appliqué-ml
Documents, articles et blogs organisés sur la science des données et l'apprentissage automatique en production .
Vous savez comment mettre en œuvre votre projet ML ? Découvrez comment d’autres organisations l’ont fait :
- Comment le problème est formulé ? (Par exemple, personnalisation en tant que recsys vs recherche vs séquences)
- Quelles techniques d'apprentissage automatique ont fonctionné ✅ (et parfois, qu'est-ce qui n'a pas fonctionné)
- Pourquoi cela fonctionne, la science derrière cela avec la recherche, la littérature et les références
- Quels résultats concrets ont été obtenus (afin que vous puissiez mieux évaluer le retour sur investissement ⏰ ??)
PS, vous voulez un résumé des avancées du ML ? ml-surveys
PPS, vous recherchez des guides et des entretiens sur l'application du ML ? applyingML
Table des matières
- Qualité des données
- Ingénierie des données
- Découverte de données
- Magasins de fonctionnalités
- Classification
- Régression
- Prévision
- Recommandation
- Recherche et classement
- Intégrations
- Traitement du langage naturel
- Modélisation de séquence
- Vision par ordinateur
- Apprentissage par renforcement
- Détection des anomalies
- Graphique
- Optimisation
- Extraction d'informations
- Faible surveillance
- Génération
- Audio
- Apprentissage automatique préservant la confidentialité
- Validation et tests A/B
- Gestion des modèles
- Efficacité
- Éthique
- Infrarouge
- Plateformes MLOps
- Pratiques
- Structure de l'équipe
- Échec
Qualité des données
- Ingestion de données fiable et évolutive sur Airbnb
Airbnb 2016 - Surveillance de la qualité des données à grande échelle grâce à la modélisation statistique
Uber 2017 - Défis de la gestion des données dans l'apprentissage automatique de production (papier)
Google 2017 - Automatisation de la vérification de la qualité des données à grande échelle (papier)
Amazon 2018 - Rencontrez Hodor — L'outil de qualité des données en amont de Gojek
Gojek 2019 - Validation des données pour l'apprentissage automatique (papier)
Google 2019 - Une approche de la qualité des données pour les systèmes de personnalisation Netflix
Netflix 2020 - Améliorer la précision grâce à l'estimation de la certitude des décisions humaines, des étiquettes et des évaluateurs (papier)
Facebook 2020
Ingénierie des données
- Zipline : la plateforme de gestion de données d'apprentissage automatique d'Airbnb
Airbnb 2018 - Spoutnik : le framework Apache Spark d'Airbnb pour l'ingénierie des données
Airbnb 2020 - Dégroupage des workflows de science des données avec Metaflow et AWS Step Functions
Netflix 2020 - Comment DoorDash fait évoluer sa plateforme de données pour ravir les clients et répondre à la demande croissante
DoorDash 2020 - Révolutionner les mouvements monétaires à grande échelle grâce à une forte cohérence des données
Uber 2020 - Zipline - Un cadre d'ingénierie de fonctionnalités déclarative
Airbnb 2020 - Automatiser la protection des données à grande échelle, partie 1 (partie 2)
Airbnb 2021 - Infrastructure de données en temps réel à Uber
Uber 2021 - Présentation de Fabricator : un cadre d'ingénierie de fonctionnalités déclarative
DoorDash 2022 - Fonctions et DAG : présentation de Hamilton, un microframework pour la génération de dataframes
Stitch Fix 2021 - Optimisation de la pile d'ingestion de données de Pinterest : résultats et enseignements
Pinterest 2022 - Leçons tirées de l’exécution d’Apache Airflow à l’échelle
Shopify 2022 - Comprendre le stockage et l'ingestion de données pour la formation sur le modèle de recommandation approfondie à grande échelle
Meta 2022 - Data Mesh — Une plateforme de mouvement et de traitement des données @ Netflix
Netflix 2022 - Création d'un traitement d'événements évolutif en temps réel avec Kafka et Flink
DoorDash 2022
Découverte de données
- Apache Atlas : gouvernance des données et cadre de métadonnées pour Hadoop (Code)
Apache - Collecter, agréger et visualiser les métadonnées d'un écosystème de données (code)
