-
LSTM 原理与实践，原来如此简单
目录 [图片] 一、介绍 1.1 LSTM 介绍 LSTM 全称_Long Short-Term Memory_，是 1997 年就被发明出来的算法，作者是谁说了估计也记不住干脆就不说了（主要是我记不住，逃…） 经过这么多年的发展，基本上没有什么理论创新，唯一值得说的一点也就是加入了 Dropout ....- 1年前
-
快手万亿级别 Kafka 集群应用实践与技术演进之路
赵健博 [图片] Kafka 系统在快手有着很广泛的应用，随着其业务的高速发展， Kafka 集群的规模也成指数增长，目前快手 Kafka 集群日消息处理总量达数万亿级别，峰值超过 1 亿 /s。与此同时，快手也面临了很多新问题与技术挑战。本文整理自快手高级架构师、大数据架构团队负责人赵健博在 QC ....- 1年前
-
FreeWheel | 实时数据系统弹性伸缩实践
作者 | 韩飞 1. 引言 随着大数据技术的不断发展，数据实时性的需求变得越来越迫切，这对实时数据处理的基础架构提出了更高的要求。如何应对实时数据的流量变化，特别是突发流量，成为实时数据处理架构不得不面对的挑战性问题。对于 FreeWheel 这样一家服务全美 90% 的主流电视媒体和运营商的视频广 ....- 1年前
-
华为云细粒度文本情感分析及应用
分享嘉宾：李明磊博士 华为云 NLP 算法专家 编辑整理：付一韬 出品平台：DataFunTalk 导读： 随着移动互联网的普及，网络上每天产生大量的文本数据，蕴含着巨大的有价值信息。情感分析作为自然语言处理中的一个重要研究方向。在实践中有着广泛的应用，如商品评论分析、政治、金融、旅游等领域中的商品 ....- 1年前
-
爱奇艺短视频推荐：粗排篇
随刻基础推荐团队 导读： 工业界的推荐系统通常包括召回、粗排、精排以及重排四个阶段，如图一所示，每个阶段都像是一个漏斗，从海量的物品集合中过滤出用户最有可能感兴趣的物品。其中粗排模型发挥的主要作用是统一计算和过滤召回结果，在尽量保证推荐准确性的前提下减轻精排模型的计算压力。本文主要介绍爱奇艺随刻基础 ....- 1年前
-
《领域驱动设计 DDD》核心知识梳理笔记
本书是毕业后读的第二本偏专业书，刚工作读的第一本教的是代码层面的如何让具体实现更优雅， 而这本书旨在提升抽象能力、顶层设计、领域建模能力。看书的过程中，书里解答了之前工作中很多的困惑，比如 团队间，项目模块间如何界定边界？有没有好的方式让项目代码摆脱越来越不可控的结局？另外更重要的是，我们看书的过程 ....- 1年前
-
视频：美图个性化 push AI 探索之路
[图片] 分享嘉宾：周燕稳、蒋文瑞 美图 编辑整理：Hoh Xil 内容来源：2019 DataFun Live 16 出品社区：DataFun 导读： Push 作为一种有效的拉起 DAU 和召回用户的策略，近几年来被各类社交 App 广泛应用，随着深度神经网络在语音和图像识别上取得的巨大成功，A ....- 1年前
-
干货 | 携程 Elasticsearch 数据同步实践
作者简介 dot，携程技术经理，专注高并发、高性能领域。 一、背景 Elasticsearch 是最近几年非常热门的分布式搜索和数据分析引擎，携程内部不仅使用 ES 实现了大规模的日志平台，也广泛使用 ES 实现了各个业务场景的搜索、推荐等功能。 本文聚焦在业务搜索的场景分享了我们在做数据同步方面的 ....- 1年前
-
作者： [链接] [链接] 今天我们不分析论文，而是总结一下 Embedding 方法的学习路径，这也是我三四年前从接触 word2vec，到在推荐系统中应用 Embedding，再到现在逐渐从传统的 sequence embedding 过渡到 graph embedding 的过程，因此该论文列 ....
- 1年前
-
深度学习必备的几款流行网络与数据集
一。 常用网络 深度学习相关的几个比较著名的网络，AlexNet、VGG、GoogleNet、ResNet。 [图片] 从整体趋势来看，准确度越来越高，同时网络层数也越来越多，可以认为网络结构的复杂性带来效果的提高，而模型参数的数量并非越多越好，合适就好，参数数量太多可能会一定程度上导致过拟合问题。 ....- 1年前
-
机器学习里面 K 折交叉验证，到底验证的是什么？ 比如，我需要一个模型，然后用了 K 折交叉验证，k 次的训练集都不一样，那么模型中算出来的参数也不一样，那我不就相当于有了 k 个模型。那 K 次的 MSE 平均得到模型的评估值有什么意义？ 另外，那我该怎么确定模型的参数？
- 1年前
-
文本相关性在蘑菇街搜索推荐排序系统中的应用
[图片] 作者：美丽联合集团 算法工程师 琦琦 ，公众号关注：诗品算法 本文经作者授权转载，转载请联系原作者 推荐阅读：蘑菇街首页推荐视频流——增量学习与 wide&deepFM 实践（工程 + 算法） 0、引言 好久不见。十月最后一天，居然也是十月的第一篇，脸疼。今天我们来聊聊相关性吧。如 ....- 1年前
-
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
去年的 7 月 5 日，百度在北京国际会议中心开办了首届「AI 开发者大会」。在会上，百度首次喊出了「All in AI」的口号。一年的时间过去了，今天在同样地点举行的第二届开发者大会上，李彦宏说道：去年我吹过一个牛，百度的 L4 级别无人驾驶车的量产，会在 2018 年的 7 月份。今天我要说的是 ....- 1年前
-
生产实践 | 基于 Flink 的直播实时数据建设 （一）| 需求和架构篇
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。相信大家或多或少都观看过直播，那大家有没有想过，如果自己负责建设公司内整体直播实时数 ....- 1年前
-
美团图数据库平台建设及业务实践
来源： 登昌 梁帅 高辰等 美团技术团队 导读：图数据结构，能够更好地表征现实世界。美团业务相对较复杂，存在比较多的图数据存储及多跳查询需求，亟需一种组件来对千亿量级图数据进行管理，海量图数据的高效存储和查询是图数据库研究的核心课题。本文介绍了美团在图数据库选型及平台建设方面的一些工作。 1 前言 ....- 1年前
-
马蜂窝 ABTest 多层分流系统的设计与实现
导读： 5 月 23 日，马蜂窝旅游网宣布完成 2.5 亿美元新一轮融资，此轮融资由腾讯领投。 在接授腾讯《潜望》栏目的专访时，马蜂窝 CEO 陈罡谈到，「现在马蜂窝是个数据驱动的公司，要以结果说话，能用 ABTest 解决的问题就没有必要谈其他」。 作为一家数据驱动的公司，当前在马蜂窝 ABTes ....- 1年前
-
Java 编程方法论-响应式编-RxJava 已完结 重制版 bilibili：[链接] 油管：[链接] 视频下载地址：[链接] 提取码： xe8s Java 编程方法论-响应式编-Reactor 更新至 35P B 站：[链接] 油管：[链接] 视频部分源码： [链接]
- 1年前
-
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
-
