日韩性视频-久久久蜜桃-www中文字幕-在线中文字幕av-亚洲欧美一区二区三区四区-撸久久-香蕉视频一区-久久无码精品丰满人妻-国产高潮av-激情福利社-日韩av网址大全-国产精品久久999-日本五十路在线-性欧美在线-久久99精品波多结衣一区-男女午夜免费视频-黑人极品ⅴideos精品欧美棵-人人妻人人澡人人爽精品欧美一区-日韩一区在线看-欧美a级在线免费观看

歡迎訪問 生活随笔!

生活随笔

當(dāng)前位置: 首頁 > 运维知识 > windows >内容正文

windows

搜索,推荐,广告系统架构及算法技术资料大合集吐血整理——2020年终分享

發(fā)布時間:2024/8/1 windows 41 豆豆
生活随笔 收集整理的這篇文章主要介紹了 搜索,推荐,广告系统架构及算法技术资料大合集吐血整理——2020年终分享 小編覺得挺不錯的,現(xiàn)在分享給大家,幫大家做個參考.

算法學(xué)習(xí)資料: AI_Tutorial

架構(gòu)、搜索、推薦、廣告系統(tǒng)優(yōu)質(zhì)資源

你還在為學(xué)習(xí)算法摸不著頭腦么?你還在為技術(shù)調(diào)研各種Google么?AI的牛b吹不上去?盯緊了,這里就是你的2020女朋友~。本項目會持續(xù)關(guān)注AI落地的一些優(yōu)質(zhì)技術(shù)資料。大家也可以去網(wǎng)站投稿。
算法學(xué)習(xí)資料: AI_Tutorial 記得Star哦~!

后端架構(gòu)、AI架構(gòu)、搜索系統(tǒng)、推薦系統(tǒng)、廣告系統(tǒng)技術(shù)資料整理。這篇文章意圖是收集市面上質(zhì)量不錯的后端架構(gòu)、AI架構(gòu)、搜索、 推薦、 廣告引擎技術(shù)資料,內(nèi)容來源包括開源項目官網(wǎng)(Lucene、Solr、Elastic)、綜合技術(shù)網(wǎng)站(AIQ 、infoQ、Stackoverflow、github 等、國內(nèi)外知名互聯(lián)網(wǎng)公司技術(shù)博客(阿里中間件團(tuán)隊博客、美團(tuán)技術(shù)博客等)、知名技術(shù)牛人公眾號博客等。
以下整理的內(nèi)容大致根據(jù)來源進(jìn)行分類。@AIQ-人工智能

github地址:https://github.com/cbamls/full_stack_coder

個人視角有限,謝謝。


開源相關(guān)

Lucene

  • Lucene 官網(wǎng)

  • Lucene 7.6.0源碼

  • Lucene Wiki

  • 索引結(jié)構(gòu) -Lucene6.6.0

Solr

  • Solr 官網(wǎng)

  • Solr Wiki

Elastic

  • Elastic 官網(wǎng)

  • Elastic Blog

  • Elastic Formus

  • Elasticsearch: 權(quán)威指南 - 中文版

  • Elastic 中文社區(qū)

    LucidWorks

  • LucidWorks

  • LucidWorks Blog

中文分詞

  • ansj 分詞

  • HanLP 分詞

  • ES-Analysis-IK

大公司

阿里

  • 天貓推薦算法團(tuán)隊的那些事兒 - 20140401 - infoQ
    本文以訪談的方式呈現(xiàn),對搜索和推薦算法進(jìn)行了簡單的比較,提到了 AB 測試和離線測試,主要對推薦算法團(tuán)隊的工作方式、工作考評、任務(wù)分配、招聘等進(jìn)行了介紹。

  • 天貓 11.11:搜索引擎實時秒級更新 - 20141111 - infoQ
    文章簡單介紹了阿里搜索引擎架構(gòu),提到了以下內(nèi)容:1)為提高數(shù)據(jù)實時性(庫存、價格等),去掉應(yīng)用層和業(yè)務(wù)層的緩存,重點提升引擎層的服務(wù)能力。2)排序鏈,根據(jù)業(yè)務(wù)場景定制排序鏈。3)sku 搜索,搜索結(jié)果和屬性導(dǎo)航聯(lián)動(標(biāo)類產(chǎn)品)。

  • 阿里搜索離線技術(shù)團(tuán)隊負(fù)責(zé)人談 Hadoop:阿里離線平臺、YARN 和 iStream

  • 基于 Apache Flink 的實時計算引擎 Blink 在阿里搜索中的應(yīng)用 - 20170216 - infoQ

  • 阿里開源深度學(xué)習(xí)框架 XDL,面向廣告、推薦、搜索場景 - 20181128 - AIQ

  • 阿里巴巴搜索引擎平臺 Ha3 揭秘 - 201811 - AIQ

阿里搜索事業(yè)部技術(shù)團(tuán)隊
阿里集團(tuán)搜索、推薦、圖像技術(shù)的大本營,大數(shù)據(jù)時代的創(chuàng)新主場。

  • 阿里搜索事業(yè)部技術(shù)團(tuán)隊

  • OpenSearch:輕松構(gòu)建大數(shù)據(jù)搜索服務(wù) - 20160222

  • 搜索雙鏈路實時計算體系 @雙 11 實戰(zhàn) - 20160111

阿里中間件團(tuán)隊博客
2012 年期間,阿里中間件博客記錄了 20 多篇 Lucene、Solr 相關(guān)博文,主要記錄了一些在項目開發(fā)過程中遇到的問題,以及部分源碼解讀。內(nèi)容豐富、實用,但不是很系統(tǒng)。

  • 阿里中間件團(tuán)隊博客

  • Solr 調(diào)優(yōu)參考 - 20120521

  • Solr Lucene 優(yōu)劣勢分析 - 20120626

  • SolrQuery 性能壓測參考 - 20120731

  • NumericField NumericRangeQuery 原理分析 - 20120731

  • Solr schema 編寫指導(dǎo) - 20120731

  • 關(guān)于搜索挖掘所想 - 20120731

  • SolrQuery 挖掘 – 單維度聚合分析 - 20120920

  • 我感受到的排序機(jī)制參考 - 20120920

  • 垂直搜索新問題 - 20120920

  • Solr 平臺化搜索實戰(zhàn)必知場景 - 20120921

  • Solr Schema 配置小細(xì)節(jié)大問題 - 20121015

  • Solr DisjunctionMax 注解 - 20121015

  • Sql Support within Solr- 類 Sql 的 solr 搜索實現(xiàn) (1) - 20121015

  • Sql Support within Solr- 類 Sql 的 solr 搜索實現(xiàn) (2) - 20121015

  • 關(guān)于 TrieField 的全面認(rèn)識、理解、運用 - 20121015

  • Solr Facet 引發(fā)思考 on the road - 20121029

  • 查詢問題 —queryparse 深入理解 - 20121029

  • TermRangeQuery 源碼解析 - 20121106

  • Solr 之緩存篇 - 20121106

  • 搜索的測試話題 - 20121113

  • 關(guān)于搜索夜話 ---- 作為階段序列的告別 - 20121113

  • solr 長文本搜索問題 - 20121210

  • SolrCore2.9.1 源碼分析備忘 - 20121210

百度

  • 百度萬億量級數(shù)據(jù)庫 Tera 架構(gòu)應(yīng)用、設(shè)計與實踐全攻略 - 20170526 - infoQ

京東

  • 京東 618:揭秘大促銷背后的個性化推薦 - 20150618 - infoQ

  • 京東 11.11:商品搜索系統(tǒng)架構(gòu)設(shè)計 - 20151111 - infoQ

  • 京東 618:機(jī)器學(xué)習(xí)與商品數(shù)據(jù)挖掘和知識抽取 - 20170618 - infoQ

美團(tuán)點評

美團(tuán)點評技術(shù)團(tuán)隊博客
在國內(nèi)互聯(lián)網(wǎng)公司中,個人認(rèn)為“美團(tuán)點評技術(shù)團(tuán)隊博客”是最持之以恒的,而且非常干貨。

  • 美團(tuán)點評技術(shù)團(tuán)隊

  • 美團(tuán) O2O 排序解決方案——線下篇 - 20151207

  • 美團(tuán)O2O排序解決方案——線上篇 - 2015-11-16 17:00

  • 美團(tuán)點評旅游搜索召回策略的演進(jìn) - 20170616 - AIQ

攜程

  • 攜程技術(shù)中心

去哪兒

  • 去哪兒網(wǎng)機(jī)票搜索系統(tǒng)的高并發(fā)架構(gòu)設(shè)計 20170421 - AIQ

搜狗

  • 搜狗搜索廣告檢索系統(tǒng) - 彈性架構(gòu)演進(jìn)之路 - 20160111 - infoQ

  • 深度學(xué)習(xí)在搜狗無線搜索廣告中的應(yīng)用 - 20160808 - infoQ

  • 以搜狗為例,談?wù)Z音輸入如何影響你的生活 - 20161208 - infoQ

一號店

  • 1 號店 11.11:分布式搜索引擎的架構(gòu)實踐 - 20151112 - infoQ

  • 1 號店 11.11:機(jī)器排序?qū)W習(xí)在電商搜索中的實戰(zhàn) - 20161111 - AIQ

  • 機(jī)器學(xué)習(xí)在 1 號店商品匹配中的實踐 - 20170506 - 攜程技術(shù)中心

待分類

國內(nèi)

