1. Kafka需要依赖于Zookeeper，先安装Zookeeper zookeeper需要依赖于jdk环境，需要先安装jdk环境 1.1 Zookeeper的单机安装 去官网Apache ZooKeeper下载zookeeper安装...

大家知道，EXCEL有个散点图，可以进行线性拟合，指数拟合，多项式拟合等。可以得出方程式，决定系数R方等值。 这个散点图的趋势线，就是按多项式拟合 但是问题来了，如果我不想用三次方…

分享嘉宾：于倬浩，字节跳动抖音算法部门 整理出品：扬奇智能社区 导读: 中文纠错技术是实现中文语句自动检查、自动纠错的一项重要技术，其目的是提高语言正确性的同时减少人工校验成本。纠错模块作为自然语言处理最基础的模块，其重要程度不言而喻。在日常生活中，我们经常会在微信、微博等社交工具或公众号文章中发现 ....

[图片] 分享嘉宾：罗清 快手 高级算法工程师 编辑整理：吴祺尧 加州大学圣地亚哥分校 出品平台：DataFunTalk 导读： 推荐系统存在数据分布偏差与数据稀疏的问题，主要体现在群体兴趣与用户个性化的差异不易捕捉、部分反馈信号稀疏、负反馈不灵敏等。而对比学习可以在一定程度上缓解上述问题，提高推荐 ....

[图片] 分享嘉宾：陈振兴博士 京东科技 算法工程师 编辑整理：李树桃 微博 出品平台：DataFunTalk 导读： 本文主题为怎样利用图机器学习，在智能反欺诈上做一些探索，主要内容包括： 业务背景介绍 反欺诈中常用的模型及图算法原理 在实际业务中如何应用这些图算法 总结和展望 01 业务背景介绍 ....

[图片] 作者： silwer 公众号：机器学习与推荐系统 稿 最近做了一段时间粗排，也想总结下自己的心得给大家分享下，感兴趣的朋友可以一起再探讨探讨 一般在搜推方向来说，召回后往往会跟排序，那么有的排序模块有粗排，有的直接就是精排。我们在早期的时候，业务比较简单，各模块也是初步搭建，就想当然的加上 ....

[图片] 分享嘉宾：朱杰明 华为诺亚方舟实验室 编辑整理：张奥宇 AWS 出品平台：DataFunTalk 导读： 经过多年的技术进步，推荐系统场景已经从最开始的协同过滤，发展到了现在的深度学习为核心的阶段。随着深度学习模型的体量逐渐变大后，其优化的难度也在增大，特别在推理性能上的限制下，最后模型的 ....

作者：邦祝 淘系技术 稿 本系列文章包含每平每屋过去一年在召回、排序和冷启动等模块中的一些探索和实践经验，本文为该专题的第七篇。 第一篇指路： 淘系技术 | 冷启动系统优化与内容潜力预估实践 第二篇指路： 淘系技术｜GNN 在轻应用内容推荐中的召回实践 第三篇指路：淘系技术｜基于特征全埋点的精排OD ....

作者：阅谦、豆苗 淘系技术 稿 本专题共8篇内容，包含每平每屋过去一年在召回、排序和冷启动等模块中的一些探索和实践经验，本文为该专题第一篇。 在召回侧基于GNN和向量解耦表征技术缓解了零少行为用户推荐的马太效应；排序侧通过模型的在线深度学习、生成式重排、下拉深度优化等技术大幅度提升了内容分发效率和推 ....

文章目录 1、前言与算法简述 2、AHP层次分析法过程 2.1 构建层次评价模型 2.2 构造判断矩阵 2.3 层次单排序与一致性检验 2.3.1 层次单排序 2.3.2 求解最大…

本系列文章包含每平每屋过去一年在召回、排序和冷启动等模块中的一些探索和实践经验，本文为该专题的第二篇。 第一篇指路： 淘系技术 - 冷启动系统优化与内容潜力预估实践 前言 每平每屋是阿里巴巴旗下家居家装平台，涵盖淘宝每平每屋家居频道、每平每屋设计家、每平每屋App、每平每屋制造业等家居全链路服务，为 ....

本系列文章包含每平每屋过去一年在召回、排序和冷启动等模块中的一些探索和实践经验，本文为该专题的第四篇。 第一篇指路： 淘系技术 | 冷启动系统优化与内容潜力预估实践 第二篇指路： 淘系技术｜GNN 在轻应用内容推荐中的召回实践 第三篇指路：淘系技术｜基于特征全埋点的精排ODL实践总结 前言 在每平每 ....

欢迎加群交流数据分析： 一、基本知识 数据的种类 我们都知道，一般数据可以分为两类，即定量数据（数值型数据）和定性数据（非数值型数据），定性数据很好理解，例如人的性别，姓名这些都是…

So, What is the Kano Model? Noriaki Kano，一名日本研究学者、咨询师，他在1984年发表了一篇论文，提出一套帮助我们确定用户（和潜在用户）对产…

本系列文章包含每平每屋过去一年在召回、排序和冷启动等模块中的一些探索和实践经验，本文为该专题的第四篇。 第一篇指路： 淘系技术 | 冷启动系统优化与内容潜力预估实践 第二篇指路： 淘系技术｜GNN 在轻应用内容推荐中的召回实践 第三篇指路：淘系技术｜基于特征全埋点的精排ODL实践总结 第四篇指路： ....

Pandas的style用法在大多数教程中见的比较少，它主要是用来美化DataFrame和Series的输出，能够更加直观地显示数据结果。 下面采用某商店的零售数据集，通过实际的应…

前年，手机开始流行渐变色，我们帮助某厂商做手机外观的CMF偏好测试。我们大概测了十几个手板，有经典的黑色银色，更多的是各种渐变色。研究设计时，我们遇到一个挑战：如果只能推出四种颜色…

本系列文章包含每平每屋过去一年在召回、排序和冷启动等模块中的一些探索和实践经验，本文为该专题的第六篇。 第一篇指路： 淘系技术 | 冷启动系统优化与内容潜力预估实践 第二篇指路： 淘系技术｜GNN 在轻应用内容推荐中的召回实践 第三篇指路：淘系技术｜基于特征全埋点的精排ODL实践总结 第四篇指路： ....

[图片] 分享嘉宾：苏涛 极验 高级算法工程师 编辑整理：王姝琪 北京理工大学 出品平台：DataFunTalk 导读： 验证码作为网络安全的第一道屏障，其重要程度不言而喻。当前，卷积神经网络的高速发展使得许多验证码的安全性大大降低，一些新型验证码甚至选择牺牲可用性从而保证安全性。针对对抗样本技术的 ....

这篇文章为大家整理一下实际使用中比较高频的一些用法，当然还会有一篇关于时间序列处理的文章。在这里需要强调一点就是，不建议初学者上来就把Pandas中所有的方法都啃一遍，这样效率太低…