WeWork - Découverte et consommation de données analytiques sur Twitter
Twitter 2016 - Démocratiser les données à Airbnb
Airbnb 2017 - Databook : Transformer le Big Data en connaissances grâce aux métadonnées à Uber
Uber 2018 - Metacat : Rendre le Big Data visible et significatif sur Netflix (Code)
Netflix 2018 - Amundsen — Moteur de découverte de données et de métadonnées de Lyft
Lyft 2019 - Open Sourcing Amundsen : une plateforme de découverte de données et de métadonnées (Code)
Lyft 2019 - DataHub : un outil généralisé de recherche et de découverte de métadonnées (Code)
LinkedIn 2019 - Amundsen : un an plus tard
Lyft 2020 - Utilisation d'Amundsen pour garantir la confidentialité des utilisateurs via la collecte de métadonnées à Square
Square 2020 - Transformer les métadonnées en informations avec Databook
Uber 2020 - DataHub : explication des architectures de métadonnées populaires
LinkedIn 2020 - Comment nous avons amélioré la découverte de données pour les data scientists à Spotify
Spotify 2020 - Comment nous résolvons les défis de la découverte de données chez Shopify
Shopify 2020 - Nemo : Découverte de données à Facebook
Facebook 2020 - Explorer les données @ Netflix (Code)
Netflix 2021
Magasins de fonctionnalités
- Voyage dans le temps distribué pour la génération de fonctionnalités
Netflix 2016 - Création du graphique d'activité, partie 2 (section Stockage des fonctionnalités)
LinkedIn 2017 - Fact Store à grande échelle pour les recommandations Netflix
Netflix 2018 - Zipline : la plateforme de gestion de données d'apprentissage automatique d'Airbnb
Airbnb 2018 - Feature Store : la couche de données manquante pour les pipelines de Machine Learning ?
Hopsworks 2018 - Présentation de Feast : un magasin de fonctionnalités Open Source pour l'apprentissage automatique (Code)
Gojek 2019 - Michelangelo Palette : une plateforme d'ingénierie de fonctionnalités à Uber
Uber 2019 - L'architecture qui alimente le Feature Store de Twitter
Twitter 2019 - Accélérer l'apprentissage automatique avec le service Feature Store
Condé Nast 2019 - Fête : relier les modèles ML et les données
Gojek 2020 - Création d'un magasin de fonctionnalités ML évolutif avec Redis, la sérialisation binaire et la compression
DoorDash 2020 - Expérimentation rapide grâce à la standardisation : fonctionnalités d'IA typées pour le flux
LinkedIn 2020 de LinkedIn - Construire un magasin de fonctionnalités
Monzo Bank 2020 - Butterfree : un framework basé sur Spark pour la création de magasins de fonctionnalités (Code)
QuintoAndar 2020 - Building Riviera : un cadre d'ingénierie de fonctionnalités déclaratif en temps réel
DoorDash 2021 - Découverte optimale des fonctionnalités : des modèles d'apprentissage automatique meilleurs et plus allégés grâce à la théorie de l'information
Uber 2021 - Infrastructure de service de fonctionnalités ML à Lyft
Lyft 2021 - Fonctionnalités en temps quasi réel pour une personnalisation en temps quasi réel
LinkedIn 2022 - Construire le modèle derrière la vaste sélection de commerçants de DoorDash
DoorDash 2022 - Open sourcing Featherhr – La boutique de fonctionnalités de LinkedIn pour un apprentissage automatique productif
LinkedIn 2022 - Évolution de ML Fact Store
Netflix 2022 - Développement de DAG d'ingénierie de fonctionnalités évolutives
Metaflow + Hamilton via Outerbounds 2022 - Conception de magasin de fonctionnalités chez Constructor
Constructor.io 2023
Classification
- Prédiction du taux de désabonnement des annonceurs pour Google AdWords (papier)
Google 2010 - Classification de documents basée sur des phrases de haute précision à une échelle moderne (papier)
LinkedIn 2011 - Chimère : classification à grande échelle utilisant l'apprentissage automatique, les règles et le crowdsourcing (papier)
Walmart 2014 - Catégorisation d'articles à grande échelle dans le commerce électronique à l'aide de plusieurs réseaux de neurones récurrents (papier)
