作者：Harshit Tyagi 编译：ronghuaiyang 导读 构建端到端机器学习项目的任务检查清单。 [图片] Image for post 我正在创建一系列有价值的项目，我想到了将我从别人那里学到的或在工作中开发的实践记录下来。在本博客中，我整理了在处理端到端 ML 项目时经常提到的任务 ....

作者丨郭雅志 学校丨北京化工大学 研究方向丨 NLP、知识图谱、对话/问答系统 本人认为学习一样东西，直接上手跑实验是最有效提升的方法之一。看了那么多的理论介绍文章，抽象的说辞，最后还是似懂非懂。所以，直接上手数据集跑实验，与理论结合，能有更深刻的了解。同时也记录下学习 KBQA 的过程，也希望对同 ....

当设置了 TermVector 的域生成了倒排表以后，将文档的词向量信息写到。tvx（vector_index）跟。tvd（vector_data）文件中。 数据结构 .tvd 图 1： [图片] PackedIntsVersion PackedIntsVersion 描述了压缩使用的方式，当前版本 ....

作者 | 张俊林@新浪微博 目录 知识蒸馏典型方法 知识蒸馏在推荐系统中的三个应用场景 知识蒸馏在三类推荐排序中的方法介绍 联合训练召回、粗排及精排模型的设想 随着深度学习的快速发展，优秀的模型层出不穷，比如图像领域的 ResNet、自然语言处理领域的 Bert，这些革命性的新技术使得应用效果快速提 ....

导语：标签为用户提供了一种新的检索方式，用户和信息通过标签进行关联，信息的标签化、行为的标签化，在提供个性召回能力的同时，也有助于帮我梳理和挖掘业务品类的特征，做相关业务属性的聚合。 背景 当下全连接的信息场景，所有对于有助于连接转化效率提升的内容和考虑尤为重要，这就要求我们在实际业务场景中，结合用 ....

当 STORE.YES 的域生成了倒排表以后，将文档的域值信息写入到。fdt（field data）、.fdx（field index）文件中。 数据结构 .fdt 图 1： [图片] ChunkSize ChunkSize 用来描述压缩存储域值信息的方式，后面会详细介绍。 PackedIntsVe ....

公众号：月来客栈，欢迎关注！微信： nulls8 [图片] 模型产生过拟合的现象表现为：在训练集上误差较小，而在测试集上误差较大。并且笔者还说到，之所以产生过拟合现象是由于训练数据中存在一定的噪音，而我们为了尽可能的做到拟合每一个样本点（包括噪音），往往就会使用复杂的模型。最终使得训练出来的模型很大 ....

[图片] 一。Standalone 模式基于 spark 自己的 Master-Worker 集群。 就是之前的 spark-submit 提交的方式这里不再详细叙述。如果不清楚可以看这篇文章 如果要切换成第二种，第三种模式。将之前的 submit 脚本添加上--master 参数 设置为 yarn ....

[图片] 译者：张峰 ，Datawhale 成员 特征工程 传统编程的关注点是代码。在机器学习项目中，关注点变成了特征表示。也就是说，开发者通过添加和改善特征来调整模型。“Garbage in, garbage out”。对于一个机器学习问题，数据和特征往往决定了结果的上限，而模型、算法的选择及优化 ....

作者： 鲁佳(鹿迦) 世界上有两件最难的事：把别人的钱装进自己的口袋；把自己的思想装进别人的脑袋。 为什么沟通那么重要 谁都知道在工作中沟通是非常重要的，那大家有没有真正想过为什么沟通这么重要呢？ 首先我们想想看，在你的日常工作时间分配上，“沟通”所用的时间占比多少呢？日常的会议、在钉钉上的讨论、处 ....

本文根据美团高级技术专家翟艺涛在 2018 QCon 全球软件开发大会上的演讲内容整理而成，内容有修改。 引言 2018 年 12 月 31 日，美团酒店单日入住间夜突破 200 万，再次创下行业的新纪录，而酒店搜索在其中起到了非常重要的作用。本文会首先介绍一下酒店搜索的业务特点，作为 O2O 搜索 ....

上期回顾 《30 天到 3 分钟的改变！》系列主要讨论机器学习流程的三个阶段：数据获取和处理、模型训练和评估、模型部署和迭代。上期我们通过建模工具、算法和框架、高性能训练、管理特性重点介绍了模型训练相关的工具特性。本期将重点讨论模型部署和迭代！ 模型部署和迭代 [图片]机器学习建模项目全流程 模型部 ....

文章作者：梁超 腾讯 高级工程师 编辑整理：Hoh Xil 内容来源：DataFun AI Talk 出品社区：DataFun [图片] 导读： 本次分享的主题为推荐系统中模型训练及使用流程的标准化。 在整个推荐系统中，点击率 ( CTR ) 预估模型是最为重要，也是最为复杂的部分。无论是使用线性模 ....

[图片] 本文转载自美团技术团队。 1. 背景 在过去十年，机器学习在学术界取得了众多的突破，在工业界也有很多应用落地。美团很早就开始探索不同的机器学习模型在搜索场景下的应用，从最开始的线性模型、树模型，再到近两年的深度神经网络、BERT、DQN 等，并在实践中也取得了良好的效果与产出。 本文将与大 ....

文章整理自一鸣在“源码资本 2017 年码会”上的演讲。演讲主题是：如何应对公司变大之后的管理挑战。 一鸣认为，“Context，not Control”是一种比较好的管理解决方案。Context 指决策所需要的信息集合，Control 则是追求控制感的各种流程。 Context 有 5 点优势：1 ....

[图片] 文章作者：姚凯飞 编辑整理：Hoh 导读： 用户画像也是近几年比较热的一个词，不过很多小伙伴对于画像的认知还只是标签化的层面，或者只是利用其做一些简单的分群分析；如何全面地认知并做系统性地尝试，背后有非常多的点需要我们深思挖掘。今天就根据自己的一些浅见进行分享，因为与商品画像的联系，中间也 ....

[图片] 作者： 彭长平 转载自 京东推荐系统中的兴趣拓展如何驱动业务持续增长 大家好，我是京东推荐广告的彭长平。今天主要跟大家介绍一些我们过去一两年在京东推荐系统里做的一些算法的创新。 演讲主要分三部分： 第一部分是简单描述一下电商的推荐与普通的、大家熟知的其他推荐系统的一些差异。电商推荐系统它自 ....

[图片] 作者：张克丰 新浪微博 文章整理：崔媛媛 内容来源：DataFunTalk 出品平台：DataFun 导读： O 系列广告是当前信息流广告的主流投放方式，目标是通过对广告主 ROI 进行优化，提高平台整体收益。其核心是通过技术手段智能化的解决广告主对流量的获取。微博 O 系列广告的策略模型 ....

日志收集系统应该说是到达一定规模的公司的标配了，一个能满足业务需求、运维成本低、稳定的日志收集系统对于运维的同学和日志使用方的同学都是非常 nice 的。然而这时理想中的日志收集系统，现实往往不是这样的...本篇的主要内容是：首先吐槽一下公司以前的日志收集和上传；介绍新的实时日志收集系统架构；用 g ....