  • 當(dāng)當(dāng) 11.11:促銷系統(tǒng)與交易系統(tǒng)的重構(gòu)實踐 - 20151113 - infoQ

  • 蘇寧易購 11.11:商品詳情系統(tǒng)架構(gòu)設(shè)計 - 20151227 - infoQ

  • 達(dá)觀數(shù)據(jù) 點擊模型:提升算法精度的利器 - 20160315 - infoQ

  • 達(dá)觀數(shù)據(jù) 一個可供參考的搜索引擎排序架構(gòu)實踐案例 - 20160830 - infoQ

  • 達(dá)觀數(shù)據(jù) “搜你所想” 之用戶搜索意圖識別 - 20170608 - AIQ

  • 鏈家網(wǎng) 數(shù)據(jù)驅(qū)動在搜索優(yōu)化與推薦策略中的實踐 - 20170406 - infoQ

  • 深度學(xué)習(xí)在 Airbnb 大規(guī)模搜索排名上的實戰(zhàn)經(jīng)驗 - 20181118 - AIQ

  • 51 信用卡的個性化推薦體系 - 2018 - AIQ

  • 蘇寧 11.11:搜索引擎 Solr 在蘇寧易購商品評價系統(tǒng)中的應(yīng)用 - 20181105 - AIQ
    國外

  • Twitter 實時檢索 6700 億條推文,細(xì)談 Twitter 搜索引擎的演進(jìn)歷程 - 20160330 - infoQ

  • Yelp 是如何用數(shù)據(jù)驅(qū)動搜索過濾器的? - 20151209 - infoQ

開發(fā)應(yīng)用

理論基礎(chǔ)

