-
一文看懂智能合约的现状与未来
https://img.6aiq.com/e/5ccf378b4043435b8a2ed0c56a414ea2.html;charset=UTF-8https://img.6aiq.com/e/a2d10b20b0674a9c81a947c782ccc569.html;charset=UTF-8&g ....- 1年前
-
import numpy as np import random import matplotlib.pyplot as plt C=1 def selectj(i,n): j = i while(j==i): j = random.randint(0,5) return j xt1 = np.ar ....
- 1年前
-
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
[图片] 译者 | shawn 编辑 | 姗姗 出品 | 人工智能头条 （公众号 ID：AI_Thinker） 【导读】下图是 2008 年伊朗政府发布的一张图片，然而强大的网友们却凭借着肉眼，看出来图中黄色圈出的部分和红色圈出的部分是一模一样的，不得不说网友们真的是火眼金睛。而在今年的 CVPR ....- 1年前
-
生产实践 | Flink + 直播（二）| 如何建设实时公共画像维表？
注：本文经授权转载自 mangodata YangYichao 转载请关注作者公众号联系原作者 ❝本系列每篇文章都是从一些实际生产实践需求出发，解决一些生产实践中的问题，抛砖引玉，以帮助小伙伴们解决一些实际生产问题。本篇为直播实时数据建设系列的第二篇，本篇主要介绍直播间画像实时维表建设的整个过程，如 ....- 1年前
-
首先，这种配置还要散热好的[链接]都长不了，而且也不会太轻。其次 [链接] [链接] 对配置的要求并没有这么高，可以考虑配置稍低但续航较长的电脑，标压 i5+860M/960M 就可以满足需求，剩下的钱可以加加 SSD，内存什么的。 其实，还是看你是哪种类型。也就是你的需求。 1. 痴迷技术型 我认 ....
- 1年前
-
深度拆解特征工程经典案例，掌握比赛上分利器
在建模领域人们常说，数据和特征决定机器学习的上限，而模型和算法只是不断地逼近这个上限。 真正参与过机器学习比赛的人，都能深深体会特征工程在构建机器学习模型中的重要性，它决定了你在比赛排行榜中的位置。 因为在算法竞赛的过程中，大家知道的数据都差不多，算法也都差不多，真正能拉开差距的地方就在于特征工程和 ....- 1年前
-
强化学习系列二——应用 AlphaGo Zero 思路优化搜索排序
文章作者：杨镒铭 滴滴出行 高级算法工程师 内容来源：记录广告、推荐等方面的模型积累@知乎专栏 在深度学习大潮之后，搜索推荐等领域模型该如何升级迭代呢？强化学习在游戏等领域大放异彩，那是否可将强化学习应用到搜索推荐领域呢？推荐搜索问题往往也可看作是序列决策的问题，引入强化学习的思想来实现长期回报最大 ....- 1年前
-
精华 | 搜索推荐系统实战篇 - 上半篇
欢迎关注我的公众号： 炼丹笔记 1. 前言 背景 在电商搜索中，例如淘宝，拼多多，京东等的搜索的场景往往是：用户 A 通过搜索框 Query 找到他/她想要购买的东西，然后搜索引擎通过某些算法策略返回一系列商品，用户再决定是否进行点击购买。 要做好这样一个问题，我们需要抓住问题的核心。那么搜索引擎的 ....- 1年前
-
在我的数据集中，总共有 180 个特征，所有的特征都归一化到了 0-1 区间，但是其中有两个非常重要，其他的也不能去掉，通过对特征施加权重可以实现吗。另外，如果对这些特征施加权重，所有权重之和为 1，也就是说有 180 个权重，所有权中加和为 1，而我的特征已经归一化到了 0-1 区间，在与权重相乘 ....
