一文揽尽搜索推荐、广告系统等人工智能领域优质技术文章

本贴最后更新于 1541 天前,其中的信息可能已经沧海桑田

搜索推荐、广告系统优质资源整理

AI 架构、搜索系统、 推荐系统、广告系统等技术资料整理。这篇文章意图是收集市面上质量不错的后端架构、AI 架构、搜索、 推荐、 广告引擎技术资料,内容来源包括开源项目官网(Lucene、Solr、Elastic)、综合技术网站(AIQ 、infoQ、Stackoverflow、github 等、国内外知名互联网公司技术博客(阿里中间件团队博客、美团技术博客等)、知名技术牛人公众号博客等。

github 地址:https://github.com/cbamls/AI_Tutorial

资源网站地址: https://www.6aiq.com

个人视角有限,还望各位大佬进行 PR 补充、丰富,谢谢。


开源相关

Lucene

大公司

阿里

阿里搜索事业部技术团队
阿里集团搜索、推荐、图像技术的大本营,大数据时代的创新主场。

阿里中间件团队博客
2012 年期间,阿里中间件博客记录了 20 多篇 Lucene、Solr 相关博文,主要记录了一些在项目开发过程中遇到的问题,以及部分源码解读。内容丰富、实用,但不是很系统。

百度

京东

美团点评

美团点评技术团队博客
在国内互联网公司中,个人认为“美团点评技术团队博客”是最持之以恒的,而且非常干货。

携程

去哪儿

搜狗

一号店

待分类

国内

开发应用

理论基础

常见问题


人工智能领域文集

  1. 从一句情话来了解语言模型的发展
  2. 见微知著,你真的搞懂 Google 的 Wide&Deep 模型了吗?
  3. 用户画像技术及方法论
  4. 【布道师系列】杨健——30 天到 3 分钟的改变!下篇
  5. 为什么 L2 正则化能够缓解模型过拟合并使得模型更简单
  6. 知识蒸馏在推荐系统的应用
  7. Embedding 技术在推荐系统中的实践总结
  8. xDeepFM 算法理论与实践
  9. Wide&Deep 算法理论与实践
  10. 推荐系统系列(二):FFM 算法理论与实践
  11. 推荐系统系列(一):FM 算法 理论与实践
  12. 深度学习推荐系统中各类流行的 Embedding 方法(下)
  13. 【深度语义匹配模型】实践篇:语义匹配在贝壳找房智能客服中的应用
  14. 请问深度学习里面生成式模型验证常用的一个数据集来源(有图)
  15. 算法工程师必知必会的经典模型系列一:Transformer 模型串讲
  16. 基于多任务学习和负反馈的深度召回模型
  17. 算法工程师也会遇到 35 岁这道坎么?
  18. 图解 SimCLR 框架,用对比学习得到一个好的视觉预训练模型
  19. 从算法工程师到主管的转变,需要改变的是什么
  20. NLP 技术在金融资管领域的落地实践
  21. BERT 的优秀变体:ALBERT 论文图解介绍
  22. 贝壳找房【深度语义匹配模型】原理篇二:交互篇
  23. 推荐系统中稀疏特征 Embedding 的优化表示方法
  24. Netflix:使用 A/B 测试来找到最佳的插图
  25. 搜索相关性算法在 DiDi Food 中的探索
  26. 菜鸟实时数仓技术架构演进
  27. Netflix 中的插图个性化推荐
  28. 推荐系统中不得不说的 DSSM 双塔模型
  29. 贝壳找房【深度语义匹配模型 】原理篇一:表示型
  30. 使用嵌入来做个性化的搜索推荐:来自 Airbnb
  31. 干货 | 业界实时数据体系架构
  32. 字节跳动—实习算法面经
  33. 深度时空网络、记忆网络与特征表达学习在 CTR 预估中的应用
  34. 深度学习推荐系统中各类流行的 Embedding 方法(上)
  35. 我的 ElasticSearch 认证工程师之路
  36. 机器学习工程化模型部署的几种方式总结
  37. 透过现象看机器学习:奥卡姆剃刀,没有免费的午餐,丑小鸭定理等
  38. 字节游戏急招数据挖掘工程师 - 帖子
  39. 字节游戏急招数据挖掘工程师
  40. 究竟什么是图数据库,它有哪些应用场景?
  41. 基于强化学习的 Contextual Bandits 算法在推荐场景中的应用
  42. 超强整理,非科班硕士的算法面经 (阿里 腾讯 字节 美团)
  43. 贝壳找房【语言模型系列】实践篇:ALBERT 在房产领域的实践
  44. 一文详尽之 SVM 支持向量机算法!
  45. 搜索中的 Query 理解及应用
  46. 汽车之家如何构建用户画像
  47. 搜索中的 Query 扩展技术
  48. 各大 AI 研究院共 35 场 NLP 算法岗面经
  49. 详解图表示学习经典算法 node2vec
  50. 搜索引擎背后的经典数据结构和算法
  51. 搜索系统中的意图识别
  52. 推荐系统的未来发展趋势
  53. 实验室小师弟的新鲜春招算法面经 (阿里搜索,微信,微软等)
  54. 字节跳动混沌工程实践总结
  55. SHAP 值的解释,以一种你期望的方式解释给你听
  56. 黑盒模型实际上比逻辑回归更具可解释性
  57. 浅谈搜索系统中 Query 理解和分析
  58. 干货! 搜索系统中的深度匹配模型
  59. 干货! 推荐系统中的深度匹配模型
  60. 线下 auc 涨,线上 ctr/cpm 跌的原因和解决办法
  61. CS224w L11. LinkAnalysis_PageRank 算法
  62. 模型剪枝技术原理及其发展现状和展望
  63. 大规模特征向量检索算法总结 (LSH PQ HNSW)
  64. 贝壳找房—置信度计算在语音识别系统中的应用
  65. 产品经理,项目经理和技术经理是如何一起协作管理的?
  66. Lucene 源码系列——索引文件的生成(十二)之 dim&&dii
  67. 2020 最新版《神经网络与深度学习》中文版更新完毕!(附 pdf 下载)
  68. 阿里文娱优酷视频搜索算法应用实践与思考
  69. 贝壳找房【语言模型系列】原理篇二:从 ELMo 到 ALBERT
  70. “疫情”黑天鹅,让企业管理数字化转型迫在眉睫
  71. 算法工程师常见面试问题及相关资料汇总
  72. 用 TensorFlow Extended 实现可扩展、快速且高效的 BERT 部署
  73. 干货 | 内容型产品 Feed 流的生成、效果评估及优化
  74. 机器学习中的隐私保护
  75. 一个关于项目管理者与程序猿之间的笑话
  76. PTMs:史上最全面总结 NLP 预训练模型
  77. Apache Flink OLAP 引擎性能优化及应用
  78. 企业如何选择适合自己的项目管理软件?
  79. 贝壳找房—【图数据库系列】Dgraph 原理篇
  80. 贝壳找房—【图数据库系列】Dgraph 简介篇
  81. 贝壳找房—【图数据库系列】之 JanusGraph VS Dgraph:贝壳分布式图数据库技术选型之路
  82. 阿里—飞猪的“猜你喜欢”如何排序?
  83. 你所不知道的,华为项目管理之道!
  84. 智变·未来——九章云极 COOL NEWS 发布会
  85. 6 个你应该用用看的用于文本分类的最新开源预训练模型
  86. 阿里广告 CTR 预估中用户行为学习和记忆建模
  87. 贝壳找房【语言模型系列】原理篇一:从 one-hot 到 Word2vec
  88. 个性化搜索的介绍,推荐和搜索的强强结合
  89. Lucene 源码系列——pos pay 索引文件
  90. Lucene 源码系列——tim tip 索引文件
  91. Lucene 源码系列——fdx fdt 索引文件
  92. Lucene 源码系列——tvx tvd 索引文件
  93. Lucene 源码系列——默认 merge 策略 TieredMergePolicy
  94. Lucene 源码系列—— LogMergePolicy
  95. Lucene 源码系列——工具类 FixedBitSet
  96. Lucene 源码系列——Automaton 有穷自动机 (DFA)
  97. Lucene 源码分析——BKD-Tree
  98. Lucene 源码系列——查询原理(下)
  99. Lucene 源码系列——查询原理(上)
  100. i 技术会 | 爱奇艺效果广告探索与实践
  101. Lucene 源码系列—— Collector 收集各个 Segment 命中的 docs
  102. Lucene 源码系列——LRUQueryCache
  103. Lucene 源码系列——多个 SHOULD 的 Query 的倒排求并集
  104. Lucene 源码系列——多个 MUST 的 Query 的倒排求交集
  105. Lucene 源码系列——索引文件的生成(十一)之 dim&&dii(Lucene 8.4.0)
  106. Lucene 源码系列——索引文件的生成(十)之 dim&&dii(Lucene 8.4.0)
  107. Lucene 源码系列——索引文件的生成(九)之 dim&&dii(Lucene 8.4.0)
  108. Lucene 源码系列——索引文件的生成(八)之 dim&&dii(Lucene 8.4.0)
  109. Lucene 源码系列——索引文件的生成(七)之 tim&&tip
  110. Lucene 源码系列——索引文件的生成(六)之 tim&&tip
  111. Lucene 源码系列——索引文件的生成(五)之 tim&&tip
  112. Lucene 源码系列——索引文件的生成(四)之跳表 SkipList
  113. Lucene 源码系列——索引文件的生成(三)之跳表 SkipList
  114. Lucene 源码系列——索引文件的生成(二)之 doc&&pay&&pos