  • 我愛自然語言處理 推薦

  • 漫話中文自動分詞和語義識別

源碼解讀

  • 劉超覺先 詳細(xì)分析了 Lucene3.x 的源碼,推薦。

  • Anatomy of an Elasticsearch Cluster: Part I

  • Anatomy of an Elasticsearch Cluster: Part II

  • Anatomy of an Elasticsearch Cluster: Part III

常見問題

  • Stackoverflow - Lucene

  • Stackoverflow - Solr

  • Stackoverflow - Elastic

其他

  • 對話 Kibana 之父:如果需要,你應(yīng)該自己動手編寫工具 - 20170111 - infoQ

  • 配置高性能 Elasticsearch 集群的 9 個小貼士 - 20170104 - infoQ

  • 基于 ElasticStack 的數(shù)據(jù)探索與分析 - 20161018 - infoQ

  • 使用 Akka、Kafka 和 ElasticSearch 等構(gòu)建分析引擎 - 20160825 - infoQ

  • 萬億級日志與行為數(shù)據(jù)存儲查詢技術(shù)剖析 - 20170222 - infoQ

  • 谷歌的自然語言部門是啥樣的? - 20160118 - infoQ

  • 通過 Baratine 將 Lucene 庫暴露為微服務(wù) - 20160225 - infoQ


人工智能領(lǐng)域文集

  • 畢業(yè) 10 年才懂,解決問題的能力原來這么重要
  • 跨境電商 Etsy 如何使用交互行為類型進(jìn)行可解釋推薦
  • 機(jī)器學(xué)習(xí)模型的可解釋性
  • 個性化海報在愛奇藝視頻推薦場景中的實踐
  • 華為招聘
  • 華為人才招聘
  • Query 理解和語義召回在知乎搜索中的應(yīng)用
  • 推薦系統(tǒng)技術(shù)演進(jìn)趨勢:從召回到排序再到重排
  • 程序員必知必會的零拷貝技術(shù)
  • 推薦系統(tǒng)的發(fā)展與簡單回顧
  • 溝通的重要工具——喬哈里視窗
  • NLP 技術(shù)在微博 feed 流中的應(yīng)用
  • 機(jī)器學(xué)習(xí) - 一文理解 GBDT 的原理 -20171001
  • LR+FTRL 算法原理以及工程化實現(xiàn)
  • 推薦場景中召回模型的演化過程
  • 讀《影響力》這本書
  • 系統(tǒng)重構(gòu)的道與術(shù)
  • CTO 被裁,離職前給組了的高級開發(fā)們 8 個建議。
  • 記錄:tf.saved_model 模塊的簡單使用(TensorFlow 模型存儲與恢復(fù))
  • 淘寶如何擁抱短視頻時代?視頻推薦算法實戰(zhàn)
  • 解密淘寶推薦實戰(zhàn),打造 “比你還懂你” 的個性化 APP
  • 風(fēng)控特征—時間滑窗統(tǒng)計特征體系
  • 解密商業(yè)化廣告投放平臺技術(shù)架構(gòu)
  • 深入理解 AQS 之 Condition 源碼
  • IJCAI 2019 | 為推薦系統(tǒng)生成高質(zhì)量的文本解釋:基于互注意力機(jī)制的多任務(wù)學(xué)習(xí)模型
  • Hi, xiaolongnk
  • Learning to rank 基本算法小結(jié)
  • 知識結(jié)構(gòu)化在阿里小蜜中的應(yīng)用
  • 萬字長文!推薦系統(tǒng)算法崗校招面試經(jīng)驗 & 學(xué)習(xí)心得
  • 標(biāo)簽平滑 & 深度學(xué)習(xí):Google Brain 解釋了為什么標(biāo)簽平滑有用以及什么時候使用它 (SOTA tips)?
  • 經(jīng)驗:一個秒殺系統(tǒng)的設(shè)計思考
  • 視頻:美圖個性化 push AI 探索之路
  • 優(yōu)酷 DSP 廣告投放系統(tǒng)架構(gòu)實踐
  • 淺談微視推薦系統(tǒng)中的特征工程
  • 知識圖譜的自動構(gòu)建
  • 美團(tuán)點評效果廣告實驗配置平臺的設(shè)計與實現(xiàn)
  • 騰訊信息流內(nèi)容理解技術(shù)實踐
  • 深度 |58 商業(yè)流量排序策略優(yōu)化實踐
  • 美團(tuán)點評 Kubernetes 集群管理實踐
  • 張一鳴:如何應(yīng)對公司變大之后的管理挑戰(zhàn)
  • 如何提升「會議效率」
  • 【有贊】數(shù)據(jù)資產(chǎn),贊之治理
  • 搜索引擎中的 Web 數(shù)據(jù)挖掘
  • 幾十億數(shù)據(jù)查詢 3 秒返回,ES 性能優(yōu)化實戰(zhàn)!
  • 基于多視角學(xué)習(xí)和個性化注意力機(jī)制的新聞推薦
  • Walrus- 一個輕量級 olap 查詢框架
  • 微服務(wù)高可用利器——Hystrix 熔斷降級原理 & 實踐總結(jié)
  • 【推薦實踐】微博在線機(jī)器學(xué)習(xí)和深度學(xué)習(xí)實踐
  • 馬蜂窩推薦排序算法模型是如何實現(xiàn)快速迭代的
  • 在線學(xué)習(xí)在愛奇藝信息流推薦業(yè)務(wù)中的探索與實踐
  • 【58 同城】如何從 0 到 1 構(gòu)建個性化推薦?
  • 機(jī)器學(xué)習(xí)在 58 二手車估價系統(tǒng)實踐
  • 萌新想請教一下 特征選擇 的問題
  • 實時計算引擎在貝殼的應(yīng)用與實踐
  • 今日頭條在消息服務(wù)平臺和容災(zāi)體系建設(shè)方面的實踐與思考
  • 推薦系統(tǒng)中模型訓(xùn)練及使用流程的標(biāo)準(zhǔn)化
  • 知識圖譜與語義分析技術(shù)介紹(附前沿論文解讀)
  • 網(wǎng)絡(luò)圖模型知識點綜述
  • 360 展示廣告召回系統(tǒng)的演進(jìn)
  • Tensorflow 的 checkpoint 教程
  • 陳曦:性能與穩(wěn)定并存 Elasticsearch 調(diào)優(yōu)實踐
  • 3000 臺服務(wù)器不宕機(jī),微博廣告系統(tǒng)全景運維大法
  • 由 Finalizer 和 SocksSocketImpl 引起的 Fullgc 問題盤點
  • 愛奇藝效果廣告的個性化探索與實踐
  • 深度學(xué)習(xí)技術(shù)在美圖個性化推薦的應(yīng)用實踐
  • UC 信息流推薦模型在多目標(biāo)和模型優(yōu)化方面的進(jìn)展
  • Facebook 面向個性化推薦系統(tǒng)的深度學(xué)習(xí)推薦模型
  • 美團(tuán)配送交付時間輕量級預(yù)估實踐
  • 58 招聘推薦排序算法實戰(zhàn)與探索
  • 阿里如何實現(xiàn)秒級百萬 TPS?搜索離線大數(shù)據(jù)平臺架構(gòu)解讀
  • 會向業(yè)務(wù)“砍需求”的技術(shù)同學(xué),該具備哪 6 點能力?
  • UC 國際信息流推薦中的多語言內(nèi)容理解
  • 10 年 +,阿里沉淀出怎樣的搜索引擎?
  • Hi, 2019_nickname
  • 老大難的 GC 原理及調(diào)優(yōu),這下全說清楚了
  • 以 YouTube 論文學(xué)習(xí)如何在推薦場景應(yīng)用強(qiáng)化學(xué)習(xí)
  • 深度度量學(xué)習(xí)中的損失函數(shù)
  • UC 信息流視頻標(biāo)簽識別技術(shù)
  • 常用學(xué)習(xí)算法
  • 阿里媽媽:品牌廣告中的 NLP 算法實踐
  • OCPC 廣告算法在鳳凰新媒體的實踐探索
  • 降低軟件復(fù)雜性的一般原則和方法
  • 基于 Elastic Stack 的海量日志分析平臺實踐
  • 支付系統(tǒng)高可用架構(gòu)設(shè)計實戰(zhàn),可用性高達(dá) 99.999!
  • 推薦系統(tǒng)應(yīng)該如何保障推薦的多樣性?
  • 淺談 UC 國際信息流推薦
  • 我在亞馬遜學(xué)到的三樣?xùn)|西,為我的機(jī)器學(xué)習(xí)職業(yè)之路做好了準(zhǔn)備
  • 關(guān)于數(shù)據(jù)驅(qū)動的重新思考
  • 頭條,美團(tuán),滴滴,京東及其它公司面試經(jīng)驗分享!
  • CCKS 2019 | 百度 CTO 王海峰詳解知識圖譜與語義理解
  • 模型評估指標(biāo) AUC 和 ROC,這是我看到的最透徹的講解
  • GitHub 標(biāo)星 8k+,最后還有什么想問的么?對面試官的靈魂 50 問!
  • Andrew Ng(吳恩達(dá)) 關(guān)于機(jī)器學(xué)習(xí)職業(yè)生涯以及閱讀論文的一些建議
  • A/B 測試中我們都會犯的十個常見錯誤
  • AI 在愛奇藝視頻廣告中的探索
  • 快看漫畫個性化推薦探索與實踐
  • 微博廣告策略工程架構(gòu)體系演進(jìn)
  • 請問 example oracle 和后面那個紅框的分布是什么意思?
  • 構(gòu)建可解釋的推薦系統(tǒng)
  • 解讀:滴滴“猜你去哪兒”功能的算法實現(xiàn)
  • 推薦系統(tǒng)走向下一階段最重要的三個問題
  • 電商推薦那點事
  • 風(fēng)控建模流程:以京東群體感知項目為例
  • 每天超 50 億推廣流量、3 億商品展現(xiàn),阿里媽媽的推薦技術(shù)有多牛?
  • 聊聊 Linux IO 棧
  • 阿里媽媽深度樹檢索技術(shù)(TDM)及應(yīng)用框架的探索實踐
  • 推薦系統(tǒng)工程難題:如何做好深度學(xué)習(xí) CTR 模型線上 Serving
  • 360 搜索的百億級網(wǎng)頁搜索引擎架構(gòu)實現(xiàn)
  • FSICFR 或者 CFRM 算法訓(xùn)練后如何應(yīng)用于實際的游戲中?
  • 京東電商推薦系統(tǒng)實踐
  • < 機(jī)器學(xué)習(xí)實戰(zhàn) 高清中英 源代碼 > 分享
  • 分布式鎖用 Redis 還是 Zookeeper?
