随着大数据时代的到来，特征工程发挥着越来越重要的作用。那么什么是特征工程呢，简单说，就是发现对因变量 y 有明显影响作用的特征，通常称自变量 x 为特征，特征工程的目的是发现重要特征。 一般来说，特征工程大体上可以分为三个方面，一是特征构造 ，二是特征选择 ，，三是特征生成 。三个方面当中，最重要的 ....

分享嘉宾：李世昌 贝壳 资深工程师 编辑整理：申新兴 出品平台：DataFunTalk 导读： DMP 是一个大家讨论已久的话题，尤其广告领域，是以 DMP 为基础来展开工作的。由于每个公司所面临的业务场景不同、问题不同，所以在具体落地时的做法也不尽相同。今天主要和大家分享贝壳如何进行 DMP 落地 ....

2018-09-17 阿里技术 背景 什么是搜索离线？ 一个典型的商品搜索架构如下图所示，本文将要重点介绍的就是下图中的离线数据处理系统（Offline System）。 [图片] 何谓离线？在阿里搜索工程体系中我们把搜索引擎、在线算分、SearchPlanner 等 ms 级响应用户请求的服务称之 ....

[图片] 阅读原文 深入理解推荐系统：召回 深入理解 YouTube 推荐系统算法 深入理解推荐系统：排序 写在前面 作为【推荐系统】系列文章的第二篇，将以“召回”作为今天的主角，会从四个方面来介绍召回的不同算法方式，即基于内容的召回、协同过滤、基于 FM 模型召回和基于深度学习的方法。 一、背景介 ....

[图片] 什么是 CTR 预估 CTR（Click-Through-Rate）即点击通过率，是互联网广告常用的术语，指网络广告（图片广告/文字广告/关键词广告/排名广告/视频广告等）的点击到达率，即该广告的实际点击次数除以广告的展现量。 CTR 是衡量互联网广告效果的一项重要指标。 CTR 预估数据 ....

文章作者：萧瑟 阿里妈妈 内容来源：炼丹实验室@知乎 这次向大家分享的工作是我所在的阿里定向广告团队在 DLP-KDD 2020 发表的文章：COLD: Towards the Next Generation of Pre-Ranking System。COLD 是我们新一代粗排排序系统，目前已经在 ....

Twitter 的实时搜索引擎起步于一家被收购的小公司，随着流量的增长、功能的增加和服务对象的扩张，搜索引擎不断面临着新的挑战，设计经历了多次变化。本演讲将介绍该实时搜索引擎进化历程中的挑战和决策。 王天， Twitter Senior Staff Engineer, 2003 年清华计算机系本科毕 ....

1、诊断Spark 程序内存的消耗 A、Spark 程序中内存都花费在哪里？ Ø每个 Java 对象，都有一个对象头，会占用 16 个字节，主要是包括了一些对象的元信息，比如指向它的类的指针。如果一个对象本身很小，比如就包括了一个 int 类型的 field，那么它的对象头实际上占用的内存比对象自己 ....

[图片] 分享嘉宾：梁建煌 爱奇艺 编辑整理：张宇轩 内容来源：Flink Forward Asia 导读： 随着大数据的快速发展，行业大数据服务越来越重要。同时，对大数据实时计算的要求也越来越高。今天会和大家分享下爱奇艺基于 Apache Flink 的实时计算平台建设实践。 今天的介绍会围绕下面 ....

[图片] 文章作者：龙楚、丹鸥、晨宁、元涵 内容来源：阿里机器智能 导读： 用户建模是搜索与推荐模型的核心技术。我们力求从实际应用出发，和大家分享我们在搜索场景中用户建模的一些实践经验。同时将我们所观察到的现象、问题写出来，欢迎大家多讨论交流。 01 背景与意义 用户建模是搜索与推荐模型的核心技术。 ....

随机变量概述 统计学的本质是从具有不可预测性的数据中提取信息，随机变量则是为这种可变性建立模型的数学工具。 在每一次观测中，随机变量随机取不同的值。 我们无法提前预测随机变量的精确取值，但是可以对可能的取值做出概率性的刻画。 也就是说，我们可以描述随机变量的取值的分布。 本章简要回顾应用随机变量时所 ....

[图片] 分享嘉宾：羲农、里熙 @ 阿里飞猪 编辑整理：刘金鑫 出品平台：DataFunTalk、AI 启蒙者 导读： 在飞猪推荐场景中，除了对单一商品的推荐外，还包括对以主题形式组织的商品集合的推荐。飞猪旅行主题是一款兼具个性化和发现性心智的产品，在信息流中不但承担着精确匹配用户需求的作用，还扮演 ....

背景 58 同城作为中国最大的分类信息网站，为用户提供招聘、租房、二手车及黄页等多种信息服务，其中招聘业务是公司的主要业务之一。招聘平台有千万级的求职者用户，每天有百万级的新增职位发布，如何提高招聘方与求职者的双边匹配效率和用户体验，是招聘数据策略团队一直致力于解决的核心问题。此外，58 招聘求职者 ....

阅读原文 随着计算机行业的飞速发展，摩尔定律逐渐失效，多核 CPU 成为主流。使用多线程并行计算逐渐成为开发人员提升服务器性能的基本武器。J.U.C 提供的线程池：ThreadPoolExecutor 类，帮助开发人员管理线程并方便地执行并行任务。了解并合理使用线程池，是一个开发人员必修的基本功。 ....

作者：carloslin，腾讯 PCG 应用研究员 Embedding 技术目前在工业界以及学术界中应用非常广泛，关于 Embedding 的探索和应用从未停歇。Embedding 的训练方法主要分成 DNN 的端到端的方法以及序列学习的非端到端的方法，其中最经典的 word2vec 以及由此衍生出 ....

安妮 夏乙 李根 发自 凹非寺 量子位 报道 | 公众号 QbitAI 还有什么新趋势能比人工智能和区块链更火吗？ 2016 年 AlphaGo 大杀四方以来，2017 区块链狂飙突进以来，这两大新技术就迅速集聚了资本、人才和舆论关注。 一般而言，AI 被当做生产力进行类比，区块链则被认为在变革生产 ....

请问有大佬知道图中的数据集哪里来的吗，论文里面写的是 6 synthetic bivariate benchmark distributions，但是没给数据集来源，搜索图片也搜不到，这个数据我看很多生成式模型的验证里面都有，请问是哪里的数据呀？ [图片] 不一定要完全一样，我看很多文献里面长得略有 ....