  115. Lucene 源码系列——索引文件的生成(一)之 doc&&pay&&pos
  116. Lucene 源码系列——倒排表
  117. Lucene 源码系列——DirectWriter&&DirectReader
  118. Lucene 源码系列—— PackedInts
  119. Lucene 源码系列——LZ4
  120. Lucene 源码分析——FST
  121. 特斯拉宣布降薪!开源节流,疫情之下如何提升企业管理效能
  122. Lucene 源码系列——BytesRefHash
  123. Lucene 源码系列——BulkOperationPacked
  124. Lucene 源码系列——去重编码 (dedupAndEncode)
  125. Lucene 源码系列——IntBlockPool 类
  126. Lucene 源码系列——BooleanQuery 介绍
  127. 从罗永浩直播刷屏,来看如何做好项目管理
  128. CTR 预估在动态样式建模和特征表达学习方面的进展
  129. 图解半监督学习 FixMatch,只用 10 张标注图片训练 CIFAR10
  130. 如何高效的进行多项目管理?
  131. 构造 IndexWriter 对象(十)
  132. 构造 IndexWriter 对象(九)
  133. 构造 IndexWriter 对象(八)
  134. 构造 IndexWriter 对象(七)
  135. 构造 IndexWriter 对象(六)
  136. 构造 IndexWriter 对象(五)
  137. 构造 IndexWriter 对象(四)
  138. 构造 IndexWriter 对象(三)
  139. 构造 IndexWriter 对象(二)
  140. 构造 IndexWriter 对象(一)
  141. 如何构建 A/B 测试系统,其核心功能有哪些?
  142. 有赞搜索中台的探索与实践
  143. 字节跳动核心竞争力到底是什么?
  144. DeepTables: 为结构化数据注入深度学习的洪荒之力
  145. 零基础入门数据挖掘——一文学习模型融合!从加权融合到 stacking, boosting
  146. 零基础入门数据挖掘——建模调参
  147. 零基础入门数据挖掘——特征工程实战
  148. 零基础入门数据挖掘——数据分析实战
  149. DevOps 在企业项目中的实践落地
  150. 怎样评价推荐系统的结果质量?
  151. 初探 GNN- 文本表示学习
  152. Java 线程池实现原理及其在美团业务中的实践
  153. 深入理解推荐系统:召回
  154. 敏捷开发流程, 您缺一个这样的协作平台
  155. 基于知识图谱的语义理解技术及应用
  156. 【腾讯】揭秘微信 "看一看" 是如何为你推荐的
  157. 揭秘微信「看一看」如何精准挖掘你感兴趣的内容
  158. 用户画像从 0 到 100 的构建思路
  159. Word delimiter graph token filter(word_delimiter_graph 词元过滤器)
  160. BiLSTM 上的 CRF,用命名实体识别任务来解释 CRF(4)
  161. BiLSTM 上的 CRF,用命名实体识别任务来解释 CRF(3)推理
  162. 阿里文娱多模态视频分类算法中的特征改进
  163. 通俗的理解牛顿 - 莱布尼茨公式及其证明
  164. 白话条件随机场(conditional random field)
  165. 阿里文娱算法公开课 #02:算法工程师的进阶之路(进阶篇)
  166. 阿里文娱算法公开课 #03:算法工程师的核心技能(CV 篇)
  167. 阿里文娱算法公开课 #04:算法工程师的核心技能 - 搜索推荐篇
  168. BiLSTM 上的 CRF,用命名实体识别任务来解释 CRF(2)损失函数
  169. 效果工具链之算法迭代篇
  170. 效果工具链之运营平台篇
  171. 如何设计一个 A/B test?
  172. 阿里文娱智能营销增益模型 (Uplift Model) 技术实践
  173. BiLSTM 上的 CRF,用命名实体识别任务来解释 CRF(1)
  174. 从文本中进行关系抽取的几种不同的方法
  175. 字节 AI Lab-NLP 算法热乎面经
  176. 深度学习在花椒直播中的应用—推荐系统冷启动算法
  177. 干货 | Softmax 函数详解
  178. 深度学习在阿里 B2B 电商推荐系统中的实践
  179. 对 Reformer 的深入解读
  180. Self-Attention 与 Transformer
  181. 通用的图像 - 文本语言表征学习:多模态预训练模型 UNITER
  182. 【推荐系统】协同过滤推荐算法
  183. 怎么理解基于机器学习“四大支柱”划分的学习排序方法
  184. 敏捷开发的那些事
  185. 【全面总结】机器学习经典书 PRML 相关资料全面总结:中文译本,官方代码,课程视频,学习笔记等等
  186. 如何只使用标签来构建一个简单的电影推荐系统
  187. 信息流推荐在凤凰新闻的业务实践
  188. 机器学习加持的 Airbnb 体验搜索排序实践
  189. 理解计算机视觉中的损失函数
  190. 项目管理软件这么多,为什么我只推荐它?
  191. 知识图谱辅助的个性化推荐系统
  192. 从阿里的 User Interest Center 看模型线上实时 serving 方法
  193. 深度学习在省钱快报推荐排序中的应用与实践
  194. 百度凤巢算法面经
  195. 你们都在用什么项目管理软件?
  196. 广告算法在阿里文娱用户增长中的实践
  197. 【超详细讲解】深入理解 GBDT 二分类算法
  198. 搜索系统中的纠错问题
  199. 【算法面经系列】百度、寒武纪、科大讯飞、追一科技、腾讯、作业帮算法面经
  200. 【算法面经系列】头条 + 腾讯 算法工程师面经(NLP 实习)
  201. 如何做好项目管理,做好人人都是项目经理
  202. 微软小冰:如何构建人格化的对话系统
  203. 【论文笔记】TEM: 结合 GBDT 叶节点嵌入的可解释推荐模型
  204. 图解 Reformer:一种高效的 Transformer
  205. Flink 如何支持特征工程、在线学习、在线预测等 AI 场景?
  206. 算法在岗一年的经验总结
  207. 项目经理必备的项目管理工具——CORNERSTONE
  208. Flink Checkpoint 原理流程以及常见失败原因分析
  209. 58 同城智能语音质检系统架构实践
  210. 淘系高级技术专家的十年 | 既往不恋,纵情向前!
  211. 【贝壳找房】关系图谱在贝壳的构建和应用
  212. NLP.TM[28] | 浅谈 NLP 算法工程师的核心竞争力
  213. 机器学习的可解释性:因果推理和稳定学习
  214. 远程办公 | 适应时代的工作模式
  215. 在阿里,新人如何快速上手项目管理?
  216. 图解自监督学习,人工智能蛋糕中最大的一块
  217. 让 AI“读懂”短视频,爱奇艺内容标签技术解析
  218. 字节跳动自研万亿级图数据库 & 图计算实践
  219. 墨刀 - 在线 Markdown 编辑器
  220. 如何扩充知识图谱中的同义词
  221. 万字长文梳理 CTR 预估模型发展过程与关系图谱
  222. BERT 的嵌入层是如何实现的?看完你就明白了
  223. 浅谈流式模型训练体系
  224. “人工智能”初创公司所面临的问题
  225. 汽车之家推荐系统排序算法迭代之路
  226. “云开工”成主流,远程办公需求暴涨 663%
  227. 疫情之下 | 教你远程办公高效又安全
  228. 阿里 B 类电商用户增长实践
  229. 二部图表示学习 | Graph Convolutional Matrix Completion
  230. 为什么机器学习项目非常难管理?
  231. 不要犯战略性的失误——如何合理制定推荐系统的优化目标?
  232. 工作效率低? 这个锅远程办公不背
  233. 关于使用 pytorch 能否对 SE ResNext 进行预训练
  234. 项目经理: 在家远程办公如何提高工作效率?
  235. BERT, ELMo, & GPT-2: 这些上下文相关的表示到底有多上下文化?
  236. 一些 NLP 的面试问题
  237. 停班不停工,远程办公助力击穿疫情下企业困局
  238. 自然语言理解(NLU)难在哪儿?
  239. 视频 | 信息流推荐技术在凤凰网的业务实践
  240. Elasticsearch 高级调优方法论之——根治慢查询!
  241. LinkedIn 招聘推荐系统中的机器学习的威力
  242. 为什么我们选择 LambdaMART 作为我们的酒店排序模型
  243. 如何(以及为什么需要)创建一个好的验证集
  244. 美团一站式机器学习平台建设实践
  245. 携程实时智能检测平台实践
  246. HMM 模型在贝壳对话系统中的应用
  247. NLP 中文分词知识梳理
  248. 阿里 B2B:融合 Matching 与 Ranking 的个性化 CTR 预估模型
  249. 部署基于嵌入的机器学习模型的通用模式
  250. 视频 | 阿里文娱搜索算法实践和思考
  251. 从算法到应用:滴滴端到端语音 AI 技术实践
  252. 深入 Lucene 搜索引擎原理
  253. 掌握它才说明你真正懂 Elasticsearch
  254. 如何增强推荐系统模型更新的实时性?
  255. 深度学习在花椒直播中的应用——排序算法篇
  256. 35 岁技术人如何转型做管理?阿里高级算法专家公开 10 大思考