  • InnoDB 事務(wù)與分布式事務(wù)中一些關(guān)鍵問題
  • hello, 初次見面請多關(guān)注
  • 【兼職】澤山賢教育招聘人工智能線上講師,時薪 200-300 元
  • ESearch: 58 搜索內(nèi)核設(shè)計與實踐—實時索引篇
  • 兩萬字深度介紹分布式系統(tǒng)原理,一文入魂
  • 推薦技術(shù)隨談
  • 這是我讀過寫得最好的【秒殺系統(tǒng)架構(gòu)】分析與實戰(zhàn)!
  • 如果這篇文章說不清 epoll 的本質(zhì),那就過來掐死我吧!
  • 最完整的 Markdown 基礎(chǔ)教程
  • 番外篇:Lucene 索引流程與倒排索引實現(xiàn)
  • Lucene 倒排索引原理探秘 (2)
  • Lucene 倒排索引原理探秘 (1)
  • 推薦系統(tǒng):石器與青銅時代
  • 快手 HBase 在千億級用戶特征數(shù)據(jù)分析中的應(yīng)用與實踐
  • 數(shù)據(jù)老是錯誤,不知道為什么
  • 怎么寫代碼呢
  • 學(xué)習(xí)代碼寫作怎么寫
  • 學(xué)習(xí)數(shù)據(jù)代碼
  • 深度學(xué)習(xí)在 360 搜索廣告 NLP 任務(wù)中的應(yīng)用
  • 消息中間件—RocketMQ 消息存儲(二)
  • 消息中間件—RocketMQ 消息存儲(一)
  • 消息中間件—RocketMQ 消息消費(三)(消息消費重試)
  • 消息中間件—RocketMQ 消息消費(二)(push 模式實現(xiàn))
  • 消息中間件—RocketMQ 消息消費(一)
  • 消息中間件—RocketMQ 消息發(fā)送
  • 消息中間件—RocketMQ 的 RPC 通信(二)
  • 消息中間件—RocketMQ 的 RPC 通信(一)
  • (畢業(yè)真實版本)《馬來西亞雙威大學(xué)畢業(yè)證書 -|SUNWAY 畢業(yè)一模一樣證書
  • (畢業(yè)真實版本)《新加坡國立大學(xué)畢業(yè)證書 -|NUS 畢業(yè)一模一樣證書
  • 阿里零售通智能導(dǎo)購?fù)扑]技術(shù)實踐
  • “看一看”推薦模型揭秘!微信團(tuán)隊提出實時 Look-alike 算法,解決推薦系統(tǒng)多樣性問題
  • 關(guān)于機(jī)器學(xué)習(xí)歸一化
  • 網(wǎng)易新聞推薦:深度學(xué)習(xí)排序系統(tǒng)及模型
  • 一鏡到底:FM 們的原理及在貝殼搜索的實踐
  • 淘寶從幾百到千萬級并發(fā)的十四次架構(gòu)演進(jìn)之路!
  • 分布式追蹤系統(tǒng)概述及主流開源系統(tǒng)對比
  • 系統(tǒng)架構(gòu)系列(四):業(yè)務(wù)架構(gòu)實戰(zhàn)下篇
  • 系統(tǒng)架構(gòu)系列 (三):業(yè)務(wù)架構(gòu)實戰(zhàn)上篇
  • 系統(tǒng)架構(gòu)系列 (二):應(yīng)對這一概念的方法
  • 系統(tǒng)架構(gòu)系列(一):如何用公式定義該概念?
  • 寫給開發(fā)者的谷歌技術(shù)面試終極通關(guān)指南
  • 流式數(shù)據(jù)處理在百度數(shù)據(jù)工廠的應(yīng)用與實踐
  • 一文讀懂深度學(xué)習(xí):從神經(jīng)元到 BERT
  • 基于內(nèi)容的推薦算法
  • Embedding 技術(shù)在民宿推薦中的應(yīng)用
  • XLNet : 運行機(jī)制及和 Bert 的異同比較
  • 深度學(xué)習(xí)在 Airbnb 中的探索與應(yīng)用
  • 【貝殼智搜】標(biāo)簽:月老手中那一根根紅線
  • Xavier 論文疑惑(論文標(biāo)題:Understanding the difficulty of training deep feedforward neural networks)
  • TCP 報文格式高清圖
  • 從 Word Embedding 到 Bert 模型—自然語言處理中的預(yù)訓(xùn)練技術(shù)發(fā)展史
  • Bert 時代的創(chuàng)新(應(yīng)用篇):Bert 在 NLP 各領(lǐng)域的應(yīng)用進(jìn)展
  • Netflix 推薦系統(tǒng)模型的快速線上評估方法——Interleaving
  • 【真實生產(chǎn)案例】消息中間件如何處理消費失敗的消息?
  • YC 中國創(chuàng)始人陸奇:人工智能時代,芯片和底層軟件基本都要重做
  • 從 MySQL 高可用架構(gòu)看高可用架構(gòu)設(shè)計
  • abtest- 數(shù)據(jù)分析 - 假設(shè)檢驗基礎(chǔ)
  • 程序員面試最常見問題 TOP 48
  • abtest 那些事兒(下)—數(shù)據(jù)跟蹤和效果評估
  • list1 與 list2 求交集的方法總結(jié)!
  • 當(dāng)你打開天貓的那一刻,推薦系統(tǒng)做了哪些工作?
  • 高并發(fā)架構(gòu)消息隊列面試題解析
  • Embedding 在深度推薦系統(tǒng)中的 3 大應(yīng)用方向
  • 使用 ElasticSearch 的 44 條建議
  • Elasticsearch 技術(shù)分析(七): Elasticsearch 的性能優(yōu)化
  • 適合程序員用的筆記本電腦
  • 怎樣寫網(wǎng)站優(yōu)化方案
  • 馬蜂窩 ABTest 多層分流系統(tǒng)的設(shè)計與實現(xiàn)
  • ES 查詢性能調(diào)優(yōu)實踐,億級數(shù)據(jù)查詢毫秒級返回
  • 小米移動搜索中的 AI 技術(shù)
  • LSTM 原理與實踐,原來如此簡單
  • 基于 “ 滴滴 KDD 2018 論文:基于強(qiáng)化學(xué)習(xí)技術(shù)的智能派單模型 ” 再演繹
  • 阿里媽媽:電商預(yù)估模型的發(fā)展與挑戰(zhàn)
  • Attention in RNN
  • 詳解 Transformer (Attention Is All You Need)
  • SVM 優(yōu)化出來支持向量點的不等式約束不等于 1 是為什么?
  • 機(jī)器學(xué)習(xí):K 折交叉驗證的問題
  • 滴滴基于 ElasticSearch 的一站式搜索中臺實踐
  • 快手萬億級別 Kafka 集群應(yīng)用實踐與技術(shù)演進(jìn)之路
  • 微軟 AB/Testing EXP 實驗管理平臺
  • 揭開 YouTube 深度推薦系統(tǒng)模型 Serving 之謎
  • 深度學(xué)習(xí)中不得不學(xué)的 Graph Embedding 方法
  • 谷歌、阿里、微軟等 10 大深度學(xué)習(xí) CTR 模型最全演化圖譜【推薦、廣告、搜索領(lǐng)域】
  • FTRL 公式推導(dǎo)
  • 個性化推薦技術(shù)
  • 分類模型與排序模型在推薦系統(tǒng)中的異同分析
  • 阿里巴巴復(fù)雜搜索系統(tǒng)的可靠性優(yōu)化之路
  • 從 FFM 到 DeepFFM,推薦排序模型到底哪家強(qiáng)?
  • 在 faster-RCNN 中,最后一層輸出的 bbox_pred 是什么
  • 有贊百億級日志系統(tǒng)架構(gòu)設(shè)計
  • 打造工業(yè)級推薦系統(tǒng)(一):推薦算法工程師的成長之道
  • 面試官:如果讓你設(shè)計一個消息中間件,如何將其網(wǎng)絡(luò)通信性能優(yōu)化 10 倍以上?【石杉的架構(gòu)筆記】
  • 機(jī)器學(xué)習(xí)與深度學(xué)習(xí)常見面試題(上)
  • ABtest 和假設(shè)檢驗、流量分配
  • 【三. 推薦系統(tǒng)的必備要素 -2】ABtest 框架
  • 復(fù)旦邱錫鵬教授公布《神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)》,中文免費下載
  • 攜程金融大數(shù)據(jù)風(fēng)控算法實踐
  • 拯救 996 的配方
  • 【一. 概述 -2】什么樣的產(chǎn)品推薦效果明顯
  • 【一. 概述 -1】推薦系統(tǒng)簡介
  • 萬字長文解讀電商搜索——如何讓你買得又快又好
  • 【搜狐】新聞推薦系統(tǒng)的 CTR 預(yù)估模型
  • 阿里媽媽新突破:深度樹匹配如何扛住千萬級推薦系統(tǒng)壓力
  • 計算廣告中主要模塊、策略及其場景(上篇)
  • 有贊訂單搜索 AKF 架構(gòu)演進(jìn)之路
  • 獨家解讀 | 滴滴機(jī)器學(xué)習(xí)平臺架構(gòu)演進(jìn)之路
  • 前深度學(xué)習(xí)時代 CTR 預(yù)估模型的演化之路
  • 知其然,知其所以然:基于多任務(wù)學(xué)習(xí)的可解釋推薦系統(tǒng)
  • [NAACL19] 一個更好更快更強(qiáng)的序列標(biāo)注成分句法分析器
  • 一直播千萬量級用戶推薦系統(tǒng)設(shè)計之路
  • 知識圖譜 |298 萬條三元組生成方法 (一)
  • AI 下一個拐點,圖神經(jīng)網(wǎng)絡(luò)帶來哪些機(jī)遇?
  • 人臉識別如何快速工作
  • 如何強(qiáng)化數(shù)據(jù)集中某個特征的影響?
  • 強(qiáng)化學(xué)習(xí)系列二——應(yīng)用 AlphaGo Zero 思路優(yōu)化搜索排序
  • 【58 同城】中文分詞技術(shù)深度學(xué)習(xí)篇
  • 一圖勝千言: 解讀阿里的 Deep Image CTR Model
  • 推薦系統(tǒng)召回四模型之二:沉重的 FFM 模型
  • Embedding 從入門到專家必讀的十篇論文
  • 深度 CTR 預(yù)估模型中的特征自動組合機(jī)制演化簡史
  • 詳解 Airbnb 之深度學(xué)習(xí)在搜索業(yè)務(wù)的探索
  • 萬字長文帶你解讀 NLP 深度學(xué)習(xí)的各類模型
  • 基于深度強(qiáng)化學(xué)習(xí)的新聞推薦模型 DRN
