网站首页 第924页

• 

  原来深度学习模型搭建可以像累砖一样简单

  本文内容参考《深度学习计算机视觉实战》，该书内容包括深度学习与计算机视觉基础介绍、常用的OpenCV进行模型训练前处理与后处理算法、计算机视觉案例实战、Windows/Linux/Android/国产化平台的模型部署，学习路线如下：...

  2024-10-03 btikc 技术文章 14 ℃ 0 评论
• 

  Kernel分类器 分类器性能

  本教程的目的是使机器学习数据集可线性分离。本教程分为两部分：特征转换使用Tensorflow训练核分类器在第一部分中，您将了解核分类器背后的想法，而在第二部分中，您将了解如何使用Tensorflow训练核分类器。您将使用adult数据集。...

  2024-10-03 btikc 技术文章 12 ℃ 0 评论
• 

  孙玄:转转如何打造AI工程架构体系

  点击上方“中台架构”，选择“星标”公众号重磅干货，第一时间送达2018年5月18-19日，由51CTO主办的全球软件与运维技术峰会在北京召开。此次峰会围绕人工智能、大数据、物联网、区块链等12大核心热点，汇聚海内外60位一线专家，是一场高端...

  2024-10-03 btikc 技术文章 12 ℃ 0 评论
• 

  推荐系统工程难题:如何做好深度学习CTR模型线上Serving

  自研平台无论是在五六年前深度学习刚兴起的时代，还是TensorFlow，PyTorch已经大行其道的今天，自研机器学习训练与上线的平台仍然是很多大中型公司的重要选项。为什么放着灵活且成熟的TensorFlow不用，而要从头到尾进行模...

  2024-10-03 btikc 技术文章 12 ℃ 0 评论
• 

  推荐系统工程难题:如何做好深度学习 CTR 模型线上 Serving

  这篇文章希望讨论的问题是深度学习CTR模型的线上serving问题。对于CTR模型的离线训练，很多同学已经非常熟悉，无论是TensorFlow，PyTorch，还是传统一点的SparkMLlib都提供了比较成熟的离线并行...

  2024-10-03 btikc 技术文章 12 ℃ 0 评论
• 

  在线学习在爱奇艺信息流推荐业务中的探索与实践

  ▌概述爱奇艺的信息流推荐业务每天会产生数十亿规模的feed浏览，如此大规模的数据给模型训练带来了很大的挑战。同时，信息流这类用户与推荐系统的强交互场景也引入了很多有趣的研究课题。对于信息流推荐产品来说，用户和产品交互性高，用户兴趣变化也很快...

  2024-10-03 btikc 技术文章 13 ℃ 0 评论
• 

  推荐精排模型之经典排序模型 推荐精排模型之经典排序模型的理由

  背景工业推荐系统一般包含四个环节，分别是召回、粗排、精排和重排。召回阶段根据用户的兴趣和历史行为，从海量的物品库里，快速找回一小部分用户潜在感兴趣的物品，然后交给排序环节，排序环节可以融入较多特征，使用复杂模型，来精准地做个性化推荐。有时候...

  2024-10-03 btikc 技术文章 12 ℃ 0 评论
• 

  前深度学习时代CTR预估模型的演化之路:从LR到FFM

  上篇专栏文章我们说清楚了一件事情“CTR预估模型是互联网的增长之心”，在互联网永不停歇的增长需求的驱动下，CTR预估模型（以下简称CTR模型）的发展也可谓一日千里，从2010年之前千篇一律的逻辑回归（LogisticRegre...

  2024-10-03 btikc 技术文章 13 ℃ 0 评论
• 

  手淘促活那些事儿 | 智能投放算法框架助力用户增长

  作者|王主彬（墨蠡）出品|阿里巴巴新零售淘系技术部导读：本文主要介绍以手淘促活为目的的全链路智能投放算法框架，该框架目前接入以Pagani为核心的全链路运营平台，首先使用用户意图识别算法圈选出目标人群，然后借助物料智能推荐和权益动态面...

  2024-10-03 btikc 技术文章 11 ℃ 0 评论
• 

  让天下没有难用的搜索:阿里搜索如何成长为贴心“暖男”?

  阿里搜索技术体系演进至今天，基本形成了由offline、nearline、online三层体系，分工协作，保证电商平台上，既能适应日常平稳流量下稳定有效的个性化搜索及推荐，也能够去满足电商平台对促销活动的技术支持，实现在短时高并发流量下的平...

  2024-10-03 btikc 技术文章 11 ℃ 0 评论