NAVER 2016 - Apprendre à diagnostiquer avec les réseaux de neurones récurrents LSTM (Papier)
Google 2017 - Découverte et classification de l'intention des messages dans l'application sur Airbnb
Airbnb 2019 - Apprendre aux machines à trier les bugs de Firefox
Mozilla 2019 - Catégoriser les produits à grande échelle
Shopify 2020 - Comment nous avons construit les bons premiers numéros Fonctionnalité
GitHub 2020 - Tester Firefox plus efficacement avec le Machine Learning
Mozilla 2020 - Utilisation du ML pour sous-typer les patients recevant des interventions numériques en santé mentale (papier)
Microsoft 2020 - Classification évolutive des données pour la sécurité et la confidentialité (papier)
Facebook 2020 - Découvrez les meilleures pratiques en matière de menu de livraison en ligne avec l'apprentissage automatique
DoorDash 2020 - Utiliser un humain dans la boucle pour surmonter le problème de démarrage à froid dans le marquage des éléments de menu
DoorDash 2020 - Deep Learning : catégorisation et mise en rayon des produits
Walmart 2021 - Catégorisation d'articles à grande échelle pour le commerce électronique (papier)
DianPing , eBay 2012 - Représentation sémantique des étiquettes avec une application sur la catégorisation multimodale des produits
Walmart 2022 - Création de catégories Airbnb avec ML et Human-in-the-Loop
Airbnb 2022
Régression
- Utiliser l'apprentissage automatique pour prédire la valeur des logements sur Airbnb
Airbnb 2017 - Utiliser l'apprentissage automatique pour prédire la valeur des demandes d'annonces
Twitter 2020 - Open-Sourcing Riskquant, une bibliothèque pour quantifier les risques (Code)
Netflix 2020 - Résolution des données non observées dans un modèle de régression à l'aide d'un simple ajustement des données
DoorDash 2020
Prévision
- Ingénierie de la prévision d'événements extrêmes chez Uber avec RNN
Uber 2017 - Prévisions chez Uber : une introduction
Uber 2018 - Transformer les prévisions financières grâce à la science des données et à l'apprentissage automatique à Uber
Uber 2018 - Sous le capot de l'outil de prévision automatisé de Gojek
Gojek 2019 - BusTr : Prédire les temps de trajet en bus à partir du trafic en temps réel (papier, vidéo)
Google 2020 - Recyclage des modèles d'apprentissage automatique à la suite du COVID-19
DoorDash 2020 - Prévision automatique à l'aide de Prophet, Databricks, Delta Lake et MLflow (Paper, Code)
Atlassian 2020 - Présentation d'Orbit, un package open source pour l'inférence et la prévision de séries chronologiques (papier, vidéo, code)
Uber 2021 - Gérer l'équilibre de l'offre et de la demande grâce à l'apprentissage automatique
DoorDash 2021 - Greykite : une bibliothèque de prévisions flexible, intuitive et rapide
LinkedIn 2021 - L'histoire de l'algorithme de prévision d'Amazon
Amazon 2021 - DeepETA : Comment Uber prédit les heures d'arrivée à l'aide du Deep Learning
Uber 2022 - Prévision du volume des commandes de Grubhub à l'échelle
Grubhub 2022 - Prévisions causales chez Lyft (Partie 1)
Lyft 2022
Recommandation
- Recommandations Amazon.com : Filtrage collaboratif article à article (papier)
Amazon 2003 - Recommandations Netflix : Au-delà des 5 étoiles (Partie 1 (Partie 2)
Netflix 2012 - Comment fonctionne la recommandation musicale – et ne fonctionne pas
Spotify 2012 - Apprendre à classer les recommandations avec la perte statistique d'ordre k (papier)
Google 2013 - Recommander de la musique sur Spotify avec Deep Learning
Spotify 2014 - Apprendre une page d'accueil personnalisée
Netflix 2015 - Le système de recommandation Netflix : algorithmes, valeur commerciale et innovation (papier)
Netflix 2015 - Recommandations basées sur des sessions avec des réseaux de neurones récurrents (article)
Telefonica 2016 - Réseaux de neurones profonds pour les recommandations YouTube
YouTube 2016 - Le commerce électronique dans votre boîte de réception : recommandations de produits à grande échelle (papier)