  • 基于 Tensorflow 高階 API 構(gòu)建大規(guī)模分布式深度學(xué)習(xí)模型系列: 開篇
  • 【貝殼網(wǎng)】貝殼搜索平臺實時流總體架構(gòu)設(shè)計
  • 【貝殼網(wǎng)】貝殼搜索為什么能知道你想住哪?
  • 百度中文糾錯技術(shù)
  • 版本控制工具——Git 常用操作
  • 【貝殼網(wǎng)】ElasticSearch 相關(guān)性計算原理及實踐
  • 【貝殼網(wǎng)】Elasticsearch 在貝殼搜索的部署實踐
  • 【貝殼網(wǎng)】讀“懂”用戶找房需求:貝殼語義解析技術(shù)實踐
  • 【貝殼網(wǎng)】兩種簡單有效的標(biāo)簽選擇方法
  • 回顧 Facebook 經(jīng)典 CTR 預(yù)估模型
  • 主流 CTR 預(yù)估模型的演化及對比
  • 推薦系統(tǒng)召回四模型之:全能的 FM 模型
  • 自然語言處理基礎(chǔ):上下文詞表征入門解讀
  • 為什么已有 Elasticsearch,我們還要重造實時分析引擎 AresDB?
  • NLP 新秀 : BERT 的優(yōu)雅解讀
  • 詳解 Embeddings at Alibaba(KDD 2018)
  • 前員工揭內(nèi)幕:10 年了,為何谷歌還搞不定知識圖譜?
  • 人機(jī)交互式機(jī)器翻譯研究與應(yīng)用
  • 獨家揭秘:微博深度學(xué)習(xí)平臺如何支撐 4 億用戶愉快吃瓜?
  • 愛奇藝短視頻軟色情識別技術(shù)解析
  • 卷積有多少種?一文讀懂深度學(xué)習(xí)中的各種卷積
  • 深度長文:中文分詞的十年回顧
  • 機(jī)器學(xué)習(xí)中如何處理不平衡數(shù)據(jù)?
  • 【58 同城】語言模型及其應(yīng)用
  • 測試機(jī)器學(xué)習(xí)降維之線性判別模型 (LDA)
  • GBDT+LR 算法解析及 Python 實現(xiàn)
  • 網(wǎng)易杭研 分享 圖數(shù)據(jù)庫基礎(chǔ)
  • 用 Flink 取代 Spark Streaming,知乎實時數(shù)倉架構(gòu)演進(jìn)
  • 國美 11·11:大促場景下的國美智能推薦系統(tǒng)演進(jìn)之路
  • 58 精準(zhǔn)推送實踐
  • 《美團(tuán)機(jī)器學(xué)習(xí)實踐》—— 思維導(dǎo)圖
  • 「回顧」強(qiáng)化學(xué)習(xí):原理與應(yīng)用
  • 詳解 GAN 的譜歸一化(Spectral Normalization)
  • 「回顧」機(jī)器學(xué)習(xí)在反欺詐中應(yīng)用
  • 滴滴出行基于 RocketMQ 構(gòu)建企業(yè)級消息隊列服務(wù)的實踐
  • 一文讓你徹底理解準(zhǔn)確率,精準(zhǔn)率,召回率,真正率,假正率,ROC/AUC
  • HBase 寫吞吐場景資源消耗量化分析及優(yōu)化
  • Flink 在有贊實時計算的實踐
  • 語義分割江湖的那些事兒——從曠視說起
  • 「回顧」百度智能寫作如何通過人工智能技術(shù)為媒體內(nèi)容創(chuàng)作賦能?
  • 58 技術(shù)沙龍——云搜 知乎 58 同城 搜索架構(gòu)
  • 「回顧」基于金融智能風(fēng)控的實時指標(biāo)處理技術(shù)體系
  • 「回顧」阿里媽媽:定向廣告新一代點擊率預(yù)估主模型——深度興趣演化網(wǎng)絡(luò)
  • 深入剖析 Netty 源碼設(shè)計(二)——BIO NIO AIO Reactor 模式到底干了啥
  • 「機(jī)器學(xué)習(xí)基礎(chǔ)與趨勢」系列叢書最新成員:140 頁《深度強(qiáng)化學(xué)習(xí)入門》發(fā)布
  • 畢玄:我在阿里的十年技術(shù)感悟
  • 使用 Pytorch 實現(xiàn) skip-gram 的 word2vec
  • 「回顧」螞蟻數(shù)據(jù)分析平臺的演進(jìn)及數(shù)據(jù)分析方法的應(yīng)用
  • 「回顧」深度學(xué)習(xí)新技術(shù)在搜狗搜索廣告中的深化應(yīng)用
  • Google 重疊實驗框架:更多,更好,更快地實驗
  • 58 招聘推薦系統(tǒng)介紹——AB 實驗框架
  • 深入剖析 Netty 源碼設(shè)計(一)——深入理解 select poll epoll 機(jī)制
  • 從 KDD 2018 Best Paper 看 Airbnb 實時搜索排序中的 Embedding 技巧
  • 中文分詞技術(shù)及在 58 搜索的實踐
  • 58 搜索列表頁連接效率優(yōu)化實踐
  • 「回顧」58 同城 綜合排序框架 連接效率優(yōu)化實踐
  • 「行知」鑲嵌在互聯(lián)網(wǎng)技術(shù)上的明珠:漫談深度學(xué)習(xí)時代點擊率預(yù)估技術(shù)進(jìn)展
  • 推薦系統(tǒng)遇上深度學(xué)習(xí) (二十九)-- 協(xié)同記憶網(wǎng)絡(luò)理論及實踐
  • 推薦系統(tǒng)遇上深度學(xué)習(xí) (二十八)-- 知識圖譜與推薦系統(tǒng)結(jié)合之 MKR 模型原理及實現(xiàn)
  • 推薦系統(tǒng)遇上深度學(xué)習(xí) (二十七)-- 知識圖譜與推薦系統(tǒng)結(jié)合之 RippleNet 模型原理及實現(xiàn)
  • 推薦系統(tǒng)遇上深度學(xué)習(xí) (二十六)-- 知識圖譜與推薦系統(tǒng)結(jié)合之 DKN 模型原理及實現(xiàn)
  • 推薦系統(tǒng)遇上深度學(xué)習(xí) (二十五)-- 當(dāng)知識圖譜遇上個性化推薦
  • 推薦系統(tǒng)遇上深度學(xué)習(xí) (二十四)-- 深度興趣進(jìn)化網(wǎng)絡(luò) DIEN 原理及實戰(zhàn)!
  • 推薦系統(tǒng)遇上深度學(xué)習(xí) (二十三)-- 大一統(tǒng)信息檢索模型 IRGAN 在推薦領(lǐng)域的應(yīng)用
  • 推薦系統(tǒng)遇上深度學(xué)習(xí) (二十二)–DeepFM 升級版 XDeepFM 模型強(qiáng)勢來襲!
  • 推薦系統(tǒng)遇上深度學(xué)習(xí) (二十一)-- 階段性回顧
  • 推薦系統(tǒng)遇上深度學(xué)習(xí) (二十)-- 貝葉斯個性化排序(BPR) 算法原理及實戰(zhàn)
  • 推薦系統(tǒng)遇上深度學(xué)習(xí) (十九)-- 探秘阿里之完整空間多任務(wù)模型 ESSM
  • 推薦系統(tǒng)遇上深度學(xué)習(xí) (十八)-- 探秘阿里之深度興趣網(wǎng)絡(luò)(DIN) 淺析及實現(xiàn)
  • 推薦系統(tǒng)遇上深度學(xué)習(xí) (十七)-- 探秘阿里之 MLR 算法淺析及實現(xiàn)
  • 推薦系統(tǒng)遇上深度學(xué)習(xí) (十六)-- 詳解推薦系統(tǒng)中的常用評測指標(biāo)
  • 推薦系統(tǒng)遇上深度學(xué)習(xí) (十五)-- 強(qiáng)化學(xué)習(xí)在京東推薦中的探索
  • 推薦系統(tǒng)遇上深度學(xué)習(xí) (十四)–《DRN:A Deep Reinforcement Learning Framework for News Recommendation》
  • 推薦系統(tǒng)遇上深度學(xué)習(xí) (十三)–linUCB 方法淺析及實現(xiàn)
  • 推薦系統(tǒng)遇上深度學(xué)習(xí) (十二)-- 推薦系統(tǒng)中的 EE 問題及基本 Bandit 算法
  • 大眾點評搜索基于知識圖譜的深度學(xué)習(xí)排序?qū)嵺`
  • 推薦系統(tǒng)遇上深度學(xué)習(xí) (十)–GBDT+LR 融合方案實戰(zhàn)
  • 推薦系統(tǒng)遇上深度學(xué)習(xí) (八)–AFM 模型理論和實踐
  • 推薦系統(tǒng)遇上深度學(xué)習(xí) (七)–NFM 模型理論和實踐
  • 推薦系統(tǒng)遇上深度學(xué)習(xí) (六)–PNN 模型理論和實踐
  • 推薦系統(tǒng)遇上深度學(xué)習(xí) (五)–Deep&Cross Network 模型理論和實踐
  • 推薦系統(tǒng)遇上深度學(xué)習(xí) (四)-- 多值離散特征的 embedding 解決方案
  • 推薦系統(tǒng)遇上深度學(xué)習(xí) (三)–DeepFM 模型理論和實踐
  • 深度學(xué)習(xí)時代的圖模型
  • 推薦系統(tǒng)遇上深度學(xué)習(xí) (二)–FFM 模型理論和實踐
  • 推薦系統(tǒng)遇上深度學(xué)習(xí) (一)–FM 模型理論和實踐
  • BERT 大火卻不懂 Transformer?讀這一篇就夠了
  • 圖解當(dāng)前最強(qiáng)語言模型 BERT:NLP 是如何攻克遷移學(xué)習(xí)的?
  • AutoML 在推薦系統(tǒng)中的應(yīng)用
  • 一朝爆發(fā)?解讀知識圖譜和圖數(shù)據(jù)庫的 2018
  • 工作中組內(nèi)遇到的 elasticsearch 使用上的踩坑總結(jié)
  • 深度好文:2018 年 NLP 應(yīng)用和商業(yè)化調(diào)查報告
  • 深度學(xué)習(xí)在金融文本情感分類中的應(yīng)用
  • 深入剖析 ReentrantLock 公平鎖與非公平鎖源碼實現(xiàn)
  • 算法工程師必須要知道的面試技能雷達(dá)圖
  • 美團(tuán)深度學(xué)習(xí)在搜索業(yè)務(wù)中的探索與實踐
  • 回顧·搜索引擎算法體系簡介——排序和意圖篇
  • 基于知識圖譜的問答系統(tǒng)入門—NLPCC2016KBQA 數(shù)據(jù)集
  • 【干貨】Kafka 數(shù)據(jù)可靠性深度解讀
  • 回顧·CTR 預(yù)估系統(tǒng)實踐
  • 「回顧」強(qiáng)化學(xué)習(xí)在自然語言處理中的應(yīng)用
