚂蚁金服算法岗实习面试题 6 道
- 【阿里妈妈数据科学系列】第二篇：在线分流框架下的 ABTest
- vivo | 深度解析 Lucene 轻量级全文索引实现原理
- 闲鱼大规模实时数仓搭建实践
- 闲鱼商品理解数据分析平台——龙宫
- 闲鱼搜索相关性——体验与效率平衡的背后
- 2021 年 4 月份，京东算法岗面试题 4 道
- WAIC| 高精准、低成本，九章云极 DataCanvas 突破 AutoML 难题
- 【阿里妈妈数据科学系列】第一篇：认识在线实验 (ABTest)
- 汽车之家湖仓一体架构实践
- 贝壳找房 | 端到端模型在贝壳经纪人流失预警场景的实践
- 2021 年 6 月 6 日 -6 月 16 日，拼多多算法面试 8 道
- 爱奇艺多语言台词机器翻译技术实践
- 干货 | 如何将知识图谱引入推荐系统？
- Flink + Iceberg + 对象存储，构建数据湖方案
- 多业务建模在美团搜索排序中的实践
- PPT+ 视频回放 | 来也科技《知识图谱及智能问答系统构建》
- 2021 年 6 月份，TPLINK22 提前批网络安全算法工程师面试题 3 道
- NLP 从业者拿到 BAT50 万 offer 的提升历程：分享近 100 道 NLP 面试题
- 融 360 | 智能风控模型的自动化迭代
- 58 同城本地服务《虚拟类目 - 标签》体系构建
- 百度搜索稳定性问题分析的故事（下）
- 2021 年 4 月底，腾讯应用研究岗暑期实习面试题 12 道
- 2021 年 6 月份：vivo 推荐算法工程师一面 · 5 道题 | 福利
- 网易云音乐数仓治理之数据任务重构实践
- 多标签分类中的损失函数与评估指标
- 万字解读：预训练模型最新综述
- 推荐系统中的长尾物品（Tail Items）推荐问题方案
- 小米在知识表示学习的探索与实践
- 同程旅行网基于 RocketMQ 高可用架构实践
- 58 同城 HBase 平台 ZGC 应用实践
- 百度搜索稳定性问题分析的故事（上）
- 邀请函 |7 月 10 日，九章云极 DataCanvas 邀您相约世界人工智能大会
- TP-LINK 提前批（图像算法岗）6 月 7 日 -6 月 8 日 面试题 6 道
- 多目标排序在爱奇艺短视频推荐中的应用
- eBay | 亿展宏图 第二篇 | 图算法在 eBay 支付风控领域的应用
- 算法在哈啰顺风车中的实践应用
- 算法工程师：肩上扛是脑子，不是皮球（NLP 最新面试 35 题）
- 自然语言处理 (NLP) 精选 13 道面试题
- 好未来暑期算法实习面试题 5 道
- Qunar | Flink+ 数据湖 Iceberg 的体验
- 唯品会：在 Flink 容器化与平台化上的建设实践
- 丁香园基于 Milvus 的向量召回应用
- 阿里 | 全链路压测体系建设方案的思考与实践
- 深度学习大厂面试题汇总（31 - 40）
- 深度学习精选面试题：涵盖深度学习所有考点（15-30）
- 金融资管领域知识图谱的构建和应用
- 标签数据——用户 LBS 位置标签及 POI 数据如何从生产到应用？
- eBay | 亿展宏图 第一篇— 两张图入门图算法
- 飞猪 | 拼接召回在飞猪交通域的实践
- 阿里妈妈应用系统大规模异步交互治理方案
- 阿里云 | 深入理解领域驱动设计中的聚合
- 5 月 24 日 -5 月 27 日，好未来算法实习岗面试题 8 道
- 性能优化：关于缓存的一些思考
- 深度学习面试 79 题：涵盖深度学习所有考点（66-79）
- OPPO | 统一预估引擎的设计与实现
- 数据指标是什么？必知必会的数据指标类型都在这了
- 基于 Flink 打造的伴鱼实时计算平台 Palink 的设计与实现
- 【干货篇】平安银行推荐系统介绍（专题）
- 58 同城 | 智能问答机器人问答引擎架构实践
- 基于 Lucene 实现万亿级多维检索与实时分析
- 大规模图算法在京东广告的实践
- 阿里妈妈搜索广告 CTR 模型的“瘦身”之路
- 2021 年 4 月份 ，NLP 算法岗面试题总结
- 精选机器学习面试题，斩获一线互联网公司机器学习岗 offer
- 机器学习高频面试真题整理
- Flink + Iceberg 在去哪儿的实时数仓实践
- 阿里飞猪个性化搜索排序探索实践
- 2021 年 5 月滴滴算法岗：三面拿下 offer，面试题分享
- Elasticsearch 搜索性能优化实践，单机 QPS 提升 120%
- 向广大网友请教一个可能比较低智商的问题，万分感谢！
- 美团外卖美食知识图谱的迭代及应用
- 京东超大规模联邦学习探索实践
- 2021 年 CV 岗位精选面试题（21-31）
- CV 岗位精选面试题（11-13）
- 蜻蜓 FM 信息流推荐探索与实践
- 计算机视觉面试 31 题：CV 面试考点，精准详尽解析（1 - 4 ）
- 阿里妈妈是如何做品牌风险管理的
- 【干货篇】bilibili：基于 Flink 的机器学习工作流平台在 B 站的应用
- 4 月 22 日 -5 月 7 日腾讯 nlp 算法实习面试题
- Flink 和 Pulsar 的批流融合
- 滴滴技术 | 小白也能懂的因果推断科普
- Flink 在有赞的实践和应用
- 如何破解 HBase+ElasticSearch 组合使用遇到的难题
- 网易云音乐数据服务之路
- 梳理常见的机器学习面试题，你知道几个？
- 因果推断在阿里飞猪广告算法中的实践
- Apache Flink 在 bilibili 的多元化探索与实践
- Flink 实时计算在微博的应用
- 腾讯企业微信万亿级日志检索系统
- 数据分析转岗 AI 薪资翻 3 倍多 | 机器学习面试都问些什么？
- 贝壳基于 Flink 的实时计算演进之路
- 详解支撑 7 亿用户搜索的百度图片处理收录中台
- 阿里算法专家谈大规模推荐系统粗排层的设计与实现
- 视频内容理解在手淘逛逛中的应用与落地
- 爱奇艺短视频推荐：多兴趣召回篇
- 机器学习面试 150 题：不只是考 SVM xgboost 特征工程 | 附送【名企 AI 面试 100 题】
- 58 信息安全—营销反作弊业务的算法实践
- 知乎 Flink 数据集成平台建设实践
- 美团图灵算法平台在线服务体系的演进与实践
- 简单阐述下决策树、回归、SVM、神经网络等算法各自的优缺点？
- Query 理解在美团搜索中的应用
- 贝壳找房 | 基于事理图谱的应用与实践
- 深度拆解特征工程经典案例，掌握比赛上分利器
- 向广大网友请教一个可能比较弱智的问题，万分感谢！
- 美团图数据库平台建设及业务实践
- 我们和腾讯 T16 级专家聊了聊：在 AI 领域深耕的那些年
- 干货篇 | 神策：帮你发现分析数据异常：指标智能预警实践
- 干货篇 | 神策数据：机器学习在用户画像中的应用
- CTR 预估算法之 FM，实践项目代码包 + 数据集奉上（附链接）
- kaggle 爱奇艺视频版权检测全流程（附代码、数据集和课件）
- 贝壳找房一站式大数据开发平台实践
- 推荐系统召回全能模型之：FM 模型
- 干货篇 | 观远数据：可解释机器学习原理及应用
- 爱奇艺数据中台的建设实践
- 干货篇 | 58 同城：向量化召回上的深度学习实践
- 支持频繁更新、即席查询：ClickHouse 在爱奇艺视频生产的应用
- 干货 | 携程酒店推荐模型优化
- 如何成为一名技术专家？
- 万字长文 | 详解优酷视频质量评价体系
- 爱奇艺视频推荐领域的 ANN 检索实践
- 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
- 腾讯音乐：全民 K 歌推荐后台架构
- 百度 5G+ 智能时代的多模搜索技术
- 腾讯音乐：全民 K 歌内容挖掘与召回
- 腾讯游戏实时计算应用平台建设实践
- 贝壳找房基于 Druid 的 OLAP 引擎应用实践
- 机器学习模型如何优化干货总结
- 深度语义模型 BERT 在 58 同城搜索的实践
- 爱奇艺大数据生态的实时数仓建设
- 多目标排序模型在腾讯 QQ 看点推荐系统中的应用实践
- 网易游戏基于 Flink 的流式 ETL 建设
- 陌陌 | 模型化召回在陌陌社交推荐的应用和探索
- 网易严选 | DDD 在严选供应链复杂业务系统的落地实践
- vivo 应用商店推荐系统探索与实践
- 百度知识图谱技术及应用
- 腾讯音乐：全民 K 歌推荐系统架构及粗排设计
- 58 同城 | 搜索引擎实时索引实现和重构
- 58 同城向量检索平台架构实践
- 精华 | 搜索推荐系统实战篇 - 上半篇
- 快手基于 Flink 的实时计算持续优化与实践
- MMoE 算法在淘宝躺平推荐系统中的应用实践
- 58 同城 | 帮帮商家版智能问答模型优化实践
- 京东搜索在线学习探索实践
- 爱奇艺短视频推荐：粗排篇
- 华为云细粒度文本情感分析及应用
- 58 同城 | 搜索引擎中相似字符串查找那些事儿
- 阿里 | 浅谈系统实现层面稳定性保障
- 基于 Flink SQL 构建流批一体的 ETL 数据集成
- OPPO 在 A/B 实验分析平台的建设与实践
- 美团酒旅数据治理实践
- 机器学习模型线上线下效果一致性杂谈
- 3 人半年打造语音识别引擎——58 同城语音识别自研之路
- 流批一体生产应用！Bigo 实时计算平台建设实践
- 一文了解阿里一站式图计算平台 GraphScope
- 阿里粗排技术体系与最新进展
- 多媒体内容理解在美图社区的应用实践
- 阿里 | EdgeRec：边缘计算在推荐系统中的应用
- 离线学习、增量学习、在线机器学习的区别
- AI 手机产品化实践与思考
- 58 同城 | 多目标推荐场景下的深度学习实践
- Flink 在快手的实践与创新
- 腾讯实时计算平台优化实践
- 阿里飞猪个性化推荐：主题与交互式推荐技术实践
- 贝壳找房 DMP 平台建设实践
- 分布式机器学习平台架构设计
- 浅谈蘑菇街大数据标签平台
- ccp 后剪枝算法，被剪枝下来的位置替换成什么
- 阿里飞猪搜索技术的应用与创新
- 腾讯全场景实时数仓建设实践
- 技术方案设计的方法论及案例分享
- 贝壳找房 | 复杂订阅条件下，如何实时准确的向用户推送新上房源？
- Hulu 在 Content Embedding 的探索与实践