Yahoo 2016 - À suivre : Vous aider à trouver des émissions à continuer à regarder sur Netflix
Netflix 2016 - Recommandations personnalisées dans LinkedIn Learning
LinkedIn 2016 - Recommandations de chaînes personnalisées dans Slack
Slack 2016 - Recommander des produits complémentaires dans les notifications push du commerce électronique (papier)
Alibaba 2017 - Personnalisation des œuvres d'art sur Netflix
Netflix 2017 - Une perspective de méta-apprentissage sur les recommandations de démarrage à froid pour les éléments (Papier)
Twitter 2017 - Pixie : un système permettant de recommander plus de 3 milliards d'articles à plus de 200 millions d'utilisateurs en temps réel (papier)
Pinterest 2017 - Optimiser la recherche et les recommandations à DoorDash
DoorDash 2017 - Comment 20th Century Fox utilise le ML pour prédire l'audience d'un film (Papier)
20th Century Fox 2018 - Recommandations calibrées (Papier)
Netflix 2018 - Découverte culinaire avec Uber Eats : recommandation pour le marché
Uber 2018 - Explorer, exploiter et expliquer : personnaliser des recommandations explicables avec des bandits (papier)
Spotify 2018 - Systèmes de recherche et de recommandation de talents sur LinkedIn : défis pratiques et leçons apprises (Papier)
LinkedIn 2018 - Transformateur de séquence de comportement pour la recommandation de commerce électronique dans Alibaba (Papier)
Alibaba 2019 - SDM : Modèle de correspondance approfondie séquentielle pour le système de recommandation en ligne à grande échelle (Papier)
Alibaba 2019 - Réseau multi-intérêts avec routage dynamique pour recommandation à Tmall (Paper)
Alibaba 2019 - Recommandations personnalisées pour les expériences utilisant le Deep Learning
TripAdvisor 2019 - Propulsé par l'IA : le système de recommandation Explore d'Instagram
Facebook 2019 - Échantillonnage postérieur marginal pour les bandits d’ardoise (papier)
Netflix 2019 - Découverte d'aliments avec Uber Eats : utiliser l'apprentissage graphique pour alimenter les recommandations
Uber 2019 - Recommandation musicale sur Spotify
Spotify 2019 - Utiliser l'apprentissage automatique pour prédire le fichier dont vous aurez besoin ensuite (partie 1)
Dropbox 2019 - Utiliser l'apprentissage automatique pour prédire le fichier dont vous aurez besoin ensuite (partie 2)
Dropbox 2019 - Apprendre à être pertinent : évolution d'un système de recommandation de cours ( PAPIER NÉCESSAIRE )
LinkedIn 2019 - Recommandation temporelle et contextuelle en temps réel (papier)
Amazon 2020 - P-Companion : Un cadre pour des recommandations de produits complémentaires diversifiées (Papier)
Amazon 2020 - Intérêt profond pour le réseau d'attention hiérarchique pour la prévision du taux de clics (papier)
Alibaba 2020 - TPG-DNN : une méthode de prédiction de l'intention de l'utilisateur avec un apprentissage multitâche (papier)
Alibaba 2020 - PURS : système de recommandation personnalisé inattendu pour améliorer la satisfaction des utilisateurs (papier)
Alibaba 2020 - Cadre multi-intérêts contrôlable pour la recommandation (papier)
Alibaba 2020 - MiNet : Réseau d'intérêts mixtes pour la prévision du taux de clics sur plusieurs domaines (papier)
Alibaba 2020 - ATBRG : Réseau de graphiques relationnels adaptatifs cible-comportement pour une recommandation efficace (article)
Alibaba 2020 - Pour vos oreilles uniquement : personnaliser Spotify Home avec le Machine Learning
Spotify 2020 - Atteignez le sommet : comment Spotify a créé des raccourcis en seulement six mois
Spotify 2020 - Intégrations utilisateur contextuelles et séquentielles pour la recommandation musicale à grande échelle (papier)
Spotify 2020 - L'évolution du kit : automatisation du marketing à l'aide de l'apprentissage automatique
Shopify 2020 - Un examen plus approfondi de l'IA derrière les recommandations de cours sur LinkedIn Learning (Partie 1)
LinkedIn 2020 - Un examen plus approfondi de l'IA derrière les recommandations de cours sur LinkedIn Learning (Partie 2)