  • Spark 寬依賴 窄依賴 Job Stage Executor Task 總結(jié)
  • Spark 性能調(diào)優(yōu)總結(jié)
  • Scala 下劃線 (_) 用法匯總
  • 【干貨】Spark 之性能優(yōu)化
  • 《搜索與推薦中的深度學(xué)習(xí)匹配》之推薦篇
  • 《搜索與推薦中的深度學(xué)習(xí)匹配》之搜索篇
  • 「回顧」Yoo 視頻底層頁推薦系統(tǒng) - 從 0 到 1 的實踐
  • 吳恩達(dá)、Yann LeCun 等大佬回顧預(yù)測 2019 年 AI 發(fā)展
  • 螞蟻金服核心技術(shù):百億特征實時推薦算法揭秘
  • Numerical Coordinate Regression= 高斯熱圖 VS 坐標(biāo)回歸
  • 「回顧」AI 如何讓廣告投放進(jìn)入“自動駕駛”?
  • 隨機(jī)變量 - 統(tǒng)計學(xué)核心方法及其應(yīng)用
  • 簡單聊聊特征工程
  • 近期知識圖譜頂會論文推薦,你都讀過哪幾篇?
  • 半監(jiān)督深度學(xué)習(xí)小結(jié):類協(xié)同訓(xùn)練和一致性正則化
  • 「回顧」機(jī)器學(xué)習(xí)與推薦系統(tǒng)實踐
  • 全文搜索引擎,選 ElasticSearch 還是 Solr?
  • NLP-BERT 谷歌自然語言處理模型:BERT- 基于 pytorch
  • 羅振宇 2018“時間的朋友”跨年演講未刪減全文
  • 機(jī)器學(xué)習(xí)與數(shù)據(jù)科學(xué)決策樹指南
  • 「回顧」旅游知識圖譜的構(gòu)建和應(yīng)用
  • 「回顧」知乎推薦頁 Ranking 經(jīng)驗分享
  • 計算廣告論文及資料 && 推薦系統(tǒng)論文及資料 && 基于 Spark 的 CTR 模型資料
  • 萬物皆 Embedding,從經(jīng)典的 word2vec 到深度學(xué)習(xí)基本操作 item2vec
  • 【下】YouTube 深度學(xué)習(xí)推薦系統(tǒng)的十大工程問題
  • 【上】重讀 Youtube 深度學(xué)習(xí)推薦系統(tǒng)論文,字字珠璣,驚為神文
  • 人臉分析:數(shù)據(jù)時代的“面像學(xué)” 一文讀懂用戶畫像的前世今生
  • 「回顧」愛奇藝搜索排序模型迭代之路
  • 「回顧」NLP 在網(wǎng)絡(luò)文學(xué)領(lǐng)域的應(yīng)用
  • 清華大學(xué)圖神經(jīng)網(wǎng)絡(luò)綜述:模型與應(yīng)用
  • Netty 學(xué)習(xí)和進(jìn)階策略
  • Flink 實戰(zhàn): 結(jié)合 Kafka 構(gòu)建端到端的 Exactly-Once 處理程序
  • Apache Flink 端到端(end-to-end)Exactly-Once 特性概覽 (翻譯)
  • 《提問的智慧》中文版翻譯
  • NIPS2018 | 騰訊 AI Lab 入選 20 篇論文,含 2 篇 Spotlight
  • 【翻譯】Redis 存儲揭秘
  • 大話 Select、Poll、Epoll 機(jī)制
  • 空間數(shù)據(jù)索引 RTree 完全解析及 Java 實現(xiàn)
  • 建了個機(jī)器學(xué)習(xí)與深度學(xué)習(xí)的微信群
  • 【美團(tuán)】LruCache 在美團(tuán) DSP 系統(tǒng)中的應(yīng)用演進(jìn)
  • 【美團(tuán)】深入淺出排序?qū)W習(xí):寫給程序員的算法系統(tǒng)開發(fā)實踐
  • 基于 Flink 的嚴(yán)選實時數(shù)倉實踐
  • 百頁機(jī)器學(xué)習(xí)書
  • 基于對象特征的推薦系統(tǒng)
  • 「回顧」讓機(jī)器讀懂人類:揭秘機(jī)器閱讀理解技術(shù)及應(yīng)用
  • “IT 男等級”對照表|找找你在哪?
  • 兩位拯救谷歌的超級工程師的故事:計算機(jī)界最好的結(jié)對編程榜樣
  • 機(jī)器學(xué)習(xí)在美團(tuán)配送系統(tǒng)的實踐:用技術(shù)還原真實世界
  • [譯] 支持向量機(jī)(SVM)教程
  • YouTube 推薦系統(tǒng)改進(jìn)之路
  • 「干貨」YouTube 基于深度神經(jīng)網(wǎng)絡(luò)推薦系統(tǒng)剖析
  • 實時檢索 6700 億條推文,細(xì)談 Twitter 搜索引擎的演進(jìn)歷程
  • 【 DataFunTalk】HBase RowKey 與索引設(shè)計
  • 架構(gòu)拆分原理解析
  • 阿里開源深度學(xué)習(xí)框架 XDL,面向廣告、推薦、搜索場景
  • 我收到了斯坦福、UCL、CMU、NYU、UW 的博士 offer,這是我的經(jīng)驗
  • BigGAN 論文解讀
  • 微軟專家眼中個性化推薦系統(tǒng)的 5 大研究趨勢
  • 理解五個基本概念,讓你更像機(jī)器學(xué)習(xí)專家
  • 阿里巴巴搜索引擎平臺 Ha3 揭秘
  • Java 編程方法論之響應(yīng)式編程系列視頻
  • 每日生產(chǎn)萬億消息數(shù)據(jù)入庫,騰訊如何突破大數(shù)據(jù)分析架構(gòu)瓶頸
  • 這可能是人工智能、機(jī)器學(xué)習(xí)和大數(shù)據(jù)領(lǐng)域覆蓋最全的一份速查表
  • 菜鳥,下一代分布式體系架構(gòu)的設(shè)計理念
  • 除了抖音和頭條,字節(jié)跳動的 AI 實力有多強(qiáng)?
  • 阿里媽媽大規(guī)模在線分層實驗實踐
  • 深度學(xué)習(xí)在 Airbnb 大規(guī)模搜索排名上的實戰(zhàn)經(jīng)驗
  • 51 信用卡的個性化推薦體系
  • 【杉楓】科技與人文
  • 【杉楓】架構(gòu)抽象化設(shè)計
  • 機(jī)器學(xué)習(xí)人工智能學(xué)習(xí)資源導(dǎo)航
  • 這里好冷清
  • 蘇寧 11.11:一種基于神經(jīng)網(wǎng)絡(luò)的智能商品稅分類系統(tǒng)
  • 有贊搜索引擎從 0 到 1 技術(shù)解析
  • 人工智能大佬社區(qū)
  • 蘇寧 11.11 :蘇寧大數(shù)據(jù)離線任務(wù)開發(fā)調(diào)度平臺實踐
  • 蘇寧 11.11:蘇寧易購訂單搜索系統(tǒng)架構(gòu)及實現(xiàn)
  • 蘇寧 11.11:搜索引擎 Solr 在蘇寧易購商品評價系統(tǒng)中的應(yīng)用
  • 美團(tuán)大腦:知識圖譜的建模方法及其應(yīng)用
  • 【干貨】搜索引擎技術(shù)資料整理
  • 2143 億!2018 年天貓“雙 11”成交總額是這樣預(yù)測的
  • 一文看懂智能合約的現(xiàn)狀與未來
  • “搜你所想”之用戶搜索意圖識別
  • 【杉楓】推薦引擎異步架構(gòu)設(shè)計
  • 蘇寧 11.11:倉庫內(nèi)多 AGV 協(xié)作的全局路徑規(guī)劃算法研究
  • Kafka 設(shè)計解析(一):Kafka 背景及架構(gòu)介紹
  • 「回顧」餓了么推薦算法演進(jìn)及在線學(xué)習(xí)實踐
  • Lucene 6 數(shù)值索引以及空間索引方案
  • 互聯(lián)網(wǎng)架構(gòu),究竟為啥要做服務(wù)化?
  • Lucene 倒排索引緩沖池的細(xì)節(jié)
  • 【譯】寫給計算機(jī)專業(yè)畢業(yè)生的 22 條寶貴建議
  • 深度學(xué)習(xí)在序列化推薦中的應(yīng)用 (1)-GRU4REC 以及擴(kuò)展
  • 實時翻譯的發(fā)動機(jī):矢量語義(斯坦福大學(xué)課程解讀)
  • 騷操作!電影接吻鏡頭次數(shù)的算法實現(xiàn)
  • 響應(yīng)式編程 Rxjava 書籍視頻教程
  • 機(jī)器學(xué)習(xí),模式識別,數(shù)據(jù)挖掘常用學(xué)習(xí)資源鏈接
  • 美團(tuán)深度學(xué)習(xí)系統(tǒng)的工程實踐
  • AI 大師丨 Yoshua Bengio:純粹與理想,深度學(xué)習(xí)的 30 年
  • Apache 頂級開源項目是怎樣煉成的?國內(nèi)開發(fā)者應(yīng)該如何借鑒?
  • 大數(shù)據(jù)涼了?No,流式計算浪潮才剛剛開始!
  • 分布式高性能 redis 集群線上常見問題
  • 58 沈劍 - 分布式事務(wù),原來可以這么玩?
  • 餓了么外賣推薦算法中有哪些機(jī)制與手段?
  • 有贊搜索系統(tǒng)的架構(gòu)演進(jìn)
  • 有贊搜索系統(tǒng)的技術(shù)內(nèi)幕
  • 基于 TensorFlow Serving 的深度學(xué)習(xí)在線預(yù)估
  • 建了一個機(jī)器學(xué)習(xí)微信群
  • 阿里巴巴為什么選擇 Apache Flink?Flink——下一代大數(shù)據(jù)處理系統(tǒng)
  • 超參數(shù)搜索不夠高效?這幾大策略了解一下
  • Lucene 查詢原理
  • Lucene 解析 - 基本概念
  • Elasticsearch 之 commit point | Segment | refresh | flush 索引分片內(nèi)部原理
  • 程序員能靠技術(shù)渡過中年危機(jī)嗎?
  • 碼農(nóng)晉升為技術(shù)管理者后,痛并快樂著的糾結(jié)內(nèi)心
  • 秋招報告:2019 屆互聯(lián)網(wǎng)校招薪資出爐,90 后社招被薪酬倒掛?
  • 互聯(lián)網(wǎng)思維——真正的高手,是如何判斷趨勢的?
  • 一點做用戶畫像的人生經(jīng)驗:ID 強(qiáng)打通
  • 如何理解區(qū)塊鏈的共識算法?
  • 推薦系統(tǒng)頂會 RecSys2018 最佳論文獎出爐!因果嵌入推薦與用戶研究成為焦點
  • 程序員進(jìn)階必讀金句
  • 騰訊內(nèi)容平臺系統(tǒng)的架構(gòu)實踐