- 1年前
-
【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？
知乎原文 https://www.zhihu.com/question/278473776/answer/497643585?from=timeline&isappinstalled=0&utm_medium=social&utm_source=wechat_timeline ....- 1年前
-
-
打造工业级推荐系统（一）：推荐算法工程师的成长之道
导读：个性化推荐系统，简单来说就是根据每个人的偏好推荐他喜欢的物品。互联网发展到现在，推荐系统已经无处不在，在各行各业都得到普遍都应用。亚马逊号称 40% 的收入是来自个性化推荐系统的，淘宝的个性化推荐系统也带来非常大的收益，新闻媒体的个性化推荐系统典型的是今日头条，直播平台给用户推荐喜欢的主播，金 ....- 1年前
-
贝壳找房【语言模型系列】原理篇二：从 ELMo 到 ALBERT
上一篇贝壳找房【语言模型系列】原理篇一：从 one-hot 到 Word2vec 讲到了 word2vec 存在”一词多义“的问题，其主要原因在于 word2vec 生成的词向量是“静态”的，每一个词固定的对应着一个词向量表示，也就是说在 word2vec 训练好之后，在使用单词的向量表示的时候，不 ....- 1年前
-
有赞百亿级日志系统架构设计
一、概述 日志是记录系统中各种问题信息的关键，也是一种常见的海量数据。日志平台为集团所有业务系统提供日志采集、消费、分析、存储、索引和查询的一站式日志服务。主要为了解决日志分散不方便查看、日志搜索操作复杂且效率低、业务异常无法及时发现等等问题。 随着有赞业务的发展与增长，每天都会产生百亿级别的日志量 ....- 1年前
-
2020 最新版《神经网络与深度学习》中文版更新完毕！（附 pdf 下载）
[图片] 介绍 《神经 ⽹络和深度学习》是 ⼀本免费的在线书，对读者数学知识需求适度，兼顾理论和动手实践。⽬前给出了在图像识别、语 ⾳识别和 ⾃然语 ⾔处理领域中很多问题的最好解决 ⽅案，教读者在神经 ⽹络和深度学习背后的众多核 ⼼概念。本书翻译：朱小虎。 本书英 ⽂原版地址为： http://ne ....- 1年前
-
知乎 | 搜索文本相关性与知识蒸馏
[图片] 分享嘉宾：申站 知乎 算法工程师 编辑整理：许宴铭 出品平台：DataFunTalk 导读： 大家好，我是申站，知乎搜索团队的算法工程师。今天给大家分享下知乎搜索中文本相关性和知识蒸馏的工作实践，主要内容包括： 知乎搜索文本相关性的演进 BERT 在知乎搜索的应用和问题 知识蒸馏及常见方案 ....- 1年前
-
在软件项目开发中有一些不同的角色，但很容易让人陷入在概念和责任交叉的误区里。 在本文中，我们着重来过考量 IT 互联网行业的三个主要职位：产品经理，项目经理和产品经理。这些专家都是项目开发的关键角色，似乎挺相像，但是区分他们的专业边界很重要。 角色定义 让我们开始深入分析这些职业的概念。想请大家注意 ....
- 1年前
-
58 同城 | 联盟广告平台架构及实践
[图片] 分享嘉宾：曲瑶 58 同城 架构师 编辑整理：张磊 出品平台：DataFunTalk、AI 启蒙者 导读： 随着大数据的快速发展，大数据应用已经融入各行各业。在很多场景中得到了商业化实践。今天和大家分享下 58 同城联盟广告平台架构及实践。主要包括：58 联盟广告 SSP 媒体平台、投放平 ....- 1年前
-
贝壳找房—置信度计算在语音识别系统中的应用
近年来，语音识别技术得到了广泛的应用，人们开始将需求转向识别过程中错误词的捕捉、音频质量的检测等领域。本文通过计算置信度，赋予每个单词或每条语句相应的分数，设置合适的阈值，可以将语音识别系统输出中的某个单词标记为正确或不正确，将某条语句标记为高质量或低质量，便于系统进行后续研究及应用。 1 为什么要 ....- 1年前
-
深度学习在 58 同城租房搜索排序的应用
导读：深度学习得益于良好的深层特征表达性，目前在视觉、文本、语音等领域获得了广泛的应用。搜索领域紧贴用户需求，作为深度学习商业变现最成功的路径之一，众多头部企业发展出了许多优秀的应用。58 同城是国内最大的生活信息服务平台，涵盖房产、招聘、黄页、二手车等多个业务，在多个业务线的搜索服务上，TEG 搜 ....- 1年前
-