- 阿里 | 想为特征交互走一条新的路—CAN
- 娓娓道来图模型、图查询、图计算和图学习知识
- 知乎搜索排序模型的演进
- 深度学习在 58 同城租房搜索排序的应用
- 58 同城 | 联盟广告平台架构及实践
- 知乎 | 搜索文本相关性与知识蒸馏
- 京东搜索排序在线学习的 Flink 优化实践
- 去哪儿网 | 深度学习在酒店售后智能问答场景实践
- 美团配送实时特征平台建设实践
- 电商平台推荐系统解构
- 58 同城 | 基于 Flink 构建实时数仓实践
- 算力经济时代：阿里展示广告引擎的“柔性”变形之路
- 利用 tensorflow 如何可视化卷积核
- 一猜一个准，详解电商的推荐系统的召回策略
- html 基础学习
- 灵魂匹配：陌生社交 Soul 的增长机制
- 微信搜索引擎中索引的分布式演进
- 腾讯 | 知识图谱补全技术
- 滴滴在 HBase 性能与可用性上的探索与实践
- 达观数据 | 金融知识图谱的构建与应用
- 美团智能问答技术探索与实践
- 字节跳动全链路压测 (Rhino) 的实践
- 贝壳找房 | 基于 Milvus 的向量搜索实践（三）
- 爱奇艺数仓平台建设实践
- 淘系技术 | 首次面向 B 端展开全链路压测！淘系高难度压测实践方案公开
- 58 技术 | Clickhouse 的实践之路
- 携程技术 | 时间序列预测的常见方法及思考
- 腾讯云 Elasticsearch 集群多可用区容灾实现原理及最佳实践
- 有赞技术 | 通用规则平台的设计与应用
- 蘑菇街增量学习番外篇三：deepFM 的动态正则实践
- 蘑菇街增量学习番外篇二：优化器设计理论篇（AdamW、AdaDeltaW、FTRL）
- 蘑菇街增量学习番外篇一：动态正则之 tensorflow 中 div 转 mod 设计（含代码实现）
- 推荐算法的 "五环之歌"
- 网易严选用户画像建设实践
- 网易 | 严选电子面单稳定性治理实践
- 知识增强信息流推荐在保险行业的应用
- 逻辑回归 + GBDT 模型融合原理详解与实战！
- 贝壳找房 | 基于 Milvus 的向量搜索实践（二）
- 微信 AI | 为看一看及搜一搜“去污”—低俗色情识别，AI 怎么做到的？
- 爱奇艺机器学习平台的建设实践
- 腾讯技术 | 数据分析利器：XGBoost 算法最佳解析
- 网易云音乐基于 Flink + Kafka 的实时数仓建设实践
- 完全解析：使用 Faiss 进行海量特征的相似度匹配
- 贝壳找房 | 商业化算法中台架构实践
- 携程 | “深耕内容”背景下，携程如何做景酒优质内容的挖掘
- 快手 | 端上智能在快手上下滑推荐取得 APP 时长 +1% 的应用实践
- 达观数据 | 深度解读知识图谱在工业质量体系中的应用实践
- 腾讯 | 大幅降低存储成本，Elasticsearch 可搜索快照是如何办到的？
- 京东 Flink 优化与技术实践
- 《学会提问》读书笔记
- 微信看一看：推荐系统用户画像构建指南
- FreeWheel | 实时数据系统弹性伸缩实践
- 贝壳找房 | 基于 Milvus 的向量搜索实践（一）
- 有赞 | 领域建模在有赞客户领域的实践
- 阿里 | ClickHouse 在手淘流量分析业务实践
- 阿里 | 信息流推荐的用户增长机制
- 谁也不必告别北京
- 书单 | 搜索领域大牛都读什么书？
- 【功能升级】优化搜索体验
- 可解释机器学习发展和常见方法！
- 特征工程｜文本特征处理的四大类主流方法
- 基于 Flink+Iceberg 构建企业级实时数据湖
- 陌陌直播如何做到推荐系统的从 0 到 1
- vivo 技术 | 分布式搜索引擎 Elasticsearch 的架构分析
- 腾讯微信 | 看一看实时相关推荐，满足你对同主题文章的“意犹未尽”
- 58 同城 | 商业数据仓库建设实践
- 百度事件知识图谱技术与应用
- 论文｜Airbnb Embedding 的实践和思考
- 阿里 | 优酷大数据 OLAP 技术选型
- 干货 | 你想知道的 ABTest 实验知识全在这里了
- 干货 | 中文分词技术详解
- 阿里 | 我看技术人的成长路径
- 美团本地生活场景的短视频分析
- 网易云音乐推荐中的用户行为序列深度建模
- Linux I/O 原理和 Zero-copy 技术全面揭秘
- 58 同城 AI 算法平台的演进与实践
- 贝壳找房 | 面向 AI 技术的贝壳 OLAP 平台架构演进
- 贝壳找房 | 面向 AI 技术的贝壳一站式大数据开发平台实践
- 贝壳找房 | 面向 AI 技术的贝壳智能推荐平台建设实践
- 滴滴技术 | 滴滴语音交互自然语言理解探索与实践
- 58 同城 | 58 同镇下沉市场中的推荐技术实践
- 腾讯技术 | 用万字长文聊一聊 Embedding 技术
- 语义向量召回之 ANN 检索
- Apache Doris 在京东搜索实时 OLAP 中的应用实践
- 阿里文娱深度语义搜索相关性探索
- 丁香园 | 图表示学习 实践与思考
- 丁香园 | 搜索中的 Query 扩展技术（二）
- 阿里 Alink：基于 Flink 的机器学习平台
- 58 同城 | 槽位识别与纠错在智能语音机器人中的实践
- 诸葛越：关于算法工程师职业发展的思考
- 知识图谱在小米的应用与探索
- 漫谈语义相似度与语义向量表征
- 菜鸟网络实时数仓 2.0 进阶之路
- 百亿级实时计算系统性能优化–—Elasticsearch 篇
- 解读：为什么要做特征归一化 / 标准化？
- 腾讯看点视频推荐索引构建方案
- 深度学习在 58 同城首页推荐中的应用
- 蘑菇街首页推荐多目标优化之 reweight 实践：一把双刃剑？
- 58 同城搜索云 -- 云搜核心技术揭秘
- 阿里高级技术专家：成长路上如何破局？
- 生产实践 | Flink + 直播（二）| 如何建设实时公共画像维表？
- 生产实践 | 基于 Flink 的直播实时数据建设 （一）| 需求和架构篇
- 干货 | 携程 Elasticsearch 数据同步实践
- 数据增强在贝壳找房文本分类中的应用
- 腾讯 | 搜你所想，从 Query 意图识别到类目识别的演变
- 携程 | 机器学习模型在携程海外酒店推荐场景中的应用
- 携程 | 响应速度与智能化如何平衡，携程酒店搜索系统实践
- 携程 | 用户画像在携程商旅的实践
- Flink 流量控制与反压机制完全总结
- 深入理解推荐系统：超长用户行为序列建模
- 深入理解推荐系统：推荐系统中的 attention 机制
- 深入理解推荐系统：Fairness、Bias 和 Debias
- 第四范式 | 如何构建一个好的电商搜索引擎？
- 干货 | 用户画像在用户生命周期中的应用
- 腾讯技术 | 新一代搜索引擎项目 ZeroSearch 设计探索
- 推荐系统中如何做多目标优化
- 360 展示广告智能化演进
- 文本相关性在蘑菇街搜索推荐排序系统中的应用
- 《领域驱动设计 DDD》核心知识梳理笔记
- 网易严选 | "全能选手"—Embedding 召回表征算法实践
- 滴滴 Elasticsearch 集群跨版本升级与平台重构之路
- 京东推荐系统中的兴趣拓展如何驱动业务持续增长
- 美团智能搜索模型预估框架 Augur 的建设与实践
- 机器学习中的特征工程总结！
- 阿里深度召回模型实践
- 腾讯技术 | 交互式分析领域，为何 ClickHouse 能够杀出重围？
- 用户画像在阅文的探索与实践
- 阿里 | 自然语言处理在开放搜索中的应用
- 搜索引擎新架构：与 SQL 不得不说的故事
- Angel：深度学习在腾讯广告推荐系统中的实践
- 知识蒸馏：如何用一个神经网络训练另一个神经网络
- 蘑菇街 DSP 广告实践
- 贝壳找房 | 基于内容热度的推荐
- 美团外卖实时数仓建设实践
- 携程技术 | 为什么我们要从 Elasticsearch 迁移到 ClickHouse？
- 如何维持搜索系统的迭代和运转？
- 网易数据湖探索与实践
- 深度强化学习在滴滴路径规划中的探索实践
- 滴滴技术 | Presto 在滴滴的探索与实践
- 基于 Apache Doris 的小米增长分析平台实践
- 作业帮基于 Apache Doris 的数仓实践
- 58 同城 | 多样性算法在 58 部落的实践和思考
- 网易严选 - 数仓规范和评价体系
- 亿级用户，腾讯看点信息流推荐系统的架构挑战
- 贝壳找房 | 降本提效，贝壳搜索推荐架构统一之路
- 浅谈性能优化与稳定性保障实践
- 即刻技术 | 推荐系统 Embedding 向量召回在即刻的工程实践
- 网易 | 向量体系 (Embedding) 在严选的落地实践
- 滴滴技术 | 数据挖掘技术在轨迹数据上的应用实践
- 腾讯 | 从零开始了解推荐系统全貌
- 向量召回在阿里躺平 APP 的实践
- 字节跳动 Flink 单点恢复功能实践
- 同义变换在百度搜索广告中的应用
- 前沿重器 [2] | 美团搜索理解和召回
- Java 编程方法论：响应式 Spring Reactor 3 设计与实现
- 要提升微信看一看推荐混排的长期收益？试试深度强化学习
- 深度学习之表示学习（理论结合实践的思考）
- 用户画像实践：神策数据标签生产引擎架构
- 贝壳找房 |【知识图谱系列】开篇：基于 KBQA 的经纪人咨询助手
- 腾讯信息流热点挖掘技术实践
- 超详细：完整的推荐系统架构设计
- 淘系技术 | 单元测试实践篇：Mock 框架
- 如何基于 Flink 生成在线机器学习的样本？
- 阿里定向广告新一代 Rank 技术
- 蘑菇街首页推荐视频流——增量学习与 wide&deepFM 实践（工程 + 算法）
- 网易大数据用户画像实践
- 如何实现一个搜索自动补全器？
- 让推荐系统会“说话”，达观数据推荐理由设计实践
- 贝壳找房 | Thrift 中 TNonblockingServer 工作流程解析
- 阿里巴巴电商搜索推荐实时数仓演进之路
- 算法工程师之路—搜索召回策略篇
- 使用 SQL 窗口函数进行增长数据分析
- 第四范式 | 推荐系统架构治理
- 腾讯 | 深度 CTR 预估模型在应用宝推荐系统中的探索
- 58 同城 | 深度学习在商业排序的应用实践
