-
风控建模流程：以京东群体感知项目为例
导读：本次分享将以群体风险感知为例，从需求挖掘、数据挖掘、建模再到最终的模型部署应用，详细介绍全流程的风控建模方案。下面将从这几个方面出发，详细的讲解具体流程中的概念，同时会给出每个流程中的目标、实现方法、交付物，让同学们在具体实践的时候有目标，有方法。 ▌业务需求挖掘 [图片] 任何项目的起源，都 ....- 1年前
-
详解 Transformer （Attention Is All You Need）
前言 注意力（Attention）机制[2]由 Bengio 团队与 2014 年提出并在近年广泛的应用在深度学习中的各个领域，例如在计算机视觉方向用于捕捉图像上的感受野，或者 NLP 中用于定位关键 token 或者特征。谷歌团队近期提出的用于生成词向量的 BERT[3]算法在 NLP 的 11 ....- 1年前
-
一、什么是 DoD？ 当你有两个或更多的人参与同一个事情的时候，我们的“团队”就产生了，这时我们最重要的事情，就是要设定和统一团队的期望值，在本文中，这就是**“完成标准”**。 一个迭代做完后，团队要进行验收，来决定本个迭代是否完成。但每个团队对于是否完成无法达成统一，有的认为编码完成，就表示任务 ....
- 1年前
-
字节跳动混沌工程实践总结
本文选自“字节跳动基础架构实践”系列文章。 “字节跳动基础架构实践”系列文章是由字节跳动基础架构部门各技术团队及专家倾力打造的技术干货内容，和大家分享团队在基础架构发展和演进过程中的实践经验与教训，与各位技术同学一起交流成长。 混沌工程是通过故障注入的方式帮助系统寻找薄弱点，从而提高系统的稳定性。随 ....- 1年前
-
AIQ| 深醒首席科学家张钹院士：深度学习优势与短板，中国 AI 机遇和挑战
前言 在首届世界智能大会上，深醒科技首席科学家、中国科学院院士张钹发表了题为《基于大数据的人工智能》演讲，分享了中美人工智能差异、深度学习成功的三大法宝、隐患与短板以及中国如何实现人工智能基础研究赶超欧美等话题的见解。 张钹院士简介 [图片] 清华大学计算机系教授，中国科学院院士，深醒科技首席科学家 ....- 1年前
-
多目标排序模型在腾讯 QQ 看点推荐系统中的应用实践
作者：zhongzhao，腾讯 PCG 应用研究员 在推荐系统中，最常用的排序模型是以用户点击为目标的 CTR 预估模型，它没有考虑用户点击后的消费深度，也没有考虑用户的多种互动行为带来的生态方面的收益。为了取得 CTR 以外的更多收益，QQ 看点团队在深度学习框架下，对推荐系统中的多目标建模做了一 ....- 1年前
-
拼多多创始人黄峥：我的人生经历和创业理念
本文来源丨浙大校友创业研究 内容来源丨北大纵横，杭州浙江大学校友会 黄峥 拼多多创始人 [图片] 2002 年本科毕业于浙江大学竺可桢学院，2004 年获得美国威斯康星大学麦迪逊分校计算机硕士学位，随后加入美国谷歌。2006 年回国，参与谷歌中国办公室的创立。2007 年从谷歌离职创业，先后创立电商 ....- 1年前
-
要解决的问题 范围查询 在一个二维平面上，有很多点，给定一个矩形，怎么快速的将落在矩形中的点找出来？ 这个问题还可以推广到任意维度，一维就是区间查询，三维就是在长方体内部。 近邻查询 离我最近的餐馆有哪些？ 这个问题可以抽象成二维空间中，要找出距离某个点最近的点的集合。 一维的场景 这个场景非常简单 ....