  257. 知识图谱基本概念 & 工程落地常见问题
  258. 2020 “跳槽”还是“卧槽”,你想好了吗?
  259. 敏捷开发实践之 Scrum 方法运用
  260. 机器学习在马蜂窝酒店聚合中的应用初探
  261. 项目管理软件的应用现状与发展趋势
  262. 亚马逊畅销书的 NLP 分析——推荐系统、评论分类和主题建模
  263. 推荐系统 pipeline 的构建过程和总体架构描述。
  264. 做机器学习项目的 checklist
  265. 敏捷实践经验分享,企业如何在敏捷开发中实施 DoD
  266. 推荐系统论文回顾:神经协同过滤理解与实现
  267. 阿里淘外商业化广告工程架构实践
  268. 腾讯万亿级 Elasticsearch 技术解密
  269. 新一代海量数据搜索引擎 TurboSearch 来了!
  270. 机器学习在微博 O 系列广告中的应用
  271. 不仅仅用 CTR:通过人工评估得到更好的推荐
  272. 搜索,推荐,广告系统架构及算法技术资料大合集吐血整理——2019 年终分享
  273. 毕业 10 年才懂,解决问题的能力原来这么重要
  274. 跨境电商 Etsy 如何使用交互行为类型进行可解释推荐
  275. 机器学习模型的可解释性
  276. 个性化海报在爱奇艺视频推荐场景中的实践
  277. 华为招聘
  278. 华为人才招聘
  279. Query 理解和语义召回在知乎搜索中的应用
  280. 推荐系统技术演进趋势:从召回到排序再到重排
  281. 程序员必知必会的零拷贝技术
  282. 推荐系统的发展与简单回顾
  283. 沟通的重要工具——乔哈里视窗
  284. NLP 技术在微博 feed 流中的应用
  285. 机器学习 - 一文理解 GBDT 的原理 -20171001
  286. LR+FTRL 算法原理以及工程化实现
  287. 推荐场景中召回模型的演化过程
  288. 读《影响力》这本书
  289. 系统重构的道与术
  290. CTO 被裁,离职前给组了的高级开发们 8 个建议。
  291. 记录:tf.saved_model 模块的简单使用(TensorFlow 模型存储与恢复)
  292. 淘宝如何拥抱短视频时代?视频推荐算法实战
  293. 解密淘宝推荐实战,打造 “比你还懂你” 的个性化 APP
  294. 风控特征—时间滑窗统计特征体系
  295. 解密商业化广告投放平台技术架构
  296. 深入理解 AQS 之 Condition 源码
  297. IJCAI 2019 | 为推荐系统生成高质量的文本解释:基于互注意力机制的多任务学习模型
  298. Hi, xiaolongnk
  299. Learning to rank 基本算法小结
  300. 知识结构化在阿里小蜜中的应用
  301. 万字长文!推荐系统算法岗校招面试经验 & 学习心得
  302. 标签平滑 & 深度学习:Google Brain 解释了为什么标签平滑有用以及什么时候使用它 (SOTA tips)
  303. 经验:一个秒杀系统的设计思考
  304. 视频:美图个性化 push AI 探索之路
  305. 优酷 DSP 广告投放系统架构实践
  306. 浅谈微视推荐系统中的特征工程
  307. 知识图谱的自动构建
  308. 美团点评效果广告实验配置平台的设计与实现
  309. 腾讯信息流内容理解技术实践
  310. 深度 |58 商业流量排序策略优化实践
  311. 美团点评 Kubernetes 集群管理实践
  312. 张一鸣:如何应对公司变大之后的管理挑战
  313. 如何提升「会议效率」
  314. 【有赞】数据资产,赞之治理
  315. 搜索引擎中的 Web 数据挖掘
  316. 几十亿数据查询 3 秒返回,ES 性能优化实战!
  317. 基于多视角学习和个性化注意力机制的新闻推荐
  318. Walrus- 一个轻量级 olap 查询框架
  319. 微服务高可用利器——Hystrix 熔断降级原理 & 实践总结
  320. 【推荐实践】微博在线机器学习和深度学习实践
  321. 马蜂窝推荐排序算法模型是如何实现快速迭代的
  322. 在线学习在爱奇艺信息流推荐业务中的探索与实践
  323. 【58 同城】如何从 0 到 1 构建个性化推荐?
  324. 机器学习在 58 二手车估价系统实践
  325. 萌新想请教一下 特征选择 的问题
  326. 实时计算引擎在贝壳的应用与实践
  327. 今日头条在消息服务平台和容灾体系建设方面的实践与思考
  328. 推荐系统中模型训练及使用流程的标准化
  329. 知识图谱与语义分析技术介绍(附前沿论文解读)
  330. 网络图模型知识点综述
  331. 360 展示广告召回系统的演进
  332. Tensorflow 的 checkpoint 教程
  333. 陈曦:性能与稳定并存 Elasticsearch 调优实践
  334. 3000 台服务器不宕机,微博广告系统全景运维大法
  335. 由 Finalizer 和 SocksSocketImpl 引起的 Fullgc 问题盘点
  336. 爱奇艺效果广告的个性化探索与实践
  337. 深度学习技术在美图个性化推荐的应用实践
  338. UC 信息流推荐模型在多目标和模型优化方面的进展
  339. Facebook 面向个性化推荐系统的深度学习推荐模型
  340. 美团配送交付时间轻量级预估实践
  341. 58 招聘推荐排序算法实战与探索
  342. 阿里如何实现秒级百万 TPS?搜索离线大数据平台架构解读
  343. 会向业务“砍需求”的技术同学,该具备哪 6 点能力?
  344. UC 国际信息流推荐中的多语言内容理解
  345. 10 年 +,阿里沉淀出怎样的搜索引擎?
  346. Hi, 2019_nickname
  347. 老大难的 GC 原理及调优,这下全说清楚了
  348. 以 YouTube 论文学习如何在推荐场景应用强化学习
  349. 深度度量学习中的损失函数
  350. UC 信息流视频标签识别技术
  351. 常用学习算法
  352. 阿里妈妈:品牌广告中的 NLP 算法实践
  353. OCPC 广告算法在凤凰新媒体的实践探索
  354. 降低软件复杂性的一般原则和方法
  355. 基于 Elastic Stack 的海量日志分析平台实践
  356. 支付系统高可用架构设计实战,可用性高达 99.999!
  357. 推荐系统应该如何保障推荐的多样性?
  358. 浅谈 UC 国际信息流推荐
  359. 我在亚马逊学到的三样东西,为我的机器学习职业之路做好了准备
  360. 关于数据驱动的重新思考
  361. 头条,美团,滴滴,京东及其它公司面试经验分享!
  362. CCKS 2019 | 百度 CTO 王海峰详解知识图谱与语义理解
  363. 模型评估指标 AUC 和 ROC,这是我看到的最透彻的讲解
  364. GitHub 标星 8k+,最后还有什么想问的么?对面试官的灵魂 50 问!
  365. Andrew Ng(吴恩达) 关于机器学习职业生涯以及阅读论文的一些建议
  366. A/B 测试中我们都会犯的十个常见错误
  367. AI 在爱奇艺视频广告中的探索
  368. 快看漫画个性化推荐探索与实践
  369. 微博广告策略工程架构体系演进
  370. 请问 example oracle 和后面那个红框的分布是什么意思?
  371. 构建可解释的推荐系统
  372. 解读:滴滴“猜你去哪儿”功能的算法实现
  373. 推荐系统走向下一阶段最重要的三个问题
  374. 电商推荐那点事
  375. 风控建模流程:以京东群体感知项目为例
  376. 每天超 50 亿推广流量、3 亿商品展现,阿里妈妈的推荐技术有多牛?
  377. 聊聊 Linux IO 栈
  378. 阿里妈妈深度树检索技术(TDM)及应用框架的探索实践
  379. 推荐系统工程难题:如何做好深度学习 CTR 模型线上 Serving
  380. 360 搜索的百亿级网页搜索引擎架构实现
  381. FSICFR 或者 CFRM 算法训练后如何应用于实际的游戏中?
  382. 京东电商推荐系统实践
  383. < 机器学习实战 高清中英 源代码 > 分享
  384. 分布式锁用 Redis 还是 Zookeeper?
  385. InnoDB 事务与分布式事务中一些关键问题
  386. hello, 初次见面请多关注
  387. ESearch: 58 搜索内核设计与实践—实时索引篇
  388. 两万字深度介绍分布式系统原理,一文入魂
  389. 推荐技术随谈
  390. 这是我读过写得最好的【秒杀系统架构】分析与实战!
  391. 如果这篇文章说不清 epoll 的本质,那就过来掐死我吧!
  392. 最完整的 Markdown 基础教程
  393. 番外篇:Lucene 索引流程与倒排索引实现
  394. Lucene 倒排索引原理探秘 (2)
  395. Lucene 倒排索引原理探秘 (1)
  396. 推荐系统:石器与青铜时代
  397. 快手 HBase 在千亿级用户特征数据分析中的应用与实践
  398. 数据老是错误,不知道为什么
  399. 怎么写代码呢
  400. 学习代码写作怎么写
  401. 学习数据代码
  402. 深度学习在 360 搜索广告 NLP 任务中的应用
  403. 消息中间件—RocketMQ 消息存储(二)
  404. 消息中间件—RocketMQ 消息存储(一)
  405. 消息中间件—RocketMQ 消息消费(三)(消息消费重试)
  406. 消息中间件—RocketMQ 消息消费(二)(push 模式实现)
  407. 消息中间件—RocketMQ 消息消费(一)
  408. 消息中间件—RocketMQ 消息发送
