-
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
-
反向传播算法推导 - 全连接神经网络
反向传播算法是人工神经网络训练时采用的一种通用方法，在现代深度学习中得到了大规模的应用。全连接神经网络（多层感知器模型，MLP），卷积神经网络（CNN），循环神经网络（RNN）中都有它的实现版本。算法从多元复合函数求导的链式法则导出，递推的计算神经网络每一层参数的梯度值。算法名称中的“误差”是指损失 ....- 1年前
-
英文原文：https://medium.com/@l2k/why-are-machine-learning-projects-so-hard-to-manage-8e9b9cf49641 作者：Lukas Biewald 编译：ronghuaiyang 导读 我看到过很多公司尝试使用机器学习 —— ....
- 1年前
-
机器学习算法地图
[图片] 很多同学在学机器学习和深度学习的时候都有一个感受：所学的知识零散、不系统，缺乏整体感，这是普遍存在的一个问题。在这里，SIGAI 对常用的机器学习和深度学习算法进行了总结，整理出它们之间的关系，以及每种算法的核心点，各种算法之间的比较。由此形成了一张算法地图，以帮助大家更好的理解和记忆这些 ....- 1年前
-
二部图表示学习 | Graph Convolutional Matrix Completion
作者： 浅梦的学习笔记 “ 本系列主要介绍图表示学习在推荐系统中常见的 user-item interaction 数据上的建模。我们可以将 user-item interaction data 看做是关于 user-item 的二分图 Bipartite，这样可以基于 GNN 的方法进行 user ....- 1年前
-
AIQ - 区块链 | 国内区块链项目技术全面解析
作者 ｜陈浩 出处 ｜极客时间《深入浅出区块链》专栏 从 2009 年中本聪制作了比特币世界的第一个区块“创世区块”开始，到 2014 年，以中国为矿机的产业链日益成熟，至今为止国内的优质区块链项目日益增多，并且势头很足，不容小觑。今天我们来全面解析一下国内优秀项目的设计思路与技术特点。 [图片]文 ....- 1年前
-
阿里 B 类电商用户增长实践
导读： 用户量始终是衡量一个产品成功与否的重要指标，而搜索往往又是电商平台最大的流量入口。本次分享将介绍阿里 B 类电商平台 1688 的用户生命周期分析、全链路用户增长体系以及深度学习在搜索上的应用。 主要内容包括： 1. 用户增长 2. 搜索 3. 集单中控 ▌用户增长 [图片] 首先看一下 1 ....- 1年前
-
选自 the Gradient，作者：Sebastian Ruder，机器之心编译。 计算机视觉领域常使用在 ImageNet 上预训练的模型，它们可以进一步用于目标检测、语义分割等不同的 CV 任务。而在自然语言处理领域中，我们通常只会使用预训练词嵌入向量编码词汇间的关系，因此也就没有一个能用于整 ....
- 1年前
-