- 1年前
-
AIQ - 基础 | 深度学习之基础知识详解
转载自 datayx 公众号 过拟合，欠拟合 过拟合（overfitting）：学习能力过强，以至于把训练样本所包含的不太一般的特性都学到了。 欠拟合（underfitting）：学习能太差，训练样本的一般性质尚未学好。 下面是直观解释： [图片] 《机器学习》--周志华 下面在那一个具体的例子： ....- 1年前
-
爱奇艺大数据生态的实时数仓建设
作者： 爱奇艺技术产品团队 数据作为互联网时代的基础生产资料，在各大公司企业拥有举足轻重的地位。数据的价值在互联网公司的体现，大致而言可以分成三类： 发掘数据中的信息来指导决策，如产品运营、用户增长相关的 BI 报表 依托数据优化用户体验和变现效率，如信息分发场景下的个性化推荐、效果广告等 基于数据 ....- 1年前
-
A/B 测试中我们都会犯的十个常见错误
作者：Romain AYRES 本文由 AI 公园授权转载，转载请联系出处 编译：ronghuaiyang 导读 这篇博客文章的目的不是告诉你在运行 A/B 测试时应该做什么，而是告诉你不应该做什么。 “没有数据，你只是一个有观点的人。” 这个著名的_W. Edwards Deming_引用说明了 ....- 1年前
-
【杉枫】推荐引擎异步架构设计
作者： 探索互联网 如果一味追求实时设计，对于线上并发量大的业务来说，瓶颈点是很多的，一个是 IO 消耗时间、一个是存储消耗时间、一个是计算消耗时间。实际情况并不是一个方面的问题，而是三个方面交织在一起。 [图片] IO 消耗时间，包含数据读取，读取数据量大，量大 IO 就会消耗时间长。做了很多优化 ....- 1年前
-
为什么已有 Elasticsearch，我们还要重造实时分析引擎 AresDB？
Uber 工程博客 2019 年 2 月 24 日 [图片] 作者 | Jian Shen, Ze Wang, David Wang, Jeremy Shi, and Steven Chen AresDB 在 Uber 被广泛使用，为我们的实时数据分析仪表盘提供支持，使我们能够针对业务的各个方面大规 ....- 1年前
-
搜索引擎背后的经典数据结构和算法
原文： 码海 喜欢请关注文末公众号 前言 我们每天都在用 Google, 百度这些搜索引擎，那大家有没想过搜索引擎是如何实现的呢，看似简单的搜索其实技术细节非常复杂，说搜索引擎是 IT 皇冠上的明珠也不为过，今天我们来就来简单过一下搜索引擎的原理，看看它是如何工作的，当然搜索引擎博大精深，一篇文章不 ....- 1年前
-
卷积有多少种？一文读懂深度学习中的各种卷积
作者： Kunlun Bai 机器之心编译 参与：熊猫 我们都知道卷积的重要性，但你知道深度学习领域的卷积究竟是什么，又有多少种类吗？研究学者 Kunlun Bai 近日发布一篇介绍深度学习的卷积文章，用浅显易懂的方式介绍了深度学习领域的各种卷积及其优势。鉴于原文过长，机器之心选择其中部分内容进行介 ....- 1年前
-
LinkedIn 招聘推荐系统中的机器学习的威力
作者：Jesus Rodriguez 编译：ronghuaiyang 导读： 这篇文章介绍了机器学习推荐系统在 LinkedIn 招聘系统中的应用，大家可以重点关注不同业务场景中推荐系统所关注的业务指标。 [图片] LinkedIn 是市场上最受欢迎的招聘平台之一。每天，世界各地的招聘人员都依赖 L ....- 1年前
-
Lucene 源码系列——索引文件的生成（八）之 dim&&dii（Lucene 8.4.0）
在前面的文章中，我们介绍了在 Lucene7.5.0 中索引文件.dim&&.dii 的数据结构，从本篇文章开始介绍其生成索引文件。dim&&.dii 的内容，注意的是，由于是基于 Lucene8.4.0 来描述其生成过程，故如果出现跟 Lucene7.5.0 中不一 ....- 1年前
-
老程序员如何避免沦落出局？
对于程序员来说，身处更新换代如此快速的技术领域，如何实现个人利益最大化并在职场中走得远爬到高是个很重要的命题。 [图片] 作者 ｜岳京杭 责编 ｜郭芮 农耕社会，妻子织布，丈夫种田，一个家庭，只需少许外部依赖，就能生存生活下去。 在社会生产高度专业化的今天，人们的衣食住行等活动，处处依赖外部协作网络 ....- 1年前
-
视频 | 信息流推荐技术在凤凰网的业务实践
[图片] 2 月 15 日(周六)晚 19 点，DataFun 邀请来自凤凰网的技术总监马迪老师分享了“信息流推荐技术在凤凰网的业务实践”。本次分享介绍了过去一段时间凤凰网算法团队在资讯信息流推荐上，更贴近业务的一些经验。 来源： DataFunTalk 内容摘要 作为资讯阅读的用户产品，我们一直在 ....- 1年前
-
AIQ - NLP | CNN 也能用于 NLP 任务，一文简述文本分类任务的 7 个模型
本文介绍了用于文本分类任务的 7 个模型，包括传统的词袋模型、循环神经网络，也有常用于计算机视觉任务的卷积神经网络，以及 RNN + CNN。 本文是我之前写过的一篇基于推特数据进行情感分析的文章（https://ahmedbesbes.com/sentiment-analysis-on-twitt ....- 1年前
-