- CSCNN：新一代京东电商广告排序模型
- Elasticsearch 性能调优
- 第四范式 | 基于 Spark 的大规模推荐系统特征工程
- 滴滴 | 数据仓库指标体系建设实践
- 滴滴 | 实时数仓在滴滴的实践和落地
- 58 同城 | 本地服务场景下的流量分发算法实践
- 淘宝搜索模型核心技术：用户建模篇
- 阿里飞猪个性化推荐：召回篇
- 有赞 | 为什么技术同学需要有更多的业务思考？
- 微博推荐算法实践与机器学习平台演进
- 优酷提出基于图执行引擎的算法服务框架，系统架构概览
- Embedding 在腾讯应用宝的推荐实践
- 阿里定向广告最新突破：面向下一代的粗排排序系统 COLD
- Elasticsearch 的查询毛刺问题原因分析
- 声网 Agora 超分辨率图像性能挑战赛开赛啦～6 万 + 现金大奖邀你来战！
- 【社招】美团点评 Java 开发工程师
- Elasticsearch DSL 语法中 queries/filters 执行顺序探秘
- 基于内容和上下文的音乐推荐
- 滴滴 ElasticSearch 千万级 TPS 写入性能翻倍技术剖析
- ES 在十几亿的数量级下如何提升查询效率？
- 汽车之家电商平台秒杀系统架构实现
- 网站日志实时分析之 Flink 处理实时热门和 PVUV 统计
- 第三十九期人工智能深度学习 DeepLearning----Tensorflow 核心技术实战培训班
- 电商知识图谱
- 预训练语言模型在网易严选的应用
- 基于机器学习的文本分类！
- 搭建企业级 AB/Testing 平台实践
- PB 级大规模 Elasticsearch 集群运维与调优实践
- 微博基于 Flink 的机器学习实践
- 什么时候值得去使用上下文嵌入 (Embedding)？
- 深入互联网广告中的出价模式（补充篇）
- 深入互联网广告中的出价模式 (上中下完整版)
- 用户画像方法论与工程化解决方案
- 微信 "看一看" 内容理解与推荐
- 58 同城 | 多业务融合推荐策略实践与思考
- 文字识别在高德地图数据生产中的演进
- 基于 Apache Flink 的爱奇艺实时计算平台建设实践
- 58 技术 | 金融数仓体系建设
- 美团搜索中 NER 技术的探索与实践
- 如何快速入门大数据
- 机器学习中算法与模型的区别
- 详文解读微信「看一看」多模型内容策略与召回
- 滴滴司机调度系统实践
- 美团点评 | 智能搜索模型预估框架的建设与实践
- 吴恩达老师的作业问题关于 SVM 向量机采用核函数计算出结果怎样才能用
- 基于 BERT 的 ASR 纠错
- 有赞 ABTest 系统：数据驱动增长实践
- 救火必备！问题排查与系统优化手册
- 淘系技术 | 极简而高效的沟通管理法
- 数据智能在二手车业务场景中的探索与沉淀 - 业务标签挖掘
- 所有机器学习项目都适用的检查清单
- 【特征工程】时序特征挖掘的奇技淫巧
- 平安寿险 AI 团队 | 文本纠错技术探索和实践
- 微信「看一看」 推荐排序技术揭秘
- TensorFlow 中最大的 30 个机器学习数据集
- BERT 在美团搜索核心排序的探索和实践
- 医疗搜索中的 query 词权重算法探索
- 优酷视频元素内容召回系统：多级多模态引擎探索
- 【布道师系列】周晓凌——乘风而来，利用数据科学平台解决运筹学问题
- 如何用 OKR 促进跨团队协同
- 【综述】基于知识图谱的推荐系统综述
- 一文总结词向量的计算、评估与优化
- 深入浅出词嵌入技术
- [详解] 一文读懂 BERT 模型
- Elasticsearch 遇上 BERT：使用 Elasticsearch 和 BERT 构建搜索引擎
- 机器学习数学基础：常见分布与假设检验
- 细粒度实体分类论文综述：（二）
- 命名实体识别 NER 论文综述（一）
- 图文并茂带你了解依存句法分析
- 机器学习模型评估与超参数调优详解
- MRR vs MAP vs NDCG：具有排序意义的度量指标的可视化解释及使用场景分析
- 干货 | 查询耗时降低 2/3，携程度假搜索引擎架构优化
- NLP 模型的产品化
- 汽车之家机器学习平台的架构与实践
- 腾讯技术工程 | 推荐系统 embedding 技术实践总结
- IDC 再评中国机器学习开发平台市场，九章云极位列三甲！
- 准确率、精准率、召回率、F1，我们真了解这些评价指标的意义吗？
- 主流推荐引擎技术及优缺点分析
- 塔勒布《反脆弱》读后感
- 趣头条基于 Flink+ClickHouse 的实时数据分析平台
- 58 同城 | 深度召回在招聘推荐系统中的挑战和实践
- 异常检测
- 拼多多创始人黄峥：我的人生经历和创业理念
- 算法工程师如何应对业务方和老板的灵魂拷问？
- 程序员精进之路：性能调优利器 -- 火焰图
- 深度学习在高德 POI 鲜活度提升中的演进
- 关键短语抽取及使用 BERT-CRF 的技术实践
- 内容理解在新浪微博广告中的应用
- 医疗健康领域的短文本解析探索（三 ) ---- 文本纠错
- 医疗健康领域的短文本解析探索（二）
- 医疗健康领域的短文本解析探索（一）
- 谈谈医疗健康领域的 Phrase Mining
- 58 同城 | Embedding 技术在房产推荐中的应用
- 来阿里 6 年，我是如何快速成长的？
- 微众银行在联邦推荐算法上的探索及应用
- 腾讯万亿级 Elasticsearch 内存效率提升技术解密
- 五年磨一剑：滴滴顺风车服务端之稳定性规范
- 深入理解推荐系统：排序
- 深入理解 YouTube 推荐系统算法
- 京东电商搜索中的语义检索与商品排序
- 滴滴数据驱动利器之 AB/Test 实践
- 美团配送 A/B 评估体系建设与实践
- 谈一谈NLP中语言模型的发展
- 见微知著，你真的搞懂 Google 的 Wide&Deep 模型了吗？
- 用户画像技术及方法论
- 【布道师系列】杨健——30 天到 3 分钟的改变！下篇
- 为什么 L2 正则化能够缓解模型过拟合并使得模型更简单
- 知识蒸馏在推荐系统的应用
- Embedding 技术在推荐系统中的实践总结
- xDeepFM 算法理论与实践
- Wide&Deep 算法理论与实践
- 推荐系统系列（二）：FFM 算法理论与实践
- 推荐系统系列（一）：FM 算法 理论与实践
- 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
- 请问深度学习里面生成式模型验证常用的一个数据集来源（有图）
- 算法工程师必知必会的经典模型系列一：Transformer 模型串讲
- 基于多任务学习和负反馈的深度召回模型
- 算法工程师也会遇到 35 岁这道坎么？
- 图解 SimCLR 框架，用对比学习得到一个好的视觉预训练模型
- 从算法工程师到主管的转变，需要改变的是什么
- NLP 技术在金融资管领域的落地实践
- BERT 的优秀变体：ALBERT 论文图解介绍
- 贝壳找房【深度语义匹配模型】原理篇二：交互篇
- 推荐系统中稀疏特征 Embedding 的优化表示方法
- Netflix：使用 A/B 测试来找到最佳的插图
- 搜索相关性算法在 DiDi Food 中的探索
- 菜鸟实时数仓技术架构演进
- Netflix 中的插图个性化推荐
- 推荐系统中不得不说的 DSSM 双塔模型
- 贝壳找房【深度语义匹配模型 】原理篇一：表示型
- 使用嵌入来做个性化的搜索推荐：来自 Airbnb
- 干货 | 业界实时数据体系架构
- 字节跳动—实习算法面经
- 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）
- 我的 ElasticSearch 认证工程师之路
- 机器学习工程化模型部署的几种方式总结
- 透过现象看机器学习：奥卡姆剃刀，没有免费的午餐，丑小鸭定理等
- 字节游戏急招数据挖掘工程师 - 帖子
- 字节游戏急招数据挖掘工程师
- 究竟什么是图数据库，它有哪些应用场景？
- 基于强化学习的 Contextual Bandits 算法在推荐场景中的应用
- 超强整理，非科班硕士的算法面经 (阿里 腾讯 字节 美团)
- 贝壳找房【语言模型系列】实践篇：ALBERT 在房产领域的实践
- 一文详尽之 SVM 支持向量机算法！
- 搜索中的 Query 理解及应用
- 汽车之家如何构建用户画像
- 搜索中的 Query 扩展技术
- 各大 AI 研究院共 35 场 NLP 算法岗面经
- 详解图表示学习经典算法 node2vec
- 搜索引擎背后的经典数据结构和算法
- 搜索系统中的意图识别
- 推荐系统的未来发展趋势
- 实验室小师弟的新鲜春招算法面经 (阿里搜索，微信，微软等)
- 字节跳动混沌工程实践总结
- SHAP 值的解释，以一种你期望的方式解释给你听
- 黑盒模型实际上比逻辑回归更具可解释性
- 浅谈搜索系统中 Query 理解和分析
- 干货! 搜索系统中的深度匹配模型
- 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
- CS224w L11. LinkAnalysis_PageRank 算法
- 模型剪枝技术原理及其发展现状和展望
- 大规模特征向量检索算法总结 (LSH PQ HNSW)
- 贝壳找房—置信度计算在语音识别系统中的应用
- 产品经理，项目经理和技术经理是如何一起协作管理的？
- Lucene 源码系列——索引文件的生成（十二）之 dim&&dii
- 2020 最新版《神经网络与深度学习》中文版更新完毕！（附 pdf 下载）
- 阿里文娱优酷视频搜索算法应用实践与思考
- 贝壳找房【语言模型系列】原理篇二：从 ELMo 到 ALBERT
- “疫情”黑天鹅，让企业管理数字化转型迫在眉睫
- 算法工程师常见面试问题及相关资料汇总
- 用 TensorFlow Extended 实现可扩展、快速且高效的 BERT 部署
- 干货 | 内容型产品 Feed 流的生成、效果评估及优化
- 机器学习中的隐私保护
- 一个关于项目管理者与程序猿之间的笑话
- PTMs：史上最全面总结 NLP 预训练模型
- Apache Flink OLAP 引擎性能优化及应用
- 企业如何选择适合自己的项目管理软件?