  409. 消息中间件—RocketMQ 的 RPC 通信(二)
  410. 消息中间件—RocketMQ 的 RPC 通信(一)
  411. 阿里零售通智能导购推荐技术实践
  412. “看一看”推荐模型揭秘!微信团队提出实时 Look-alike 算法,解决推荐系统多样性问题
  413. 关于机器学习归一化
  414. 网易新闻推荐:深度学习排序系统及模型
  415. 贝壳找房一镜到底:FM 们的原理及在贝壳搜索的实践
  416. 淘宝从几百到千万级并发的十四次架构演进之路!
  417. 分布式追踪系统概述及主流开源系统对比
  418. 系统架构系列(四):业务架构实战下篇
  419. 系统架构系列 (三):业务架构实战上篇
  420. 系统架构系列 (二):应对这一概念的方法
  421. 系统架构系列(一):如何用公式定义该概念?
  422. 写给开发者的谷歌技术面试终极通关指南
  423. 流式数据处理在百度数据工厂的应用与实践
  424. 一文读懂深度学习:从神经元到 BERT
  425. 基于内容的推荐算法
  426. Embedding 技术在民宿推荐中的应用
  427. XLNet : 运行机制及和 Bert 的异同比较
  428. 深度学习在 Airbnb 中的探索与应用
  429. 【贝壳智搜】标签:月老手中那一根根红线
  430. Xavier 论文疑惑(论文标题:Understanding the difficulty of training deep feedforward neural networks)
  431. TCP 报文格式高清图
  432. 从 Word Embedding 到 Bert 模型—自然语言处理中的预训练技术发展史
  433. Bert 时代的创新(应用篇):Bert 在 NLP 各领域的应用进展
  434. Netflix 推荐系统模型的快速线上评估方法——Interleaving
  435. 【真实生产案例】消息中间件如何处理消费失败的消息?
  436. YC 中国创始人陆奇:人工智能时代,芯片和底层软件基本都要重做
  437. 从 MySQL 高可用架构看高可用架构设计
  438. abtest- 数据分析 - 假设检验基础
  439. 程序员面试最常见问题 TOP 48
  440. abtest 那些事儿(下)—数据跟踪和效果评估
  441. list1 与 list2 求交集的方法总结!
  442. 当你打开天猫的那一刻,推荐系统做了哪些工作?
  443. 高并发架构消息队列面试题解析
  444. Embedding 在深度推荐系统中的 3 大应用方向
  445. 使用 ElasticSearch 的 44 条建议
  446. Elasticsearch 技术分析(七): Elasticsearch 的性能优化
  447. 适合程序员用的笔记本电脑
  448. 马蜂窝 ABTest 多层分流系统的设计与实现
  449. ES 查询性能调优实践,亿级数据查询毫秒级返回
  450. 小米移动搜索中的 AI 技术
  451. LSTM 原理与实践,原来如此简单
  452. 基于 “ 滴滴 KDD 2018 论文:基于强化学习技术的智能派单模型 ” 再演绎
  453. 阿里妈妈:电商预估模型的发展与挑战
  454. Attention in RNN
  455. 详解 Transformer (Attention Is All You Need)
  456. SVM 优化出来支持向量点的不等式约束不等于 1 是为什么?
  457. 机器学习:K 折交叉验证的问题
  458. 滴滴基于 ElasticSearch 的一站式搜索中台实践
  459. 快手万亿级别 Kafka 集群应用实践与技术演进之路
  460. 微软 AB/Testing EXP 实验管理平台
  461. 揭开 YouTube 深度推荐系统模型 Serving 之谜
  462. 深度学习中不得不学的 Graph Embedding 方法
  463. 谷歌、阿里、微软等 10 大深度学习 CTR 模型最全演化图谱【推荐、广告、搜索领域】
  464. FTRL 公式推导
  465. 个性化推荐技术
  466. 分类模型与排序模型在推荐系统中的异同分析
  467. 阿里巴巴复杂搜索系统的可靠性优化之路
  468. 从 FFM 到 DeepFFM,推荐排序模型到底哪家强?
  469. 在 faster-RCNN 中,最后一层输出的 bbox_pred 是什么
  470. 有赞百亿级日志系统架构设计
  471. 打造工业级推荐系统(一):推荐算法工程师的成长之道
  472. 面试官:如果让你设计一个消息中间件,如何将其网络通信性能优化 10 倍以上?【石杉的架构笔记】
  473. 机器学习与深度学习常见面试题(上)
  474. ABtest 和假设检验、流量分配
  475. 【三. 推荐系统的必备要素 -2】ABtest 框架
  476. 复旦邱锡鹏教授公布《神经网络与深度学习》,中文免费下载
  477. 携程金融大数据风控算法实践
  478. 拯救 996 的配方
  479. 【一. 概述 -2】什么样的产品推荐效果明显
  480. 【一. 概述 -1】推荐系统简介
  481. 万字长文解读电商搜索——如何让你买得又快又好
  482. 【搜狐】新闻推荐系统的 CTR 预估模型
  483. 阿里妈妈新突破:深度树匹配如何扛住千万级推荐系统压力
  484. 计算广告中主要模块、策略及其场景(上篇)
  485. 有赞订单搜索 AKF 架构演进之路
  486. 独家解读 | 滴滴机器学习平台架构演进之路
  487. 前深度学习时代 CTR 预估模型的演化之路
  488. 知其然,知其所以然:基于多任务学习的可解释推荐系统
  489. [NAACL19] 一个更好更快更强的序列标注成分句法分析器
  490. 一直播千万量级用户推荐系统设计之路
  491. 知识图谱 |298 万条三元组生成方法 (一)
  492. AI 下一个拐点,图神经网络带来哪些机遇?
  493. 人脸识别如何快速工作
  494. 如何强化数据集中某个特征的影响?
  495. 强化学习系列二——应用 AlphaGo Zero 思路优化搜索排序
  496. 【58 同城】中文分词技术深度学习篇
  497. 一图胜千言: 解读阿里的 Deep Image CTR Model
  498. 推荐系统召回四模型之二:沉重的 FFM 模型
  499. Embedding 从入门到专家必读的十篇论文
  500. 深度 CTR 预估模型中的特征自动组合机制演化简史
  501. 详解 Airbnb 之深度学习在搜索业务的探索
  502. 万字长文带你解读 NLP 深度学习的各类模型
  503. 基于深度强化学习的新闻推荐模型 DRN
  504. 基于 Tensorflow 高阶 API 构建大规模分布式深度学习模型系列: 开篇
  505. 【贝壳找房】贝壳搜索平台实时流总体架构设计
  506. 【贝壳网】贝壳搜索为什么能知道你想住哪?
  507. 百度中文纠错技术
  508. 版本控制工具——Git 常用操作
  509. 【贝壳网】ElasticSearch 相关性计算原理及实践
  510. 【贝壳网】Elasticsearch 在贝壳搜索的部署实践
  511. 【贝壳找房】读“懂”用户找房需求:贝壳语义解析技术实践
  512. 【贝壳网】两种简单有效的标签选择方法
  513. 回顾 Facebook 经典 CTR 预估模型
  514. 主流 CTR 预估模型的演化及对比
  515. 推荐系统召回四模型之:全能的 FM 模型
  516. 自然语言处理基础:上下文词表征入门解读
  517. 为什么已有 Elasticsearch,我们还要重造实时分析引擎 AresDB?
  518. NLP 新秀 : BERT 的优雅解读
  519. 详解 Embeddings at Alibaba(KDD 2018)
  520. 前员工揭内幕:10 年了,为何谷歌还搞不定知识图谱?
  521. 人机交互式机器翻译研究与应用
  522. 独家揭秘:微博深度学习平台如何支撑 4 亿用户愉快吃瓜?
  523. 爱奇艺短视频软色情识别技术解析
  524. 卷积有多少种?一文读懂深度学习中的各种卷积
  525. 深度长文:中文分词的十年回顾
  526. 机器学习中如何处理不平衡数据?
  527. 【58 同城】语言模型及其应用
  528. 测试机器学习降维之线性判别模型 (LDA)
  529. GBDT+LR 算法解析及 Python 实现
  530. 网易杭研 分享 图数据库基础
  531. 用 Flink 取代 Spark Streaming,知乎实时数仓架构演进
  532. 国美 11·11:大促场景下的国美智能推荐系统演进之路
  533. 58 精准推送实践
  534. 《美团机器学习实践》—— 思维导图
  535. 「回顾」强化学习:原理与应用
  536. 详解 GAN 的谱归一化(Spectral Normalization)
  537. 「回顾」机器学习在反欺诈中应用
  538. 滴滴出行基于 RocketMQ 构建企业级消息队列服务的实践
  539. 一文让你彻底理解准确率,精准率,召回率,真正率,假正率,ROC/AUC
  540. HBase 写吞吐场景资源消耗量化分析及优化
  541. Flink 在有赞实时计算的实践
  542. 语义分割江湖的那些事儿——从旷视说起
  543. 「回顾」百度智能写作如何通过人工智能技术为媒体内容创作赋能?
  544. 58 技术沙龙——云搜 知乎 58 同城 搜索架构
  545. 「回顾」基于金融智能风控的实时指标处理技术体系
  546. 「回顾」阿里妈妈:定向广告新一代点击率预估主模型——深度兴趣演化网络