  • 58 同城推薦系統(tǒng)架構(gòu)設(shè)計與實現(xiàn)
  • 互聯(lián)網(wǎng)智能廣告系統(tǒng)簡易流程與架構(gòu)
  • 【阿里】電商搜索算法技術(shù)的演進(jìn)
  • 互聯(lián)網(wǎng)智能廣告系統(tǒng)簡易流程與架構(gòu) |
  • 如何看待「機(jī)器學(xué)習(xí)不需要數(shù)學(xué),很多算法封裝好了,調(diào)個包就行」這種說法?
  • 老程序員如何避免淪落出局?
  • 一次生產(chǎn)系統(tǒng) Full GC 問題分析與排查總結(jié)
  • 推薦系統(tǒng)遇上深度學(xué)習(xí) (十一)-- 神經(jīng)協(xié)同過濾 NCF 原理及實戰(zhàn)
  • 5 種方法求解 TopK!面試不要再問我 Topk 了~
  • 【轉(zhuǎn)自知乎】當(dāng)下(2018 年)騰訊的技術(shù)建設(shè)是否處于落后同體量公司的狀態(tài)?
  • ”大腦“爆發(fā)背后是 50 年互聯(lián)網(wǎng)架構(gòu)重大變革
  • 用戶畫像番外篇之隨筆三則
  • 互聯(lián)網(wǎng)公司面試官應(yīng)該如何去面試一個人?
  • 機(jī)器學(xué)習(xí)論文筆記—如何利用高效的搜索算法來搜索網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)
  • 北郵碩士、前百度工程師:能進(jìn)大廠,就不用讀研究生了!
  • 微服務(wù)架構(gòu)之事件驅(qū)動架構(gòu)
  • 回顧·如何構(gòu)建知識圖譜?
  • Java GC 調(diào)優(yōu)怎么做?
  • 【AIQ】梁寧萬字長文:美團(tuán)的破局與開局
  • 美團(tuán)上市,開盤漲 5.7%,市值超京東!與阿里的交鋒再升級
  • 阿里巴巴達(dá)摩院成立一年,都做了些什么?
  • 洋碼頭搜索應(yīng)用架構(gòu)
  • 洋碼頭推薦系統(tǒng)重排算法實踐
  • 洋碼頭推薦系統(tǒng)技術(shù)架構(gòu)
  • 短視頻如何做到千人千面?FM+GBM 排序模型深度解析
  • 用戶畫像番外篇之用戶活躍 / 用戶價值度分析
  • 想讀 AI 研究生?你發(fā)過幾篇 NIPS 一作?
  • 一文剖析區(qū)塊鏈現(xiàn)狀:叢林法則下的勝者
  • 10 秒抓人眼球的“技術(shù)類簡歷”怎么寫?
  • 應(yīng)用于實時視頻通信的深度學(xué)習(xí)算法研究
  • 機(jī)器學(xué)習(xí)特征工程全過程
  • 不到 10 個提升逼格的 Redis 命令
  • MySQL 不為人知的主鍵與唯一索引約束
  • 回顧·云上 HBase 冷熱分離實踐
  • 冗余數(shù)據(jù)一致性,到底如何保證?
  • 用機(jī)器學(xué)習(xí)怎樣鑒別不可描述的網(wǎng)站
  • “搞機(jī)器學(xué)習(xí)沒前途” 2018 算法崗現(xiàn)狀
  • 深入淺出搜索架構(gòu)引擎、方案與細(xì)節(jié)(上)
  • 搜索引擎倒排索引的設(shè)計與實踐
  • 北京后廠村折疊:月薪追趕五萬,生活低于五千
  • 曠視、北郵等國內(nèi)團(tuán)隊包攬六項第一,COCO&Mapillary 聯(lián)合挑戰(zhàn)賽結(jié)果公布
  • 機(jī)器學(xué)習(xí)比賽大殺器 ---- 模型融合 (stacking & blending)
  • 讀書筆記《小群效應(yīng)》
  • 推薦系統(tǒng)遇上深度學(xué)習(xí) (九)-- 評價指標(biāo) AUC 原理及實踐
  • 推薦效果線上評測:AB 測試平臺的設(shè)計與實現(xiàn)【全】
  • 【十大經(jīng)典數(shù)據(jù)挖掘算法】PageRank
  • NIPS 2018 丨解讀微軟亞洲研究院 10 篇入選論文
  • 搜狐新聞推薦算法原理 | “呈現(xiàn)給你的,都是你所關(guān)心的”
  • 強(qiáng)化學(xué)習(xí)在新聞推薦中的應(yīng)用
  • 資源 | skymind.ai 發(fā)布最新機(jī)器學(xué)習(xí) 人工智能開源數(shù)據(jù)集,
  • 五八同城智能客服系統(tǒng)“幫幫”技術(shù)揭秘
  • 微博廣告分層實驗平臺 (Faraday) 架構(gòu)實踐
  • 中文 NLP 用什么?中文自然語言處理的完整機(jī)器處理流程
  • 互聯(lián)網(wǎng)廣告 CTR 預(yù)估新算法:基于神經(jīng)網(wǎng)絡(luò)的 DeepFM 原理解讀
  • 用戶畫像—計算用戶偏好標(biāo)簽及數(shù)據(jù)指標(biāo)與表結(jié)構(gòu)設(shè)計
  • 十年技術(shù)老兵總結(jié)的自我修煉之路
  • 海量日志實時收集系統(tǒng)架構(gòu)設(shè)計與 go 語言實現(xiàn)
  • 25 個機(jī)器學(xué)習(xí)開放性面試題,沒有明確答案
  • 用戶畫像之標(biāo)簽權(quán)重算法
  • 用戶畫像——標(biāo)簽聚類
  • 用戶畫像——數(shù)據(jù)質(zhì)量管理
  • 回顧·知識圖譜在貝殼找房的從 0 到 1 實踐
  • Google 首席決策師告訴你數(shù)據(jù)科學(xué)究竟是什么?
  • 通俗解釋協(xié)方差與相關(guān)系數(shù)
  • AI 的思維
  • 如何構(gòu)建用戶畫像—打用戶行為標(biāo)簽
  • 比低情商更可怕的,是一個人的固執(zhí)
  • 科學(xué)匠人 | 微軟亞洲研究院 陳薇 用數(shù)學(xué)邏輯來優(yōu)化工作和人生
  • AdaBoost 算法詳解 原理 推導(dǎo)及應(yīng)用
  • 獨家揭秘!2.5 億用戶的美團(tuán)智能推薦平臺是如何構(gòu)建的?
  • 我在機(jī)器學(xué)習(xí)踩過的坑,現(xiàn)在告訴你怎么跳過去
  • 資本的鉤子
  • 觀點 | 機(jī)器學(xué)習(xí) =「新瓶裝舊酒」的數(shù)據(jù)統(tǒng)計?No!
  • 褚時健:發(fā)快財?shù)臅r代過去了,年輕人要先做好這些事
  • 分布式事務(wù)的實現(xiàn)原理 2pc 3pc XA 事務(wù)
  • 大神總結(jié)的機(jī)器學(xué)習(xí)的數(shù)學(xué)基礎(chǔ),掌握這些足夠
  • KDD 2018 | 推薦系統(tǒng)特征構(gòu)建新進(jìn)展:極深因子分解機(jī)模型
  • 寫在博士旅程之前——前大疆創(chuàng)新技術(shù)總監(jiān)楊碩
  • 感知機(jī) +SVM+LR
  • 一位 49 歲的程序員、持續(xù)創(chuàng)業(yè)者教會我的寶貴經(jīng)驗
  • 馬云:如果事情都準(zhǔn)備好了再做,那我就不會成功了
  • Google 十年,我的認(rèn)知被徹底顛覆
  • 回顧·HBase 在貝殼找房的實踐經(jīng)驗
  • 神馬搜索技術(shù)演進(jìn)之路
  • 如何將知識圖譜特征學(xué)習(xí)應(yīng)用到推薦系統(tǒng)?
  • AIQ | 十多年前的那些 IT 工程師都去哪里了?
  • 租客的至暗時刻:昨天買不起房,今天租不起房
  • 資源 | Python 技巧 101:這 17 個騷操作你都 Ok 嗎
  • IT 公司 全能 CTO 的必備要素
  • 被“偽興趣”毀掉的年輕人
  • 機(jī)器學(xué)習(xí)第三篇——分類決策樹
  • 機(jī)器學(xué)習(xí)第二篇——邏輯回歸
  • 美團(tuán)在 O2O 場景下的廣告營銷
  • 美團(tuán) | 寫給工程師的十條精進(jìn)原則
  • AIQ | 諾獎得主點評:人工智能其實就是統(tǒng)計學(xué),用了一個很華麗的辭藻
  • 推薦引擎中規(guī)則以及策略
  • AIQ | 陸奇去向最終敲定!帶領(lǐng) YC 孵化器進(jìn)軍中國
  • 聊聊阿里社招面試,談?wù)劇耙吧盝ava 程序員學(xué)習(xí)的道路
  • 一文解說 Scala Trait 所有用法
  • Scala 面向?qū)ο缶幊讨惡蛯ο?/li>
  • Spark 三種提交模式:Standalone | yarn-client | yarn-cluster
  • 【干貨】機(jī)器學(xué)習(xí)中的五種回歸模型及其優(yōu)缺點
  • SparkSQL 大數(shù)據(jù)實戰(zhàn):shuffle hash join、broadcast hash join 以及 sort merge join 三種 join 大揭秘
  • 【區(qū)塊鏈】一文看懂區(qū)塊鏈【詳解區(qū)塊鏈】
  • 觀點 | 博士離開學(xué)術(shù)界算不算失敗?牛津大學(xué)博士有話要說
  • 春風(fēng)十里不如你
  • 深度學(xué)習(xí)必備的幾款流行網(wǎng)絡(luò)與數(shù)據(jù)集
  • 為什么程序員一言不合就重構(gòu)代碼?
  • KDD2018 | 電商搜索場景中的強(qiáng)化排序?qū)W習(xí):形式化、理論分析以及應(yīng)用
  • 我們該如何學(xué)習(xí)機(jī)器學(xué)習(xí)中的數(shù)學(xué)
  • 拼多多為什么崛起?這是目前解讀最深刻的一篇
  • 騰訊聯(lián)合創(chuàng)始人張志東:發(fā)光的人要能拿得起,放得下
  • VIPKID 一二面面經(jīng) (算法工程師)
  • 一條數(shù)據(jù)的 HBase 之旅,簡明 HBase 入門教程 -Flush 與 Compaction
  • 一條數(shù)據(jù)的 HBase 之旅,簡明 HBase 入門教程 -Write 全流程
  • 一條數(shù)據(jù)的 HBase 之旅,簡明 HBase 入門教程 - 開篇
  • 30 張地圖看懂世界格局,用大數(shù)據(jù)說話
  • 面向機(jī)器學(xué)習(xí):數(shù)據(jù)平臺的設(shè)計與搭建
  • 雷軍最不待見,劉強(qiáng)東深惡痛絕,寧愿解散團(tuán)隊,這 7 類人也絕不能留