- 贝壳找房—【图数据库系列】Dgraph 原理篇
- 贝壳找房—【图数据库系列】Dgraph 简介篇
- 贝壳找房—【图数据库系列】之 JanusGraph VS Dgraph：贝壳分布式图数据库技术选型之路
- 阿里—飞猪的“猜你喜欢”如何排序？
- 你所不知道的，华为项目管理之道！
- 智变·未来——九章云极 COOL NEWS 发布会
- 6 个你应该用用看的用于文本分类的最新开源预训练模型
- 阿里广告 CTR 预估中用户行为学习和记忆建模
- 贝壳找房【语言模型系列】原理篇一：从 one-hot 到 Word2vec
- 个性化搜索的介绍，推荐和搜索的强强结合
- Lucene 源码系列——pos pay 索引文件
- Lucene 源码系列——tim tip 索引文件
- Lucene 源码系列——fdx fdt 索引文件
- Lucene 源码系列——tvx tvd 索引文件
- Lucene 源码系列——默认 merge 策略 TieredMergePolicy
- Lucene 源码系列—— LogMergePolicy
- Lucene 源码系列——工具类 FixedBitSet
- Lucene 源码系列——Automaton 有穷自动机 (DFA)
- Lucene 源码分析——BKD-Tree
- Lucene 源码系列——查询原理（下）
- Lucene 源码系列——查询原理（上）
- i 技术会 | 爱奇艺效果广告探索与实践
- Lucene 源码系列—— Collector 收集各个 Segment 命中的 docs
- Lucene 源码系列——LRUQueryCache
- Lucene 源码系列——多个 SHOULD 的 Query 的倒排求并集
- Lucene 源码系列——多个 MUST 的 Query 的倒排求交集
- Lucene 源码系列——索引文件的生成（十一）之 dim&&dii（Lucene 8.4.0）
- Lucene 源码系列——索引文件的生成（十）之 dim&&dii（Lucene 8.4.0）
- Lucene 源码系列——索引文件的生成（九）之 dim&&dii（Lucene 8.4.0）
- Lucene 源码系列——索引文件的生成（八）之 dim&&dii（Lucene 8.4.0）
- Lucene 源码系列——索引文件的生成（七）之 tim&&tip
- Lucene 源码系列——索引文件的生成（六）之 tim&&tip
- Lucene 源码系列——索引文件的生成（五）之 tim&&tip
- Lucene 源码系列——索引文件的生成（四）之跳表 SkipList
- Lucene 源码系列——索引文件的生成（三）之跳表 SkipList
- Lucene 源码系列——索引文件的生成（二）之 doc&&pay&&pos
- Lucene 源码系列——索引文件的生成（一）之 doc&&pay&&pos
- Lucene 源码系列——倒排表
- Lucene 源码系列——DirectWriter&&DirectReader
- Lucene 源码系列—— PackedInts
- Lucene 源码系列——LZ4
- Lucene 源码分析——FST
- 特斯拉宣布降薪！开源节流，疫情之下如何提升企业管理效能
- Lucene 源码系列——BytesRefHash
- Lucene 源码系列——BulkOperationPacked
- Lucene 源码系列——去重编码 (dedupAndEncode)
- Lucene 源码系列——IntBlockPool 类
- Lucene 源码系列——BooleanQuery 介绍
- 从罗永浩直播刷屏，来看如何做好项目管理
- CTR 预估在动态样式建模和特征表达学习方面的进展
- 图解半监督学习 FixMatch，只用 10 张标注图片训练 CIFAR10
- 如何高效的进行多项目管理？
- 构造 IndexWriter 对象（十）
- 构造 IndexWriter 对象（九）
- 构造 IndexWriter 对象（八）
- 构造 IndexWriter 对象（七）
- 构造 IndexWriter 对象（六）
- 构造 IndexWriter 对象（五）
- 构造 IndexWriter 对象（四）
- 构造 IndexWriter 对象（三）
- 构造 IndexWriter 对象（二）
- 构造 IndexWriter 对象（一）
- 如何构建 A/B 测试系统，其核心功能有哪些？
- 有赞搜索中台的探索与实践
- 字节跳动核心竞争力到底是什么？
- DeepTables: 为结构化数据注入深度学习的洪荒之力
- 零基础入门数据挖掘——一文学习模型融合！从加权融合到 stacking, boosting
- 零基础入门数据挖掘——建模调参
- 零基础入门数据挖掘——特征工程实战
- 零基础入门数据挖掘——数据分析实战
- DevOps 在企业项目中的实践落地
- 怎样评价推荐系统的结果质量？
- 初探 GNN- 文本表示学习
- Java 线程池实现原理及其在美团业务中的实践
- 深入理解推荐系统：召回
- 敏捷开发流程, 您缺一个这样的协作平台
- 基于知识图谱的语义理解技术及应用
- 【腾讯】揭秘微信 "看一看" 是如何为你推荐的
- 揭秘微信「看一看」如何精准挖掘你感兴趣的内容
- 用户画像从 0 到 100 的构建思路
- Word delimiter graph token filter（word_delimiter_graph 词元过滤器）
- BiLSTM 上的 CRF，用命名实体识别任务来解释 CRF（4）
- BiLSTM 上的 CRF，用命名实体识别任务来解释 CRF（3）推理
- 阿里文娱多模态视频分类算法中的特征改进
- 通俗的理解牛顿 - 莱布尼茨公式及其证明
- 白话条件随机场（conditional random field）
- 阿里文娱算法公开课 #02：算法工程师的进阶之路（进阶篇）
- 阿里文娱算法公开课 #03：算法工程师的核心技能（CV 篇）
- 阿里文娱算法公开课 #04：算法工程师的核心技能 - 搜索推荐篇
- BiLSTM 上的 CRF，用命名实体识别任务来解释 CRF（2）损失函数
- 效果工具链之算法迭代篇
- 效果工具链之运营平台篇
- 如何设计一个 A/B test？
- 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
- 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
- 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
- 敏捷开发的那些事
- 【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
- 项目管理软件这么多，为什么我只推荐它？
- 知识图谱辅助的个性化推荐系统
- 从阿里的 User Interest Center 看模型线上实时 serving 方法
- 深度学习在省钱快报推荐排序中的应用与实践
- 百度凤巢算法面经
- 你们都在用什么项目管理软件?