  547. 深入剖析 Netty 源码设计(二)——BIO NIO AIO Reactor 模式到底干了啥
  548. 「机器学习基础与趋势」系列丛书最新成员:140 页《深度强化学习入门》发布
  549. 毕玄:我在阿里的十年技术感悟
  550. 使用 Pytorch 实现 skip-gram 的 word2vec
  551. 「回顾」蚂蚁数据分析平台的演进及数据分析方法的应用
  552. 「回顾」深度学习新技术在搜狗搜索广告中的深化应用
  553. Google 重叠实验框架:更多,更好,更快地实验
  554. 58 招聘推荐系统介绍——AB 实验框架
  555. 深入剖析 Netty 源码设计(一)——深入理解 select poll epoll 机制
  556. 从 KDD 2018 Best Paper 看 Airbnb 实时搜索排序中的 Embedding 技巧
  557. 中文分词技术及在 58 搜索的实践
  558. 58 搜索列表页连接效率优化实践
  559. 「回顾」58 同城 综合排序框架 连接效率优化实践
  560. 「行知」镶嵌在互联网技术上的明珠:漫谈深度学习时代点击率预估技术进展
  561. 推荐系统遇上深度学习 (二十九)-- 协同记忆网络理论及实践
  562. 推荐系统遇上深度学习 (二十八)-- 知识图谱与推荐系统结合之 MKR 模型原理及实现
  563. 推荐系统遇上深度学习 (二十七)-- 知识图谱与推荐系统结合之 RippleNet 模型原理及实现
  564. 推荐系统遇上深度学习 (二十六)-- 知识图谱与推荐系统结合之 DKN 模型原理及实现
  565. 推荐系统遇上深度学习 (二十五)-- 当知识图谱遇上个性化推荐
  566. 推荐系统遇上深度学习 (二十四)-- 深度兴趣进化网络 DIEN 原理及实战!
  567. 推荐系统遇上深度学习 (二十三)-- 大一统信息检索模型 IRGAN 在推荐领域的应用
  568. 推荐系统遇上深度学习 (二十二)--DeepFM 升级版 XDeepFM 模型强势来袭!
  569. 推荐系统遇上深度学习 (二十一)-- 阶段性回顾
  570. 推荐系统遇上深度学习 (二十)-- 贝叶斯个性化排序(BPR) 算法原理及实战
  571. 推荐系统遇上深度学习 (十九)-- 探秘阿里之完整空间多任务模型 ESSM
  572. 推荐系统遇上深度学习 (十八)-- 探秘阿里之深度兴趣网络(DIN) 浅析及实现
  573. 推荐系统遇上深度学习 (十七)-- 探秘阿里之 MLR 算法浅析及实现
  574. 推荐系统遇上深度学习 (十六)-- 详解推荐系统中的常用评测指标
  575. 推荐系统遇上深度学习 (十五)-- 强化学习在京东推荐中的探索
  576. 推荐系统遇上深度学习 (十四)--《DRN:A Deep Reinforcement Learning Framework for News Recommendation》
  577. 推荐系统遇上深度学习 (十三)--linUCB 方法浅析及实现
  578. 推荐系统遇上深度学习 (十二)-- 推荐系统中的 EE 问题及基本 Bandit 算法
  579. 大众点评搜索基于知识图谱的深度学习排序实践
  580. 推荐系统遇上深度学习 (十)--GBDT+LR 融合方案实战
  581. 推荐系统遇上深度学习 (八)--AFM 模型理论和实践
  582. 推荐系统遇上深度学习 (七)--NFM 模型理论和实践
  583. 推荐系统遇上深度学习 (六)--PNN 模型理论和实践
  584. 推荐系统遇上深度学习 (五)--Deep&Cross Network 模型理论和实践
  585. 推荐系统遇上深度学习 (四)-- 多值离散特征的 embedding 解决方案
  586. 推荐系统遇上深度学习 (三)--DeepFM 模型理论和实践
  587. 深度学习时代的图模型
  588. 推荐系统遇上深度学习 (二)--FFM 模型理论和实践
  589. 推荐系统遇上深度学习 (一)--FM 模型理论和实践
  590. BERT 大火却不懂 Transformer?读这一篇就够了
  591. 图解当前最强语言模型 BERT:NLP 是如何攻克迁移学习的?
  592. AutoML 在推荐系统中的应用
  593. 一朝爆发?解读知识图谱和图数据库的 2018
  594. 工作中组内遇到的 elasticsearch 使用上的踩坑总结
  595. 深度好文:2018 年 NLP 应用和商业化调查报告
  596. 深度学习在金融文本情感分类中的应用
  597. 深入剖析 ReentrantLock 公平锁与非公平锁源码实现
  598. 算法工程师必须要知道的面试技能雷达图
  599. 美团深度学习在搜索业务中的探索与实践
  600. 回顾·搜索引擎算法体系简介——排序和意图篇
  601. 基于知识图谱的问答系统入门—NLPCC2016KBQA 数据集
  602. 【干货】Kafka 数据可靠性深度解读
  603. 回顾·CTR 预估系统实践
  604. 「回顾」强化学习在自然语言处理中的应用
  605. Spark 宽依赖 窄依赖 Job Stage Executor Task 总结
  606. Spark 性能调优总结
  607. Scala 下划线 (_) 用法汇总
  608. 【干货】Spark 之性能优化
  609. 《搜索与推荐中的深度学习匹配》之推荐篇
  610. 《搜索与推荐中的深度学习匹配》之搜索篇
  611. 「回顾」Yoo 视频底层页推荐系统 - 从 0 到 1 的实践
  612. 吴恩达、Yann LeCun 等大佬回顾预测 2019 年 AI 发展
  613. 蚂蚁金服核心技术:百亿特征实时推荐算法揭秘
  614. Numerical Coordinate Regression= 高斯热图 VS 坐标回归
  615. 「回顾」AI 如何让广告投放进入“自动驾驶”?
  616. 随机变量 - 统计学核心方法及其应用
  617. 简单聊聊特征工程
  618. 近期知识图谱顶会论文推荐,你都读过哪几篇?
  619. 半监督深度学习小结:类协同训练和一致性正则化
  620. 「回顾」机器学习与推荐系统实践
  621. 全文搜索引擎,选 ElasticSearch 还是 Solr?
  622. NLP-BERT 谷歌自然语言处理模型:BERT- 基于 pytorch
  623. 罗振宇 2018“时间的朋友”跨年演讲未删减全文
  624. 机器学习与数据科学决策树指南
  625. 「回顾」旅游知识图谱的构建和应用
  626. 「回顾」知乎推荐页 Ranking 经验分享
  627. 计算广告论文及资料 && 推荐系统论文及资料 && 基于 Spark 的 CTR 模型资料
  628. 万物皆 Embedding,从经典的 word2vec 到深度学习基本操作 item2vec
  629. 【下】YouTube 深度学习推荐系统的十大工程问题
  630. 【上】重读 Youtube 深度学习推荐系统论文,字字珠玑,惊为神文
  631. 人脸分析:数据时代的“面像学” 一文读懂用户画像的前世今生
  632. 「回顾」爱奇艺搜索排序模型迭代之路
  633. 「回顾」NLP 在网络文学领域的应用
  634. 清华大学图神经网络综述:模型与应用
  635. Netty 学习和进阶策略
  636. Flink 实战: 结合 Kafka 构建端到端的 Exactly-Once 处理程序
  637. Apache Flink 端到端(end-to-end)Exactly-Once 特性概览 (翻译)
  638. 《提问的智慧》中文版翻译
  639. NIPS2018 | 腾讯 AI Lab 入选 20 篇论文,含 2 篇 Spotlight
  640. 【翻译】Redis 存储揭秘
  641. 大话 Select、Poll、Epoll 机制
  642. 空间数据索引 RTree 完全解析及 Java 实现
  643. 建了个机器学习与深度学习的微信群
  644. 【美团】LruCache 在美团 DSP 系统中的应用演进
  645. 【美团】深入浅出排序学习:写给程序员的算法系统开发实践
  646. 基于 Flink 的严选实时数仓实践
  647. 百页机器学习书
  648. 基于对象特征的推荐系统
  649. 「回顾」让机器读懂人类:揭秘机器阅读理解技术及应用
  650. “IT 男等级”对照表 | 找找你在哪?
  651. 两位拯救谷歌的超级工程师的故事:计算机界最好的结对编程榜样
  652. 机器学习在美团配送系统的实践:用技术还原真实世界
  653. [译] 支持向量机(SVM)教程
  654. YouTube 推荐系统改进之路
  655. 「干货」YouTube 基于深度神经网络推荐系统剖析
  656. 实时检索 6700 亿条推文,细谈 Twitter 搜索引擎的演进历程
  657. 【 DataFunTalk】HBase RowKey 与索引设计
  658. 架构拆分原理解析
  659. 阿里开源深度学习框架 XDL,面向广告、推荐、搜索场景
  660. 我收到了斯坦福、UCL、CMU、NYU、UW 的博士 offer,这是我的经验
  661. BigGAN 论文解读
  662. 微软专家眼中个性化推荐系统的 5 大研究趋势
  663. 理解五个基本概念,让你更像机器学习专家
  664. 阿里巴巴搜索引擎平台 Ha3 揭秘
  665. Java 编程方法论之响应式编程系列视频
  666. 每日生产万亿消息数据入库,腾讯如何突破大数据分析架构瓶颈
  667. 这可能是人工智能、机器学习和大数据领域覆盖最全的一份速查表
  668. 菜鸟,下一代分布式体系架构的设计理念
  669. 除了抖音和头条,字节跳动的 AI 实力有多强?
  670. 阿里妈妈大规模在线分层实验实践