LinkedIn 2020 - Construire un système de recommandation de réseaux sociaux hétérogène
LinkedIn 2020 - Comment TikTok recommande des vidéos #ForYou
ByteDance 2020 - Apprentissage par transfert hétérogène Zero-Shot de RecSys vers la récupération de recherche à démarrage à froid (Papier)
Google 2020 - Réseau approfondi et croisé amélioré pour l'apprentissage croisé des fonctionnalités dans les systèmes LTR à l'échelle du Web (papier)
Google 2020 - Échantillonnage négatif mixte pour l'apprentissage des réseaux de neurones à deux tours dans les recommandations (papier)
Google 2020 - Les données futures facilitent la formation : modélisation des contextes futurs pour des recommandations basées sur des sessions (document)
Tencent 2020 - Une étude de cas de recommandations basées sur des sessions dans le domaine de la rénovation domiciliaire (papier)
Home Depot 2020 - Équilibrer pertinence et découverte pour inspirer les clients dans l'application IKEA (papier)
Ikea 2020 - Comment nous utilisons AutoML, l'apprentissage multitâche et les modèles multi-tours pour les publicités Pinterest
Pinterest 2020 - Apprentissage multitâche pour les recommandations de produits connexes sur Pinterest
Pinterest 2020 - Améliorer la qualité des épingles recommandées avec un classement léger
Pinterest 2020 - Apprentissage et calibrage multitâches pour le classement des flux domestiques basés sur les utilitaires
Pinterest 2020 - Filtre de cuisine personnalisé basé sur les préférences des clients et la popularité locale
DoorDash 2020 - Comment nous avons construit un algorithme de mise en relation pour vendre des produits de manière croisée
Gojek 2020 - Leçons apprises pour lutter contre les biais des ensembles de données dans la génération de candidats basée sur un modèle (papier)
Twitter 2021 - Apprentissage auto-supervisé pour les recommandations d'articles à grande échelle (papier)
Google 2021 - Récupération approfondie : modèle de structure apprenable de bout en bout pour les recommandations à grande échelle (papier)
ByteDance 2021 - Utiliser l’IA pour aider les experts de la santé à lutter contre la pandémie de COVID-19
Facebook 2021 - Systèmes de recommandation d'annonceurs sur Pinterest
Pinterest 2021 - Sur le système de recommandation de YouTube
YouTube 2021 - « Êtes-vous sûr ? » : aperçus préliminaires de la mise à l'échelle des comparaisons de produits vers plusieurs magasins
Coveo 2021 - Mozrt, un système de recommandation d'apprentissage en profondeur qui donne du pouvoir aux associés des magasins Walmart
Walmart 2021 - Comprendre le stockage et l'ingestion de données pour la formation sur un modèle de recommandation approfondie à grande échelle (papier)
Meta 2021 - Le recommandateur conversationnel d'Amazon Music atteint les bonnes notes
Amazon 2022 - Recommandation personnalisée de produits complémentaires (Papier)
Amazon 2022 - Création d'un système de récupération basé sur le Deep Learning pour des recommandations personnalisées
eBay 2022 - Comment nous avons construit : un modèle d'apprentissage automatique à un stade précoce pour les recommandations
Peloton 2022 - Leçons tirées de la création de systèmes de recommandation contextuels
Peloton 2022 - Au-delà de la factorisation matricielle : utilisation de fonctionnalités hybrides pour les recommandations utilisateur-entreprise
Yelp 2022 - Améliorer l'adéquation des emplois grâce aux fonctionnalités d'activité apprises automatiquement
LinkedIn 2022 - Comprendre le stockage et l'ingestion de données pour la formation sur le modèle de recommandation approfondie à grande échelle
Meta 2022 - Schémas d'architectures de systèmes de recommandation : édition 10e anniversaire
Xavier Amatriain 2022 - Comment Pinterest exploite les actions des utilisateurs en temps réel dans les recommandations pour augmenter le volume d'engagement du flux d'accueil