- 广告算法在阿里文娱用户增长中的实践
- 【超详细讲解】深入理解 GBDT 二分类算法
- 搜索系统中的纠错问题
- 【算法面经系列】百度、寒武纪、科大讯飞、追一科技、腾讯、作业帮算法面经
- 【算法面经系列】头条 + 腾讯 算法工程师面经（NLP 实习）
- 如何做好项目管理，做好人人都是项目经理
- 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
- 图解 Reformer：一种高效的 Transformer
- Flink 如何支持特征工程、在线学习、在线预测等 AI 场景？
- 算法在岗一年的经验总结
- 项目经理必备的项目管理工具——CORNERSTONE
- Flink Checkpoint 原理流程以及常见失败原因分析
- 58 同城智能语音质检系统架构实践
- 淘系高级技术专家的十年 | 既往不恋，纵情向前！
- 【贝壳找房】关系图谱在贝壳的构建和应用
- 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
- 远程办公 | 适应时代的工作模式
- 在阿里，新人如何快速上手项目管理？
- 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
- 字节跳动自研万亿级图数据库 & 图计算实践
- 水墨 - 在线 Markdown 编辑器
- 如何扩充知识图谱中的同义词
- 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
- 浅谈流式模型训练体系
- “人工智能”初创公司所面临的问题
- 汽车之家推荐系统排序算法迭代之路
- “云开工”成主流，远程办公需求暴涨 663%
- 疫情之下 | 教你远程办公高效又安全
- 阿里 B 类电商用户增长实践
- 二部图表示学习 | Graph Convolutional Matrix Completion
- 为什么机器学习项目非常难管理？
- 不要犯战略性的失误——如何合理制定推荐系统的优化目标？
- 工作效率低? 这个锅远程办公不背
- 关于使用 pytorch 能否对 SE ResNext 进行预训练
- 项目经理: 在家远程办公如何提高工作效率?
- 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
- 停班不停工，远程办公助力击穿疫情下企业困局
- 自然语言理解（NLU）难在哪儿？
- 视频 | 信息流推荐技术在凤凰网的业务实践
- Elasticsearch 高级调优方法论之——根治慢查询！
- 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
- 美团一站式机器学习平台建设实践
- 携程实时智能检测平台实践
- HMM 模型在贝壳对话系统中的应用
- NLP 中文分词知识梳理
- 阿里 B2B：融合 Matching 与 Ranking 的个性化 CTR 预估模型
- 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
- 深入 Lucene 搜索引擎原理
- 掌握它才说明你真正懂 Elasticsearch
- 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
- 35 岁技术人如何转型做管理？阿里高级算法专家公开 10 大思考
- 知识图谱基本概念 & 工程落地常见问题
- 2020 “跳槽”还是“卧槽”，你想好了吗？
- 敏捷开发实践之 Scrum 方法运用
- 机器学习在马蜂窝酒店聚合中的应用初探
- 项目管理软件的应用现状与发展趋势
- 亚马逊畅销书的 NLP 分析——推荐系统、评论分类和主题建模
- 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
- 敏捷实践经验分享，企业如何在敏捷开发中实施 DoD
- 推荐系统论文回顾：神经协同过滤理解与实现
- 阿里淘外商业化广告工程架构实践
- 腾讯万亿级 Elasticsearch 技术解密
- 新一代海量数据搜索引擎 TurboSearch 来了！
- 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
- 搜索，推荐，广告系统架构及算法技术资料大合集吐血整理——2019 年终分享
- 毕业 10 年才懂，解决问题的能力原来这么重要
- 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
- 华为招聘
- 华为人才招聘
- 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
- 程序员必知必会的零拷贝技术
- 推荐系统的发展与简单回顾
- 沟通的重要工具——乔哈里视窗
- 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
- 读《影响力》这本书
- 系统重构的道与术
- CTO 被裁，离职前给组了的高级开发们 8 个建议。
- 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
- 风控特征—时间滑窗统计特征体系
- 解密商业化广告投放平台技术架构
- 深入理解 AQS 之 Condition 源码
- IJCAI 2019 | 为推荐系统生成高质量的文本解释：基于互注意力机制的多任务学习模型
- Hi, xiaolongnk
- Learning to rank 基本算法小结
- 知识结构化在阿里小蜜中的应用
- 万字长文！推荐系统算法岗校招面试经验 & 学习心得
- 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)
- 经验：一个秒杀系统的设计思考
- 视频：美图个性化 push AI 探索之路
- 优酷 DSP 广告投放系统架构实践
- 浅谈微视推荐系统中的特征工程
- 知识图谱的自动构建
- 美团点评效果广告实验配置平台的设计与实现
- 腾讯信息流内容理解技术实践
- 深度 |58 商业流量排序策略优化实践
- 美团点评 Kubernetes 集群管理实践
- 张一鸣：如何应对公司变大之后的管理挑战
- 如何提升「会议效率」
- 【有赞】数据资产，赞之治理
- 搜索引擎中的 Web 数据挖掘
- 几十亿数据查询 3 秒返回，ES 性能优化实战！
- 基于多视角学习和个性化注意力机制的新闻推荐
- Walrus- 一个轻量级 olap 查询框架
- 微服务高可用利器——Hystrix 熔断降级原理 & 实践总结
- 【推荐实践】微博在线机器学习和深度学习实践
- 马蜂窝推荐排序算法模型是如何实现快速迭代的
- 在线学习在爱奇艺信息流推荐业务中的探索与实践
- 【58 同城】如何从 0 到 1 构建个性化推荐？
- 机器学习在 58 二手车估价系统实践
- 萌新想请教一下 特征选择 的问题
- 实时计算引擎在贝壳的应用与实践
- 今日头条在消息服务平台和容灾体系建设方面的实践与思考
- 推荐系统中模型训练及使用流程的标准化
- 知识图谱与语义分析技术介绍（附前沿论文解读）
- 网络图模型知识点综述
- 360 展示广告召回系统的演进
- Tensorflow 的 checkpoint 教程
- 陈曦：性能与稳定并存 Elasticsearch 调优实践
- 3000 台服务器不宕机，微博广告系统全景运维大法
- 由 Finalizer 和 SocksSocketImpl 引起的 Fullgc 问题盘点
- 爱奇艺效果广告的个性化探索与实践
- 深度学习技术在美图个性化推荐的应用实践
- UC 信息流推荐模型在多目标和模型优化方面的进展
- Facebook 面向个性化推荐系统的深度学习推荐模型
- 美团配送交付时间轻量级预估实践
- 58 招聘推荐排序算法实战与探索
- 阿里如何实现秒级百万 TPS？搜索离线大数据平台架构解读
- 会向业务“砍需求”的技术同学，该具备哪 6 点能力？
- UC 国际信息流推荐中的多语言内容理解
- 10 年 +，阿里沉淀出怎样的搜索引擎？
- Hi, 2019_nickname
- 老大难的 GC 原理及调优，这下全说清楚了
- 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
- UC 信息流视频标签识别技术
- 常用学习算法
- 阿里妈妈：品牌广告中的 NLP 算法实践
- OCPC 广告算法在凤凰新媒体的实践探索
- 降低软件复杂性的一般原则和方法
- 基于 Elastic Stack 的海量日志分析平台实践
- 支付系统高可用架构设计实战，可用性高达 99.999！
- 推荐系统应该如何保障推荐的多样性？
- 浅谈 UC 国际信息流推荐
- 我在亚马逊学到的三样东西，为我的机器学习职业之路做好了准备
- 关于数据驱动的重新思考
- 头条，美团，滴滴，京东及其它公司面试经验分享！
- CCKS 2019 | 百度 CTO 王海峰详解知识图谱与语义理解
- 模型评估指标 AUC 和 ROC，这是我看到的最透彻的讲解
- GitHub 标星 8k+，最后还有什么想问的么？对面试官的灵魂 50 问！
- 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
- A/B 测试中我们都会犯的十个常见错误
- AI 在爱奇艺视频广告中的探索
- 快看漫画个性化推荐探索与实践
- 微博广告策略工程架构体系演进
- 请问 example oracle 和后面那个红框的分布是什么意思？
- 构建可解释的推荐系统
- 解读：滴滴“猜你去哪儿”功能的算法实现
- 推荐系统走向下一阶段最重要的三个问题
- 电商推荐那点事
- 风控建模流程：以京东群体感知项目为例
- 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？
- 聊聊 Linux IO 栈
- 阿里妈妈深度树检索技术（TDM）及应用框架的探索实践
- 推荐系统工程难题：如何做好深度学习 CTR 模型线上 Serving
- 360 搜索的百亿级网页搜索引擎架构实现
- FSICFR 或者 CFRM 算法训练后如何应用于实际的游戏中?