  671. 深度学习在 Airbnb 大规模搜索排名上的实战经验
  672. 51 信用卡的个性化推荐体系
  673. 【杉枫】科技与人文
  674. 【杉枫】架构抽象化设计
  675. 机器学习人工智能学习资源导航
  676. 这里好冷清
  677. 苏宁 11.11:一种基于神经网络的智能商品税分类系统
  678. 有赞搜索引擎从 0 到 1 技术解析
  679. 【必读!!】人工智能社区公告!!
  680. 苏宁 11.11 :苏宁大数据离线任务开发调度平台实践
  681. 苏宁 11.11:苏宁易购订单搜索系统架构及实现
  682. 苏宁 11.11:搜索引擎 Solr 在苏宁易购商品评价系统中的应用
  683. 美团大脑:知识图谱的建模方法及其应用
  684. 【干货】搜索引擎技术资料整理
  685. 2143 亿!2018 年天猫“双 11”成交总额是这样预测的
  686. 一文看懂智能合约的现状与未来
  687. “搜你所想”之用户搜索意图识别
  688. 【杉枫】推荐引擎异步架构设计
  689. 苏宁 11.11:仓库内多 AGV 协作的全局路径规划算法研究
  690. Kafka 设计解析(一):Kafka 背景及架构介绍
  691. 「回顾」饿了么推荐算法演进及在线学习实践
  692. Lucene 6 数值索引以及空间索引方案
  693. 互联网架构,究竟为啥要做服务化?
  694. Lucene 倒排索引缓冲池的细节
  695. 【译】写给计算机专业毕业生的 22 条宝贵建议
  696. 深度学习在序列化推荐中的应用 (1)-GRU4REC 以及扩展
  697. 实时翻译的发动机:矢量语义(斯坦福大学课程解读)
  698. 骚操作!电影接吻镜头次数的算法实现
  699. 响应式编程 Rxjava 书籍视频教程
  700. 机器学习,模式识别,数据挖掘常用学习资源链接
  701. 美团深度学习系统的工程实践
  702. AI 大师丨 Yoshua Bengio:纯粹与理想,深度学习的 30 年
  703. Apache 顶级开源项目是怎样炼成的?国内开发者应该如何借鉴?
  704. 大数据凉了?No,流式计算浪潮才刚刚开始!
  705. 分布式高性能 redis 集群线上常见问题
  706. 58 沈剑 - 分布式事务,原来可以这么玩?
  707. 饿了么外卖推荐算法中有哪些机制与手段?
  708. 有赞搜索系统的架构演进
  709. 有赞搜索系统的技术内幕
  710. 基于 TensorFlow Serving 的深度学习在线预估
  711. 建了一个机器学习微信群
  712. 阿里巴巴为什么选择 Apache Flink?Flink——下一代大数据处理系统
  713. 超参数搜索不够高效?这几大策略了解一下
  714. Lucene 查询原理
  715. Lucene 解析 - 基本概念
  716. Elasticsearch 之 commit point | Segment | refresh | flush 索引分片内部原理
  717. 程序员能靠技术渡过中年危机吗?
  718. 码农晋升为技术管理者后,痛并快乐着的纠结内心
  719. 秋招报告:2019 届互联网校招薪资出炉,90 后社招被薪酬倒挂?
  720. 互联网思维——真正的高手,是如何判断趋势的?
  721. 一点做用户画像的人生经验:ID 强打通
  722. 如何理解区块链的共识算法?
  723. 推荐系统顶会 RecSys2018 最佳论文奖出炉!因果嵌入推荐与用户研究成为焦点
  724. 程序员进阶必读金句
  725. 腾讯内容平台系统的架构实践
  726. 58 同城推荐系统架构设计与实现
  727. 互联网智能广告系统简易流程与架构
  728. 【阿里】电商搜索算法技术的演进
  729. 互联网智能广告系统简易流程与架构 |
  730. 如何看待「机器学习不需要数学,很多算法封装好了,调个包就行」这种说法?
  731. 老程序员如何避免沦落出局?
  732. 一次生产系统 Full GC 问题分析与排查总结
  733. 推荐系统遇上深度学习 (十一)-- 神经协同过滤 NCF 原理及实战
  734. 5 种方法求解 TopK!面试不要再问我 Topk 了 ~
  735. 【转自知乎】当下(2018 年)腾讯的技术建设是否处于落后同体量公司的状态?
  736. ”大脑“爆发背后是 50 年互联网架构重大变革
  737. 用户画像番外篇之随笔三则
  738. 互联网公司面试官应该如何去面试一个人?
  739. 机器学习论文笔记—如何利用高效的搜索算法来搜索网络的拓扑结构
  740. 北邮硕士、前百度工程师:能进大厂,就不用读研究生了!
  741. 微服务架构之事件驱动架构
  742. 回顾·如何构建知识图谱?
  743. Java GC 调优怎么做?
  744. 【AIQ】梁宁万字长文:美团的破局与开局
  745. 美团上市,开盘涨 5.7%,市值超京东!与阿里的交锋再升级
  746. 阿里巴巴达摩院成立一年,都做了些什么?
  747. 洋码头搜索应用架构
  748. 洋码头推荐系统重排算法实践
  749. 洋码头推荐系统技术架构
  750. 短视频如何做到千人千面?FM+GBM 排序模型深度解析
  751. 用户画像番外篇之用户活跃 / 用户价值度分析
  752. 想读 AI 研究生?你发过几篇 NIPS 一作?
  753. 一文剖析区块链现状:丛林法则下的胜者
  754. 10 秒抓人眼球的“技术类简历”怎么写?
  755. 应用于实时视频通信的深度学习算法研究
  756. 机器学习特征工程全过程
  757. 不到 10 个提升逼格的 Redis 命令
  758. MySQL 不为人知的主键与唯一索引约束
  759. 回顾·云上 HBase 冷热分离实践
  760. 冗余数据一致性,到底如何保证?
  761. 用机器学习怎样鉴别不可描述的网站
  762. “搞机器学习没前途” 2018 算法岗现状
  763. 深入浅出搜索架构引擎、方案与细节(上)
  764. 搜索引擎倒排索引的设计与实践
  765. 北京后厂村折叠:月薪追赶五万,生活低于五千
  766. 旷视、北邮等国内团队包揽六项第一,COCO&Mapillary 联合挑战赛结果公布
  767. 机器学习比赛大杀器 ---- 模型融合 (stacking & blending)
  768. 读书笔记《小群效应》
  769. 推荐系统遇上深度学习 (九)-- 评价指标 AUC 原理及实践
  770. 推荐效果线上评测:AB 测试平台的设计与实现【全】
  771. 【十大经典数据挖掘算法】PageRank
  772. NIPS 2018 丨解读微软亚洲研究院 10 篇入选论文
  773. 搜狐新闻推荐算法原理 | “呈现给你的,都是你所关心的”
  774. 强化学习在新闻推荐中的应用
  775. 资源 | skymind.ai 发布最新机器学习 人工智能开源数据集,
  776. 五八同城智能客服系统“帮帮”技术揭秘
  777. 微博广告分层实验平台 (Faraday) 架构实践
  778. 中文 NLP 用什么?中文自然语言处理的完整机器处理流程
  779. 互联网广告 CTR 预估新算法:基于神经网络的 DeepFM 原理解读
  780. 用户画像—计算用户偏好标签及数据指标与表结构设计
  781. 十年技术老兵总结的自我修炼之路
  782. 海量日志实时收集系统架构设计与 go 语言实现
  783. 25 个机器学习开放性面试题,没有明确答案
  784. 用户画像之标签权重算法
  785. 用户画像——标签聚类
  786. 用户画像——数据质量管理
  787. 回顾·知识图谱在贝壳找房的从 0 到 1 实践
  788. Google 首席决策师告诉你数据科学究竟是什么?
  789. 通俗解释协方差与相关系数
  790. AI 的思维
  791. 如何构建用户画像—打用户行为标签
  792. 比低情商更可怕的,是一个人的固执
  793. 科学匠人 | 微软亚洲研究院 陈薇 用数学逻辑来优化工作和人生
  794. AdaBoost 算法详解 原理 推导及应用
  795. 独家揭秘!2.5 亿用户的美团智能推荐平台是如何构建的?
  796. 我在机器学习踩过的坑,现在告诉你怎么跳过去
  797. 资本的钩子
  798. 观点 | 机器学习 =「新瓶装旧酒」的数据统计?No!
  799. 褚时健:发快财的时代过去了,年轻人要先做好这些事
  800. 分布式事务的实现原理 2pc 3pc XA 事务
  801. 大神总结的机器学习的数学基础,掌握这些足够
  802. KDD 2018 | 推荐系统特征构建新进展:极深因子分解机模型
  803. 写在博士旅程之前——前大疆创新技术总监杨硕
  804. 感知机 +SVM+LR
  805. 一位 49 岁的程序员、持续创业者教会我的宝贵经验
  806. 马云:如果事情都准备好了再做,那我就不会成功了
  807. Google 十年,我的认知被彻底颠覆
  808. 回顾·HBase 在贝壳找房的实践经验
  809. 神马搜索技术演进之路
  810. 如何将知识图谱特征学习应用到推荐系统?
  811. AIQ | 十多年前的那些 IT 工程师都去哪里了?
  812. 租客的至暗时刻:昨天买不起房,今天租不起房
  813. 资源 | Python 技巧 101:这 17 个骚操作你都 Ok 吗
  814. IT 公司 全能 CTO 的必备要素
  815. 被“伪兴趣”毁掉的年轻人
  816. 机器学习第三篇——分类决策树
  817. 机器学习第二篇——逻辑回归
  818. 美团在 O2O 场景下的广告营销
  819. 美团 | 写给工程师的十条精进原则
  820. AIQ | 诺奖得主点评:人工智能其实就是统计学,用了一个很华丽的辞藻