  • 刷爆朋友圈的高贊演講:為什么最棒的員工往往沒有完美的簡歷?
  • 神經(jīng)網(wǎng)絡(luò)的激活函數(shù)總結(jié)
  • 趙大偉 | 區(qū)塊鏈通證經(jīng)濟(jì)的本質(zhì)與落地路徑
  • 雷軍:小米創(chuàng)業(yè) 8 年內(nèi)部影像首次公開 看完我心里邊都是一團(tuán)火
  • 雷軍,黃崢,王興,互聯(lián)網(wǎng) 2018 年的夏天
  • 拼多多上市,80 后 CEO 創(chuàng)業(yè) 3 年身價 800 億,背后這 3 個字最值得深思
  • 基于內(nèi)容的圖像檢索技術(shù)綜述 傳統(tǒng)經(jīng)典方法
  • AIQ - 百度深度學(xué)習(xí)圖像識別決賽代碼分享 (OCR)
  • AIQ - 區(qū)塊鏈 | 淺談區(qū)塊鏈技術(shù)與阿里云的探索實踐
  • 工業(yè)數(shù)據(jù)采集方法深度學(xué)習(xí)
  • AIQ - AI | 快手 AI 技術(shù)副總裁鄭文:為什么說 AI 是短視頻平臺的核心能力
  • AIQ- 深度 | 碧桂園的雞血、狗血和人血
  • 隨機(jī)森林概述
  • 關(guān)于感受野的總結(jié)
  • AIQ - 區(qū)塊鏈 | AI+ 區(qū)塊鏈深度解析,美國 VC 大咖:這是未來十年的趨勢 | 33 頁 PPT
  • 流形學(xué)習(xí)概述
  • AIQ - 深度 | 網(wǎng)易云音樂王詩沐:我們是如何四年時間做到 4 億用戶的
  • AIQ - AI | 32 篇論文、7 大事業(yè)群,這是騰訊在斯德哥爾摩的 AI 之夜
  • 羅輯思維 CEO 脫不花:關(guān)于工作和成長,這是我的 121 條具體建議
  • AIQ - 深度 | 中關(guān)村風(fēng)云 40 年
  • 基于深度負(fù)相關(guān)學(xué)習(xí)的人群計數(shù)方法
  • AIQ | Elasticsearch 史上最全最常用工具清單
  • AIQ -【干貨】模型驗證的常用“武器”—ROC 和 AUC
  • AIQ - deeplearning.ai 全套吳恩達(dá)老師的深度學(xué)習(xí)課程筆記及資源在線閱讀
  • 人臉檢測算法之 S3FD
  • AIQ - 有贊的面試經(jīng)歷,被虐的有點慘
  • AIQ - 從損失函數(shù)的角度詳解機(jī)器學(xué)習(xí)算法之邏輯回歸
  • AIQ - 架構(gòu) | 優(yōu)秀架構(gòu)師必須掌握的架構(gòu)思維
  • AIQ - 個人發(fā)展和職業(yè)規(guī)劃的理論性敘述
  • 理解計算 從根號 2 到 AlphaGo 第 3 季神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)模型
  • AIQ - 學(xué)界 | SIGIR 2018 最佳論文:基于流行度推薦系統(tǒng)有效性的概率分析
  • AIQ - Solr 與 ES(ElasticSearch)的對比
  • AIQ - 機(jī)器學(xué)習(xí)近年來之怪現(xiàn)狀
  • 怎樣成為一名優(yōu)秀的算法工程師
  • AIQ - 深度 | 學(xué)會為自己工作
  • AIQ - 干貨 | 1400 篇機(jī)器學(xué)習(xí)的論文中,這 10 篇是最棒的!
  • AIQ - 干貨 | Elasticsearch 趨勢科技實戰(zhàn)分享筆記
  • AIQ - 深度 | 市值 465 億美元的小米八年往事
  • AIQ - | NLP 領(lǐng)域的 ImageNet 時代:詞嵌入已死,語言模型當(dāng)立
  • AIQ - 區(qū)塊鏈 | 國內(nèi)區(qū)塊鏈項目技術(shù)全面解析
  • 機(jī)器學(xué)習(xí)算法地圖
  • 反向傳播算法推導(dǎo) - 全連接神經(jīng)網(wǎng)絡(luò)
  • AIQ - NLP | CNN 也能用于 NLP 任務(wù),一文簡述文本分類任務(wù)的 7 個模型
  • AIQ - 語音識別 | 微軟亞研自動語法糾錯系統(tǒng)達(dá)到人類水平
  • AIQ - 人工智能 | 人工智能軍備競賽:一文盡覽全球主要國家 AI 戰(zhàn)略
  • AIQ - 架構(gòu) | 軟件服務(wù)架構(gòu)的一些感悟
  • AIQ - 人工智能 | “照騙”難逃 Adobe 的火眼金睛——用機(jī)器學(xué)習(xí)讓 P 圖無所遁形
  • AIQ - 架構(gòu) | 知乎服務(wù)化的實踐與思考
  • AIQ - 深度 | 知乎高贊:久居一線城市都有什么錯覺?
  • 發(fā)布 AI 芯片昆侖和百度大腦 3.0、L4 自動駕駛巴士量產(chǎn)下線,這是百度 All in AI 一年后的最新答卷
  • AIQ - 架構(gòu) | SpringBoot 開發(fā)案例從 0 到 1 構(gòu)建分布式秒殺系統(tǒng)
  • AIQ - 架構(gòu) | 京東推薦系統(tǒng)架構(gòu)揭秘:大數(shù)據(jù)時代下的智能化改造
  • AIQ - 架構(gòu) | Java 程序員該如何突破瓶頸,阿里小馬哥十年架構(gòu)師經(jīng)驗之談(文末送書)
  • AIQ - 架構(gòu) | Kafka 服務(wù)端 網(wǎng)絡(luò)層 reactor 架構(gòu)
  • AIQ - 干貨 | 從零到一學(xué)習(xí)知識圖譜的技術(shù)與應(yīng)用
  • AIQ - 基礎(chǔ) | 深度學(xué)習(xí)之基礎(chǔ)知識詳解
  • AIQ - 深度 | 排隊離婚、落戶、上天臺,所有人都在賭明天
  • 深度神經(jīng)網(wǎng)絡(luò)(DNN)模型與前向傳播算法
  • 深度神經(jīng)網(wǎng)絡(luò)(DNN)反向傳播算法 (BP)
  • 深度神經(jīng)網(wǎng)絡(luò)(DNN)損失函數(shù)和激活函數(shù)的選擇
  • AI 發(fā)展越來越快, 十年或二十年后哪些工作不會被替代?
  • 教程 | 算法太多挑花眼?教你如何選擇正確的機(jī)器學(xué)習(xí)算法
  • 到底該不該去創(chuàng)業(yè)公司?
  • 真正的高手都是悄無聲息的擺渡人
  • 棚改 - 三四線樓市再無未來
  • 你畢業(yè)幾年了,混成什么鬼樣子了?看看這些年輕人怎么說
  • 知乎高贊:家里在一二線城市有很多套房是怎么的一種體驗?答案太顛覆
  • 美團(tuán)點評 - 深度學(xué)習(xí)在計算機(jī)視覺中的應(yīng)用
  • AIQ 干貨 | 螞蟻金服科技一篇文章帶你學(xué)習(xí)分布式事務(wù)
  • 深度學(xué)習(xí)在美團(tuán)搜索廣告排序的應(yīng)用實踐是怎么樣的?
  • AIQ |【學(xué)界】機(jī)器學(xué)習(xí)、數(shù)據(jù)科學(xué) 如何進(jìn)階成為大神?
  • AIQ - 為什么要使用交叉驗證?
  • AIQ|【供應(yīng)鏈】十張圖幫你理解供應(yīng)鏈 IT 名詞!(上篇)
  • AIQ|【學(xué)界】吳恩達(dá) Deep Learning Specialization 課程刷后感(附課程視頻,字幕,全套 PPT,作業(yè))
  • AIQ|【供應(yīng)鏈】供應(yīng)鏈、物流、采購到底有什么區(qū)別?
  • AIQ |【供應(yīng)鏈】2018 年中國智慧物流行業(yè)市場前景研究報告
  • AIQ | 阿里是如何應(yīng)對超大規(guī)模集群資源管理挑戰(zhàn)的?
  • AIQ | 優(yōu)秀的算法工程師都是不用深度學(xué)習(xí)的
  • AIQ | Coursera 吳恩達(dá)深度學(xué)習(xí)教程中文筆記最新版
  • AIQ | 吳恩達(dá)課程從未失望,斯坦福 CS230 深度學(xué)習(xí)課程全套資料放出(附下載)
  • AIQ | NLP 算法工程師的學(xué)習(xí)、成長和實戰(zhàn)經(jīng)驗
  • AIQ| 深醒首席科學(xué)家張鈸院士:深度學(xué)習(xí)優(yōu)勢與短板,中國 AI 機(jī)遇和挑戰(zhàn)
  • AIQ| 出軌大數(shù)據(jù)新出爐,暴露一個驚人真相
  • AIQ | 萬萬沒想到,枯燥的“機(jī)器學(xué)習(xí)”還可以這樣學(xué)!
  • AIQ | 44 篇論文強(qiáng)勢進(jìn)擊 CVPR 2018,商湯科技的研究員都在做哪些研究?
  • AIQ | 面試經(jīng)驗·機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、算法工程師(校招)
  • AIQ | Spark 及 Spark Streaming 核心原理及實踐
  • AIQ | Spark 團(tuán)隊開源新作:全流程機(jī)器學(xué)習(xí)平臺 MLflow
  • AIQ 教程 |「川言川語」:用神經(jīng)網(wǎng)絡(luò) RNN 模仿特朗普的語言風(fēng)格
  • AIQ | 求生之路:博士生涯的 17 條簡單生存法則
  • 面試了 8 家公司,社招機(jī)器學(xué)習(xí)面試題
  • 人工智能入門書單推薦,學(xué)習(xí) AI 的請收藏好(附 PDF 下載)
  • 互聯(lián)網(wǎng)降維打擊是一個什么概念?
  • 今日頭條算法原理(全文)
  • 機(jī)器學(xué)習(xí)新手必須掌握的十大算法指南
  • 近期 GitHub 上最熱門的開源項目(附鏈接)
  • 深度 | 可視化 LSTM 網(wǎng)絡(luò):探索「記憶」的形成

  • 算法一些落地的優(yōu)質(zhì)資料,都在這個開源項目里了!覺得不錯記得Star哦~! 算法學(xué)習(xí)資料: AI_Tutorial

    總結(jié)

    以上是生活随笔為你收集整理的搜索,推荐,广告系统架构及算法技术资料大合集吐血整理——2020年终分享的全部內(nèi)容,希望文章能夠幫你解決所遇到的問題。

    如果覺得生活随笔網(wǎng)站內(nèi)容還不錯,歡迎將生活随笔推薦給好友。