- 京东电商推荐系统实践
- < 机器学习实战 高清中英 源代码 > 分享
- 分布式锁用 Redis 还是 Zookeeper？
- InnoDB 事务与分布式事务中一些关键问题
- hello, 初次见面请多关注
- ESearch: 58 搜索内核设计与实践—实时索引篇
- 两万字深度介绍分布式系统原理，一文入魂
- 推荐技术随谈
- 这是我读过写得最好的【秒杀系统架构】分析与实战！
- 如果这篇文章说不清 epoll 的本质，那就过来掐死我吧！
- 最完整的 Markdown 基础教程
- 番外篇：Lucene 索引流程与倒排索引实现
- Lucene 倒排索引原理探秘 (2)
- Lucene 倒排索引原理探秘 (1)
- 推荐系统：石器与青铜时代
- 快手 HBase 在千亿级用户特征数据分析中的应用与实践
- 怎么写代码呢
- 学习代码写作怎么写
- 学习数据代码
- 深度学习在 360 搜索广告 NLP 任务中的应用
- 消息中间件—RocketMQ 消息存储（二）
- 消息中间件—RocketMQ 消息存储（一）
- 消息中间件—RocketMQ 消息消费（三）（消息消费重试）
- 消息中间件—RocketMQ 消息消费（二）（push 模式实现）
- 消息中间件—RocketMQ 消息消费（一）
- 消息中间件—RocketMQ 消息发送
- 消息中间件—RocketMQ 的 RPC 通信（二）
- 消息中间件—RocketMQ 的 RPC 通信（一）
- 阿里零售通智能导购推荐技术实践
- “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
- 关于机器学习归一化
- 网易新闻推荐：深度学习排序系统及模型
- 贝壳找房一镜到底：FM 们的原理及在贝壳搜索的实践
- 淘宝从几百到千万级并发的十四次架构演进之路！
- 分布式追踪系统概述及主流开源系统对比
- 系统架构系列（四）：业务架构实战下篇
- 系统架构系列 (三)：业务架构实战上篇
- 系统架构系列 (二)：应对这一概念的方法
- 系统架构系列（一）：如何用公式定义该概念？
- 写给开发者的谷歌技术面试终极通关指南
- 流式数据处理在百度数据工厂的应用与实践
- 一文读懂深度学习：从神经元到 BERT
- 基于内容的推荐算法
- Embedding 技术在民宿推荐中的应用
- XLNet : 运行机制及和 Bert 的异同比较
- 深度学习在 Airbnb 中的探索与应用
- 【贝壳智搜】标签：月老手中那一根根红线
- Xavier 论文疑惑（论文标题：Understanding the difficulty of training deep feedforward neural networks）
- TCP 报文格式高清图
- 从 Word Embedding 到 Bert 模型—自然语言处理中的预训练技术发展史
- Bert 时代的创新（应用篇）：Bert 在 NLP 各领域的应用进展
- Netflix 推荐系统模型的快速线上评估方法——Interleaving
- 【真实生产案例】消息中间件如何处理消费失败的消息？
- YC 中国创始人陆奇：人工智能时代，芯片和底层软件基本都要重做
- 从 MySQL 高可用架构看高可用架构设计
- abtest- 数据分析 - 假设检验基础
- 程序员面试最常见问题 TOP 48
- abtest 那些事儿（下）—数据跟踪和效果评估
- list1 与 list2 求交集的方法总结！
- 当你打开天猫的那一刻，推荐系统做了哪些工作？
- 高并发架构消息队列面试题解析
- Embedding 在深度推荐系统中的 3 大应用方向
- 使用 ElasticSearch 的 44 条建议
- Elasticsearch 技术分析（七）： Elasticsearch 的性能优化
- 适合程序员用的笔记本电脑
- 马蜂窝 ABTest 多层分流系统的设计与实现
- ES 查询性能调优实践，亿级数据查询毫秒级返回
- 小米移动搜索中的 AI 技术
- LSTM 原理与实践，原来如此简单
- 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
- 阿里妈妈：电商预估模型的发展与挑战
- Attention in RNN
- 详解 Transformer （Attention Is All You Need）
- SVM 优化出来支持向量点的不等式约束不等于 1 是为什么？
- 机器学习：K 折交叉验证的问题
- 滴滴基于 ElasticSearch 的一站式搜索中台实践
- 快手万亿级别 Kafka 集群应用实践与技术演进之路
- 微软 AB/Testing EXP 实验管理平台
- 揭开 YouTube 深度推荐系统模型 Serving 之谜
- 深度学习中不得不学的 Graph Embedding 方法
- 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】
- FTRL 公式推导
- 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
- 从 FFM 到 DeepFFM，推荐排序模型到底哪家强？
- 在 faster-RCNN 中，最后一层输出的 bbox_pred 是什么
- 有赞百亿级日志系统架构设计
- 打造工业级推荐系统（一）：推荐算法工程师的成长之道
- 面试官：如果让你设计一个消息中间件，如何将其网络通信性能优化 10 倍以上？【石杉的架构笔记】
- 机器学习与深度学习常见面试题（上）
- ABtest 和假设检验、流量分配
- 【三. 推荐系统的必备要素 -2】ABtest 框架
- 复旦邱锡鹏教授公布《神经网络与深度学习》，中文免费下载
- 携程金融大数据风控算法实践
- 拯救 996 的配方
- 【一. 概述 -2】什么样的产品推荐效果明显
- 【一. 概述 -1】推荐系统简介
- 万字长文解读电商搜索——如何让你买得又快又好
- 【搜狐】新闻推荐系统的 CTR 预估模型
- 阿里妈妈新突破：深度树匹配如何扛住千万级推荐系统压力
- 计算广告中主要模块、策略及其场景（上篇）
- 有赞订单搜索 AKF 架构演进之路
- 独家解读 | 滴滴机器学习平台架构演进之路
- 前深度学习时代 CTR 预估模型的演化之路
- 知其然，知其所以然：基于多任务学习的可解释推荐系统
- [NAACL19] 一个更好更快更强的序列标注成分句法分析器
- 一直播千万量级用户推荐系统设计之路
- 知识图谱 |298 万条三元组生成方法 (一)
- AI 下一个拐点，图神经网络带来哪些机遇？
- 人脸识别如何快速工作
- 如何强化数据集中某个特征的影响？
- 强化学习系列二——应用 AlphaGo Zero 思路优化搜索排序
- 【58 同城】中文分词技术深度学习篇
- 一图胜千言: 解读阿里的 Deep Image CTR Model
- 推荐系统召回四模型之二：沉重的 FFM 模型
- Embedding 从入门到专家必读的十篇论文
- 深度 CTR 预估模型中的特征自动组合机制演化简史
- 详解 Airbnb 之深度学习在搜索业务的探索
- 万字长文带你解读 NLP 深度学习的各类模型
- 基于深度强化学习的新闻推荐模型 DRN
- 基于 Tensorflow 高阶 API 构建大规模分布式深度学习模型系列: 开篇
- 【贝壳找房】贝壳搜索平台实时流总体架构设计
- 【贝壳网】贝壳搜索为什么能知道你想住哪？
- 百度中文纠错技术
- 版本控制工具——Git 常用操作
- 【贝壳网】ElasticSearch 相关性计算原理及实践
- 【贝壳网】Elasticsearch 在贝壳搜索的部署实践
- 【贝壳找房】读“懂”用户找房需求：贝壳语义解析技术实践
- 【贝壳网】两种简单有效的标签选择方法
- 回顾 Facebook 经典 CTR 预估模型
- 主流 CTR 预估模型的演化及对比
- 推荐系统召回四模型之：全能的 FM 模型
- 自然语言处理基础：上下文词表征入门解读
- 为什么已有 Elasticsearch，我们还要重造实时分析引擎 AresDB？
- NLP 新秀 : BERT 的优雅解读
- 详解 Embeddings at Alibaba(KDD 2018)
- 前员工揭内幕：10 年了，为何谷歌还搞不定知识图谱？
- 人机交互式机器翻译研究与应用
- 独家揭秘：微博深度学习平台如何支撑 4 亿用户愉快吃瓜？
- 爱奇艺短视频软色情识别技术解析
- 卷积有多少种？一文读懂深度学习中的各种卷积
- 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？
- 【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
- 网易杭研 分享 图数据库基础
- 用 Flink 取代 Spark Streaming，知乎实时数仓架构演进
- 国美 11·11：大促场景下的国美智能推荐系统演进之路
- 58 精准推送实践
- 《美团机器学习实践》—— 思维导图
- 「回顾」强化学习：原理与应用
- 详解 GAN 的谱归一化（Spectral Normalization）
- 「回顾」机器学习在反欺诈中应用
- 滴滴出行基于 RocketMQ 构建企业级消息队列服务的实践
- 一文让你彻底理解准确率，精准率，召回率，真正率，假正率，ROC/AUC
- HBase 写吞吐场景资源消耗量化分析及优化
- Flink 在有赞实时计算的实践
- 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？
- 58 技术沙龙——云搜 知乎 58 同城 搜索架构
- 「回顾」基于金融智能风控的实时指标处理技术体系
- 「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
- 深入剖析 Netty 源码设计（二）——BIO NIO AIO Reactor 模式到底干了啥
- 「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
- 毕玄：我在阿里的十年技术感悟
- 使用 Pytorch 实现 skip-gram 的 word2vec
- 「回顾」蚂蚁数据分析平台的演进及数据分析方法的应用
- 「回顾」深度学习新技术在搜狗搜索广告中的深化应用
- Google 重叠实验框架：更多，更好，更快地实验
- 58 招聘推荐系统介绍——AB 实验框架
- 深入剖析 Netty 源码设计（一）——深入理解 select poll epoll 机制
- 从 KDD 2018 Best Paper 看 Airbnb 实时搜索排序中的 Embedding 技巧
- 中文分词技术及在 58 搜索的实践
- 58 搜索列表页连接效率优化实践
- 「回顾」58 同城 综合排序框架 连接效率优化实践
- 「行知」镶嵌在互联网技术上的明珠：漫谈深度学习时代点击率预估技术进展
- 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 (二十八)-- 知识图谱与推荐系统结合之 MKR 模型原理及实现
- 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 (二十五)-- 当知识图谱遇上个性化推荐
- 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！
- 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 (二十二)--DeepFM 升级版 XDeepFM 模型强势来袭！
- 推荐系统遇上深度学习 (二十一)-- 阶段性回顾