  821. 推荐引擎中规则以及策略
  822. AIQ | 陆奇去向最终敲定!带领 YC 孵化器进军中国
  823. 聊聊阿里社招面试,谈谈“野生”Java 程序员学习的道路
  824. 一文解说 Scala Trait 所有用法
  825. Scala 面向对象编程之类和对象
  826. Spark 三种提交模式:Standalone | yarn-client | yarn-cluster
  827. 【干货】机器学习中的五种回归模型及其优缺点
  828. SparkSQL 大数据实战:shuffle hash join、broadcast hash join 以及 sort merge join 三种 join 大揭秘
  829. 【区块链】一文看懂区块链【详解区块链】
  830. 观点 | 博士离开学术界算不算失败?牛津大学博士有话要说
  831. 春风十里不如你
  832. 深度学习必备的几款流行网络与数据集
  833. 为什么程序员一言不合就重构代码?
  834. KDD2018 | 电商搜索场景中的强化排序学习:形式化、理论分析以及应用
  835. 我们该如何学习机器学习中的数学
  836. 拼多多为什么崛起?这是目前解读最深刻的一篇
  837. 腾讯联合创始人张志东:发光的人要能拿得起,放得下
  838. VIPKID 一二面面经 (算法工程师)
  839. 一条数据的 HBase 之旅,简明 HBase 入门教程 -Flush 与 Compaction
  840. 一条数据的 HBase 之旅,简明 HBase 入门教程 -Write 全流程
  841. 一条数据的 HBase 之旅,简明 HBase 入门教程 - 开篇
  842. 30 张地图看懂世界格局,用大数据说话
  843. 面向机器学习:数据平台的设计与搭建
  844. 雷军最不待见,刘强东深恶痛绝,宁愿解散团队,这 7 类人也绝不能留
  845. 刷爆朋友圈的高赞演讲:为什么最棒的员工往往没有完美的简历?
  846. 神经网络的激活函数总结
  847. 赵大伟 | 区块链通证经济的本质与落地路径
  848. 雷军:小米创业 8 年内部影像首次公开 看完我心里边都是一团火
  849. 雷军,黄峥,王兴,互联网 2018 年的夏天
  850. 拼多多上市,80 后 CEO 创业 3 年身价 800 亿,背后这 3 个字最值得深思
  851. 基于内容的图像检索技术综述 传统经典方法
  852. AIQ - 百度深度学习图像识别决赛代码分享 (OCR)
  853. AIQ - 区块链 | 浅谈区块链技术与阿里云的探索实践
  854. 工业数据采集方法深度学习
  855. AIQ - AI | 快手 AI 技术副总裁郑文:为什么说 AI 是短视频平台的核心能力
  856. AIQ- 深度 | 碧桂园的鸡血、狗血和人血
  857. 随机森林概述
  858. 关于感受野的总结
  859. AIQ - 区块链 | AI+ 区块链深度解析,美国 VC 大咖:这是未来十年的趋势 | 33 页 PPT
  860. 流形学习概述
  861. AIQ - 深度 | 网易云音乐王诗沐:我们是如何四年时间做到 4 亿用户的
  862. AIQ - AI | 32 篇论文、7 大事业群,这是腾讯在斯德哥尔摩的 AI 之夜
  863. 罗辑思维 CEO 脱不花:关于工作和成长,这是我的 121 条具体建议
  864. AIQ - 深度 | 中关村风云 40 年
  865. 基于深度负相关学习的人群计数方法
  866. AIQ | Elasticsearch 史上最全最常用工具清单
  867. AIQ -【干货】模型验证的常用“武器”—ROC 和 AUC
  868. AIQ - deeplearning.ai 全套吴恩达老师的深度学习课程笔记及资源在线阅读
  869. 人脸检测算法之 S3FD
  870. AIQ - 有赞的面试经历,被虐的有点惨
  871. AIQ - 从损失函数的角度详解机器学习算法之逻辑回归
  872. AIQ - 架构 | 优秀架构师必须掌握的架构思维
  873. AIQ - 个人发展和职业规划的理论性叙述
  874. 理解计算 从根号 2 到 AlphaGo 第 3 季神经网络的数学模型
  875. AIQ - 学界 | SIGIR 2018 最佳论文:基于流行度推荐系统有效性的概率分析
  876. AIQ - Solr 与 ES(ElasticSearch)的对比
  877. AIQ - 机器学习近年来之怪现状
  878. 怎样成为一名优秀的算法工程师
  879. AIQ - 深度 | 学会为自己工作
  880. AIQ - 干货 | 1400 篇机器学习的论文中,这 10 篇是最棒的!
  881. AIQ - 干货 | Elasticsearch 趋势科技实战分享笔记
  882. AIQ - 深度 | 市值 465 亿美元的小米八年往事
  883. AIQ - | NLP 领域的 ImageNet 时代:词嵌入已死,语言模型当立
  884. AIQ - 区块链 | 国内区块链项目技术全面解析
  885. 机器学习算法地图
  886. 反向传播算法推导 - 全连接神经网络
  887. 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
  888. AIQ - 语音识别 | 微软亚研自动语法纠错系统达到人类水平
  889. AIQ - 人工智能 | 人工智能军备竞赛:一文尽览全球主要国家 AI 战略
  890. AIQ - 架构 | 软件服务架构的一些感悟
  891. 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
  892. AIQ - 架构 | 知乎服务化的实践与思考
  893. AIQ - 深度 | 知乎高赞:久居一线城市都有什么错觉?
  894. 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
  895. AIQ - 架构 | SpringBoot 开发案例从 0 到 1 构建分布式秒杀系统
  896. AIQ - 架构 | 京东推荐系统架构揭秘:大数据时代下的智能化改造
  897. AIQ - 架构 | Java 程序员该如何突破瓶颈,阿里小马哥十年架构师经验之谈(文末送书)
  898. AIQ - 架构 | Kafka 服务端 网络层 reactor 架构
  899. AIQ - 干货 | 从零到一学习知识图谱的技术与应用
  900. AIQ - 基础 | 深度学习之基础知识详解
  901. AIQ - 深度 | 排队离婚、落户、上天台,所有人都在赌明天
  902. 深度神经网络(DNN)模型与前向传播算法
  903. 深度神经网络(DNN)反向传播算法 (BP)
  904. 深度神经网络(DNN)损失函数和激活函数的选择
  905. AI 发展越来越快, 十年或二十年后哪些工作不会被替代?
  906. 教程 | 算法太多挑花眼?教你如何选择正确的机器学习算法
  907. 到底该不该去创业公司?
  908. 真正的高手都是悄无声息的摆渡人
  909. 棚改 - 三四线楼市再无未来
  910. 你毕业几年了,混成什么鬼样子了?看看这些年轻人怎么说
  911. 知乎高赞:家里在一二线城市有很多套房是怎么的一种体验?答案太颠覆
  912. 美团点评 - 深度学习在计算机视觉中的应用
  913. AIQ 干货 | 蚂蚁金服科技一篇文章带你学习分布式事务
  914. 深度学习在美团搜索广告排序的应用实践是怎么样的?
  915. AIQ |【学界】机器学习、数据科学 如何进阶成为大神?
  916. AIQ - 为什么要使用交叉验证?
  917. AIQ|【供应链】十张图帮你理解供应链 IT 名词!(上篇)
  918. AIQ|【学界】吴恩达 Deep Learning Specialization 课程刷后感(附课程视频,字幕,全套 PPT,作业)
  919. AIQ|【供应链】供应链、物流、采购到底有什么区别?
  920. AIQ |【供应链】2018 年中国智慧物流行业市场前景研究报告
  921. AIQ | 阿里是如何应对超大规模集群资源管理挑战的?
  922. AIQ | 优秀的算法工程师都是不用深度学习的
  923. AIQ | Coursera 吴恩达深度学习教程中文笔记最新版
  924. AIQ | 吴恩达课程从未失望,斯坦福 CS230 深度学习课程全套资料放出(附下载)
  925. AIQ | NLP 算法工程师的学习、成长和实战经验
  926. 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
  927. AIQ| 出轨大数据新出炉,暴露一个惊人真相
  928. AIQ | 44 篇论文强势进击 CVPR 2018,商汤科技的研究员都在做哪些研究?
  929. AIQ | 面试经验·机器学习、深度学习、算法工程师(校招)
  930. AIQ | Spark 及 Spark Streaming 核心原理及实践
  931. AIQ | Spark 团队开源新作:全流程机器学习平台 MLflow
  932. AIQ 教程 |「川言川语」:用神经网络 RNN 模仿特朗普的语言风格
  933. AIQ | 求生之路:博士生涯的 17 条简单生存法则
  934. 面试了 8 家公司,社招机器学习面试题
  935. 人工智能入门书单推荐,学习 AI 的请收藏好(附 PDF 下载)
  936. 互联网降维打击是一个什么概念?
  937. 今日头条算法原理(全文)
  938. 机器学习新手必须掌握的十大算法指南
  939. 近期 GitHub 上最热门的开源项目(附链接)
  940. 深度 | 可视化 LSTM 网络:探索「记忆」的形成
  • 人工智能