- 推荐系统遇上深度学习 (二十)-- 贝叶斯个性化排序(BPR) 算法原理及实战
- 推荐系统遇上深度学习 (十九)-- 探秘阿里之完整空间多任务模型 ESSM
- 推荐系统遇上深度学习 (十八)-- 探秘阿里之深度兴趣网络(DIN) 浅析及实现
- 推荐系统遇上深度学习 (十七)-- 探秘阿里之 MLR 算法浅析及实现
- 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 (十四)--《DRN:A Deep Reinforcement Learning Framework for News Recommendation》
- 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 (十二)-- 推荐系统中的 EE 问题及基本 Bandit 算法
- 大众点评搜索基于知识图谱的深度学习排序实践
- 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 (八)--AFM 模型理论和实践
- 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 (六)--PNN 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
- 推荐系统遇上深度学习 (三)--DeepFM 模型理论和实践
- 深度学习时代的图模型
- 推荐系统遇上深度学习 (二)--FFM 模型理论和实践
- 推荐系统遇上深度学习 (一)--FM 模型理论和实践
- BERT 大火却不懂 Transformer？读这一篇就够了
- 图解当前最强语言模型 BERT：NLP 是如何攻克迁移学习的？
- AutoML 在推荐系统中的应用
- 一朝爆发？解读知识图谱和图数据库的 2018
- 工作中组内遇到的 elasticsearch 使用上的踩坑总结
- 深度好文：2018 年 NLP 应用和商业化调查报告
- 深度学习在金融文本情感分类中的应用
- 深入剖析 ReentrantLock 公平锁与非公平锁源码实现
- 算法工程师必须要知道的面试技能雷达图
- 美团深度学习在搜索业务中的探索与实践
- 回顾·搜索引擎算法体系简介——排序和意图篇
- 基于知识图谱的问答系统入门—NLPCC2016KBQA 数据集
- 【干货】Kafka 数据可靠性深度解读
- 回顾·CTR 预估系统实践
- 「回顾」强化学习在自然语言处理中的应用
- Spark 宽依赖 窄依赖 Job Stage Executor Task 总结
- Spark 性能调优总结
- Scala 下划线 (_) 用法汇总
- 【干货】Spark 之性能优化
- 《搜索与推荐中的深度学习匹配》之推荐篇
- 《搜索与推荐中的深度学习匹配》之搜索篇
- 「回顾」Yoo 视频底层页推荐系统 - 从 0 到 1 的实践
- 吴恩达、Yann LeCun 等大佬回顾预测 2019 年 AI 发展
- 蚂蚁金服核心技术：百亿特征实时推荐算法揭秘
- Numerical Coordinate Regression= 高斯热图 VS 坐标回归
- 「回顾」AI 如何让广告投放进入“自动驾驶”？
- 随机变量 - 统计学核心方法及其应用
- 简单聊聊特征工程
- 近期知识图谱顶会论文推荐，你都读过哪几篇？
- 半监督深度学习小结：类协同训练和一致性正则化
- 「回顾」机器学习与推荐系统实践
- 全文搜索引擎，选 ElasticSearch 还是 Solr？
- NLP-BERT 谷歌自然语言处理模型：BERT- 基于 pytorch
- 罗振宇 2018“时间的朋友”跨年演讲未删减全文
- 机器学习与数据科学决策树指南
- 「回顾」旅游知识图谱的构建和应用
- 「回顾」知乎推荐页 Ranking 经验分享
- 计算广告论文及资料 && 推荐系统论文及资料 && 基于 Spark 的 CTR 模型资料
- 万物皆 Embedding，从经典的 word2vec 到深度学习基本操作 item2vec
- 【下】YouTube 深度学习推荐系统的十大工程问题
- 【上】重读 Youtube 深度学习推荐系统论文，字字珠玑，惊为神文
- 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
- 「回顾」NLP 在网络文学领域的应用
- 清华大学图神经网络综述：模型与应用
- Netty 学习和进阶策略
- Flink 实战： 结合 Kafka 构建端到端的 Exactly-Once 处理程序
- Apache Flink 端到端（end-to-end）Exactly-Once 特性概览 （翻译）
- 《提问的智慧》中文版翻译
- NIPS2018 | 腾讯 AI Lab 入选 20 篇论文，含 2 篇 Spotlight
- 【翻译】Redis 存储揭秘
- 大话 Select、Poll、Epoll 机制
- 空间数据索引 RTree 完全解析及 Java 实现
- 建了个机器学习与深度学习的微信群
- 【美团】LruCache 在美团 DSP 系统中的应用演进
- 【美团】深入浅出排序学习：写给程序员的算法系统开发实践
- 基于 Flink 的严选实时数仓实践
- 百页机器学习书
- 基于对象特征的推荐系统
- 「回顾」让机器读懂人类：揭秘机器阅读理解技术及应用
- “IT 男等级”对照表｜找找你在哪？
- 两位拯救谷歌的超级工程师的故事：计算机界最好的结对编程榜样
- 机器学习在美团配送系统的实践：用技术还原真实世界
- [译] 支持向量机（SVM）教程
- YouTube 推荐系统改进之路
- 「干货」YouTube 基于深度神经网络推荐系统剖析
- 实时检索 6700 亿条推文，细谈 Twitter 搜索引擎的演进历程
- 【 DataFunTalk】HBase RowKey 与索引设计
- 架构拆分原理解析
- 阿里开源深度学习框架 XDL，面向广告、推荐、搜索场景
- 我收到了斯坦福、UCL、CMU、NYU、UW 的博士 offer，这是我的经验
- 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
- 理解五个基本概念，让你更像机器学习专家
- 阿里巴巴搜索引擎平台 Ha3 揭秘
- Java 编程方法论之响应式编程系列视频
- 每日生产万亿消息数据入库，腾讯如何突破大数据分析架构瓶颈
- 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
- 菜鸟，下一代分布式体系架构的设计理念
- 除了抖音和头条，字节跳动的 AI 实力有多强？
- 阿里妈妈大规模在线分层实验实践
- 深度学习在 Airbnb 大规模搜索排名上的实战经验
- 51 信用卡的个性化推荐体系
- 【杉枫】科技与人文
- 【杉枫】架构抽象化设计
- 机器学习人工智能学习资源导航
- 这里好冷清
- 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
- 【必读!!】人工智能社区公告!!
- 苏宁 11.11 ：苏宁大数据离线任务开发调度平台实践
- 苏宁 11.11：苏宁易购订单搜索系统架构及实现
- 苏宁 11.11：搜索引擎 Solr 在苏宁易购商品评价系统中的应用
- 美团大脑：知识图谱的建模方法及其应用
- 【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
- 一文看懂智能合约的现状与未来
- “搜你所想”之用户搜索意图识别
- 【杉枫】推荐引擎异步架构设计
- 苏宁 11.11：仓库内多 AGV 协作的全局路径规划算法研究
- Kafka 设计解析（一）：Kafka 背景及架构介绍
- 「回顾」饿了么推荐算法演进及在线学习实践
- Lucene 6 数值索引以及空间索引方案
- 互联网架构，究竟为啥要做服务化？
- Lucene 倒排索引缓冲池的细节
- 【译】写给计算机专业毕业生的 22 条宝贵建议
- 深度学习在序列化推荐中的应用 (1)-GRU4REC 以及扩展
- 实时翻译的发动机：矢量语义（斯坦福大学课程解读）
- 骚操作！电影接吻镜头次数的算法实现
- 响应式编程 Rxjava 书籍视频教程
- 机器学习，模式识别，数据挖掘常用学习资源链接
- 美团深度学习系统的工程实践
- AI 大师丨 Yoshua Bengio：纯粹与理想，深度学习的 30 年
- Apache 顶级开源项目是怎样炼成的？国内开发者应该如何借鉴？
- 大数据凉了？No，流式计算浪潮才刚刚开始！
- 分布式高性能 redis 集群线上常见问题
- 58 沈剑 - 分布式事务，原来可以这么玩？
- 饿了么外卖推荐算法中有哪些机制与手段？
- 有赞搜索系统的架构演进
- 有赞搜索系统的技术内幕
- 基于 TensorFlow Serving 的深度学习在线预估
- 建了一个机器学习微信群
- 阿里巴巴为什么选择 Apache Flink？Flink——下一代大数据处理系统
- 超参数搜索不够高效？这几大策略了解一下
- Lucene 查询原理
- Lucene 解析 - 基本概念
- Elasticsearch 之 commit point | Segment | refresh | flush 索引分片内部原理
- 码农晋升为技术管理者后，痛并快乐着的纠结内心
- 秋招报告：2019 届互联网校招薪资出炉，90 后社招被薪酬倒挂？
- 互联网思维——真正的高手，是如何判断趋势的？
- 一点做用户画像的人生经验：ID 强打通
- 如何理解区块链的共识算法？
- 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
- 程序员进阶必读金句
- 腾讯内容平台系统的架构实践
- 58 同城推荐系统架构设计与实现
- 互联网智能广告系统简易流程与架构
- 【阿里】电商搜索算法技术的演进
- 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？
- 老程序员如何避免沦落出局？
- 一次生产系统 Full GC 问题分析与排查总结
- 推荐系统遇上深度学习 (十一)-- 神经协同过滤 NCF 原理及实战
- 5 种方法求解 TopK！面试不要再问我 Topk 了～
- 【转自知乎】当下（2018 年）腾讯的技术建设是否处于落后同体量公司的状态？
- ”大脑“爆发背后是 50 年互联网架构重大变革
- 用户画像番外篇之随笔三则
- 互联网公司面试官应该如何去面试一个人？
- 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
- 北邮硕士、前百度工程师：能进大厂，就不用读研究生了！
- 微服务架构之事件驱动架构
- 回顾·如何构建知识图谱？
- Java GC 调优怎么做？
- 【AIQ】梁宁万字长文：美团的破局与开局
- 美团上市，开盘涨 5.7%，市值超京东！与阿里的交锋再升级
- 阿里巴巴达摩院成立一年，都做了些什么？
- 洋码头搜索应用架构
- 洋码头推荐系统重排算法实践
- 洋码头推荐系统技术架构
- 短视频如何做到千人千面？FM+GBM 排序模型深度解析
- 用户画像番外篇之用户活跃 / 用户价值度分析
- 想读 AI 研究生？你发过几篇 NIPS 一作？
- 一文剖析区块链现状：丛林法则下的胜者
- 10 秒抓人眼球的“技术类简历”怎么写？
- 应用于实时视频通信的深度学习算法研究
- 机器学习特征工程全过程
- 不到 10 个提升逼格的 Redis 命令
- MySQL 不为人知的主键与唯一索引约束
- 回顾·云上 HBase 冷热分离实践
- 冗余数据一致性，到底如何保证？
- 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
- 深入浅出搜索架构引擎、方案与细节（上）
- 搜索引擎倒排索引的设计与实践
- 北京后厂村折叠：月薪追赶五万，生活低于五千
- 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
- 机器学习比赛大杀器 ---- 模型融合 (stacking & blending)
- 读书笔记《小群效应》
- 推荐系统遇上深度学习 (九)-- 评价指标 AUC 原理及实践
- 推荐效果线上评测：AB 测试平台的设计与实现【全】
- 【十大经典数据挖掘算法】PageRank
- 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
- 资源 | skymind.ai 发布最新机器学习 人工智能开源数据集，
- 五八同城智能客服系统“帮帮”技术揭秘
- 微博广告分层实验平台 (Faraday) 架构实践
- 中文 NLP 用什么？中文自然语言处理的完整机器处理流程
- 互联网广告 CTR 预估新算法：基于神经网络的 DeepFM 原理解读
- 用户画像—计算用户偏好标签及数据指标与表结构设计
- 十年技术老兵总结的自我修炼之路
- 海量日志实时收集系统架构设计与 go 语言实现
- 25 个机器学习开放性面试题，没有明确答案
- 用户画像之标签权重算法
- 用户画像——标签聚类
- 用户画像——数据质量管理
- 回顾·知识图谱在贝壳找房的从 0 到 1 实践
- 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
- AI 的思维
- 如何构建用户画像—打用户行为标签
- 比低情商更可怕的，是一个人的固执
- 科学匠人 | 微软亚洲研究院 陈薇 用数学逻辑来优化工作和人生
- AdaBoost 算法详解 原理 推导及应用
- 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
- 资本的钩子
- 观点 | 机器学习 =「新瓶装旧酒」的数据统计？No！
- 褚时健：发快财的时代过去了，年轻人要先做好这些事
- 分布式事务的实现原理 2pc 3pc XA 事务
- 大神总结的机器学习的数学基础，掌握这些足够
- KDD 2018 | 推荐系统特征构建新进展：极深因子分解机模型
- 写在博士旅程之前——前大疆创新技术总监杨硕
- 感知机 +SVM+LR
- 一位 49 岁的程序员、持续创业者教会我的宝贵经验
- 马云：如果事情都准备好了再做，那我就不会成功了
- Google 十年，我的认知被彻底颠覆
- 回顾·HBase 在贝壳找房的实践经验
- 神马搜索技术演进之路
- 如何将知识图谱特征学习应用到推荐系统？
- AIQ | 十多年前的那些 IT 工程师都去哪里了？
- 租客的至暗时刻：昨天买不起房，今天租不起房
- 资源 | Python 技巧 101：这 17 个骚操作你都 Ok 吗
- IT 公司 全能 CTO 的必备要素
- 被“伪兴趣”毁掉的年轻人
- 机器学习第三篇——分类决策树
- 机器学习第二篇——逻辑回归
- 美团在 O2O 场景下的广告营销
- 美团 | 写给工程师的十条精进原则
- 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
- 推荐引擎中规则以及策略
- AIQ | 陆奇去向最终敲定！带领 YC 孵化器进军中国
- 聊聊阿里社招面试，谈谈“野生”Java 程序员学习的道路
- 一文解说 Scala Trait 所有用法
- Scala 面向对象编程之类和对象
- Spark 三种提交模式：Standalone | yarn-client | yarn-cluster
- 【干货】机器学习中的五种回归模型及其优缺点
- SparkSQL 大数据实战：shuffle hash join、broadcast hash join 以及 sort merge join 三种 join 大揭秘
- 【区块链】一文看懂区块链【详解区块链】
- 观点 | 博士离开学术界算不算失败？牛津大学博士有话要说
- 春风十里不如你
- 深度学习必备的几款流行网络与数据集
- 为什么程序员一言不合就重构代码？
- 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
- 我们该如何学习机器学习中的数学
- 拼多多为什么崛起？这是目前解读最深刻的一篇
- 腾讯联合创始人张志东：发光的人要能拿得起，放得下
- VIPKID 一二面面经 (算法工程师)
- 一条数据的 HBase 之旅，简明 HBase 入门教程 -Flush 与 Compaction
- 一条数据的 HBase 之旅，简明 HBase 入门教程 -Write 全流程
- 一条数据的 HBase 之旅，简明 HBase 入门教程 - 开篇
- 30 张地图看懂世界格局，用大数据说话
- 面向机器学习：数据平台的设计与搭建
- 雷军最不待见，刘强东深恶痛绝，宁愿解散团队，这 7 类人也绝不能留
- 刷爆朋友圈的高赞演讲：为什么最棒的员工往往没有完美的简历？
- 神经网络的激活函数总结
- 赵大伟 | 区块链通证经济的本质与落地路径
- 雷军：小米创业 8 年内部影像首次公开 看完我心里边都是一团火
- 雷军，黄峥，王兴，互联网 2018 年的夏天
- 拼多多上市，80 后 CEO 创业 3 年身价 800 亿，背后这 3 个字最值得深思
- 基于内容的图像检索技术综述 传统经典方法
- AIQ - 百度深度学习图像识别决赛代码分享 (OCR)
- AIQ - 区块链 | 浅谈区块链技术与阿里云的探索实践
- 工业数据采集方法深度学习
- AIQ - AI | 快手 AI 技术副总裁郑文：为什么说 AI 是短视频平台的核心能力
- AIQ- 深度 | 碧桂园的鸡血、狗血和人血
- 随机森林概述
- 关于感受野的总结
- AIQ - 区块链 | AI+ 区块链深度解析，美国 VC 大咖：这是未来十年的趋势 | 33 页 PPT
- 流形学习概述
- AIQ - 深度 | 网易云音乐王诗沐：我们是如何四年时间做到 4 亿用户的
- 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
- 罗辑思维 CEO 脱不花：关于工作和成长，这是我的 121 条具体建议
- AIQ - 深度 | 中关村风云 40 年
- 基于深度负相关学习的人群计数方法
- AIQ | Elasticsearch 史上最全最常用工具清单
- AIQ -【干货】模型验证的常用“武器”—ROC 和 AUC
- 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
- 人脸检测算法之 S3FD
- AIQ - 有赞的面试经历，被虐的有点惨
- AIQ - 从损失函数的角度详解机器学习算法之逻辑回归
- AIQ - 架构 | 优秀架构师必须掌握的架构思维
- AIQ - 个人发展和职业规划的理论性叙述
- 理解计算 从根号 2 到 AlphaGo 第 3 季神经网络的数学模型
- AIQ - 学界 | SIGIR 2018 最佳论文：基于流行度推荐系统有效性的概率分析
- AIQ - Solr 与 ES（ElasticSearch）的对比
- AIQ - 机器学习近年来之怪现状
- 怎样成为一名优秀的算法工程师
- AIQ - 深度 | 学会为自己工作
- AIQ - 干货 | 1400 篇机器学习的论文中，这 10 篇是最棒的！
- AIQ - 干货 | Elasticsearch 趋势科技实战分享笔记
- AIQ - 深度 | 市值 465 亿美元的小米八年往事
- AIQ - | NLP 领域的 ImageNet 时代：词嵌入已死，语言模型当立
- AIQ - 区块链 | 国内区块链项目技术全面解析
- 机器学习算法地图
- 反向传播算法推导 - 全连接神经网络
- 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 - 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 | 人工智能军备竞赛：一文尽览全球主要国家 AI 战略
- AIQ - 架构 | 软件服务架构的一些感悟
- 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
- AIQ - 架构 | 知乎服务化的实践与思考
- AIQ - 深度 | 知乎高赞：久居一线城市都有什么错觉？
- 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 - 架构 | SpringBoot 开发案例从 0 到 1 构建分布式秒杀系统
- AIQ - 架构 | 京东推荐系统架构揭秘：大数据时代下的智能化改造
- AIQ - 架构 | Java 程序员该如何突破瓶颈，阿里小马哥十年架构师经验之谈（文末送书）
- AIQ - 架构 | Kafka 服务端 网络层 reactor 架构
- AIQ - 干货 | 从零到一学习知识图谱的技术与应用
- AIQ - 基础 | 深度学习之基础知识详解
- AIQ - 深度 | 排队离婚、落户、上天台，所有人都在赌明天
- 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
- AI 发展越来越快, 十年或二十年后哪些工作不会被替代?
- 到底该不该去创业公司？
- 真正的高手都是悄无声息的摆渡人
- 棚改 - 三四线楼市再无未来
- 你毕业几年了，混成什么鬼样子了？看看这些年轻人怎么说
- 知乎高赞：家里在一二线城市有很多套房是怎么的一种体验？答案太颠覆
- 美团点评 - 深度学习在计算机视觉中的应用
- AIQ 干货 | 蚂蚁金服科技一篇文章带你学习分布式事务
- 深度学习在美团搜索广告排序的应用实践是怎么样的？
- AIQ - 为什么要使用交叉验证？
- AIQ|【供应链】十张图帮你理解供应链 IT 名词！（上篇）
- AIQ|【学界】吴恩达 Deep Learning Specialization 课程刷后感（附课程视频，字幕，全套 PPT，作业）
- AIQ|【供应链】供应链、物流、采购到底有什么区别？
- AIQ |【供应链】2018 年中国智慧物流行业市场前景研究报告
- AIQ | 阿里是如何应对超大规模集群资源管理挑战的？
- AIQ | 优秀的算法工程师都是不用深度学习的
- AIQ | Coursera 吴恩达深度学习教程中文笔记最新版
- 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）
- AIQ | NLP 算法工程师的学习、成长和实战经验
- 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| 出轨大数据新出炉，暴露一个惊人真相
- AIQ | 44 篇论文强势进击 CVPR 2018，商汤科技的研究员都在做哪些研究？
- AIQ | 面试经验·机器学习、深度学习、算法工程师（校招）
- AIQ | Spark 及 Spark Streaming 核心原理及实践
- AIQ | Spark 团队开源新作：全流程机器学习平台 MLflow
- AIQ 教程 |「川言川语」：用神经网络 RNN 模仿特朗普的语言风格
- AIQ | 求生之路：博士生涯的 17 条简单生存法则
- 面试了 8 家公司，社招机器学习面试题
- 人工智能入门书单推荐，学习 AI 的请收藏好（附 PDF 下载）
- 互联网降维打击是一个什么概念？
- 今日头条算法原理（全文）
- 机器学习新手必须掌握的十大算法指南
- 近期 GitHub 上最热门的开源项目（附链接）
- 深度 | 可视化 LSTM 网络：探索「记忆」的形成