    人工智能(Artificial Intelligence)是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门技术科学。

    132 引用 • 188 回帖
  • Elasticsearch

    Elasticsearch 是一个基于 Lucene 的搜索服务器。它提供了一个分布式多用户能力的全文搜索引擎,基于 RESTful 接口。Elasticsearch 是用 Java 开发的,并作为 Apache 许可条款下的开放源码发布,是当前流行的企业级搜索引擎。设计用于云计算中,能够达到实时搜索,稳定,可靠,快速,安装使用方便。

    117 引用 • 99 回帖 • 223 关注
  • 搜索引擎
    38 引用 • 141 回帖 • 3 关注
  • Java

    Java 是一种可以撰写跨平台应用软件的面向对象的程序设计语言,是由 Sun Microsystems 公司于 1995 年 5 月推出的。Java 技术具有卓越的通用性、高效性、平台移植性和安全性。

    3186 引用 • 8212 回帖 • 1 关注
1 操作
cbam 在 2020-08-17 03:13:04 更新了该帖

相关帖子

欢迎来到这里!

我们正在构建一个小众社区,大家在这里相互信任,以平等 • 自由 • 奔放的价值观进行分享交流。最终,希望大家能够找到与自己志同道合的伙伴,共同成长。

注册 关于
请输入回帖内容 ...