Pinterest 2022 - RecSysOps : meilleures pratiques pour exploiter un système de recommandation à grande échelle
Netflix 2022 - API de recommandation : infrastructure d'apprentissage automatique unifiée de bout en bout pour générer des recommandations
Slack 2022 - Évolution de l'algorithme de recommandations de substitution de DoorDash
DoorDash 2022 - Recommandation de la page d'accueil avec Exploitation et Exploration
DoorDash 2022 - Inférence ML accélérée par GPU sur Pinterest
Pinterest 2022 - Résoudre le problème des fonctionnalités déroutantes pour la recommandation causale (article)
Tencent 2022
Recherche et classement
- Recherche Amazon : La joie de classer les produits (papier, vidéo, code)
Amazon 2016 - Comment Lazada classe les produits pour améliorer l'expérience client et la conversion
Lazada 2016 - Pertinence du classement dans Yahoo Search (Papier)
Yahoo 2016 - Apprendre à classer les résultats de recherche personnalisés dans les réseaux professionnels (Papier)
LinkedIn 2016 - Utiliser le Deep Learning à grande échelle dans les chronologies de Twitter
Twitter 2017 - Une approche basée sur un ensemble pour prédire le taux de clics pour les annonces sponsorisées sur Etsy (Papier)
Etsy 2017 - Optimiser la recherche et les recommandations à DoorDash
DoorDash 2017 - Application du Deep Learning à la recherche Airbnb (Papier)
Airbnb 2018 - Personnalisation en session pour la recherche de talents (papier)
LinkedIn 2018 - Systèmes de recherche et de recommandation de talents sur LinkedIn (Papier)
LinkedIn 2018 - Découverte d'aliments avec Uber Eats : création d'un moteur de compréhension des requêtes
Uber 2018 - Classement optimisé à l'échelle mondiale en matière d'influence mutuelle dans la recherche sur le commerce électronique (papier)
Alibaba 2018 - Apprentissage par renforcement pour se classer dans le moteur de recherche de commerce électronique (papier)
Alibaba 2018 - Recherche sémantique de produits (Papier)
Amazon 2019 - Classement de recherche basé sur l'apprentissage automatique des expériences Airbnb
Airbnb 2019 - Modèles de recherche de talents personnalisés par entité avec fonctionnalités d'interaction arborescente (Papier)
LinkedIn 2019 - L'IA derrière LinkedIn Recruiter Systèmes de recherche et de recommandation
LinkedIn 2019 - Préférences d’embauche d’apprentissage : l’IA derrière LinkedIn Jobs
LinkedIn 2019 - La sauce secrète derrière la personnalisation de la recherche
Gojek 2019 - Recherche de code neuronal : recherche de code basée sur le ML à l'aide de requêtes en langage naturel
Facebook 2019 - Agrégation des résultats de recherche à partir de sources hétérogènes via l'apprentissage par renforcement (papier)
Alibaba 2019 - Réseau d'attention inter-domaines avec les régularisateurs Wasserstein pour le commerce électronique Search
Alibaba 2019 - Comprendre les recherches mieux que jamais (papier)
Google 2019 - Comment nous avons utilisé la recherche sémantique pour rendre notre recherche 10 fois plus intelligente
Tokopedia 2019 - Query2vec : extension des requêtes de recherche avec intégrations de requêtes
GrubHub 2019 - MOBIUS : Vers la prochaine génération de correspondance requête-annonce dans la recherche sponsorisée de Baidu
Baidu 2019 - Pourquoi les gens achètent-ils des articles apparemment non pertinents dans la recherche vocale de produits ? (Papier)
Amazon 2020 - Gérer la diversité dans la recherche Airbnb (Papier)
Airbnb 2020 - Améliorer le Deep Learning pour la recherche Airbnb (Papier)
Airbnb 2020 - Correspondances de qualité via une IA personnalisée pour les préférences des recruteurs et des demandeurs
LinkedIn 2020 - Comprendre le temps de séjour pour améliorer le classement du flux LinkedIn
LinkedIn 2020 - Allocation d'annonces dans le flux via une optimisation contrainte (papier, vidéo)
LinkedIn 2020 - Comprendre le temps de séjour pour améliorer le classement du flux LinkedIn
LinkedIn 2020 - L'IA à grande échelle dans Bing
Microsoft 2020 - Moteur de compréhension des requêtes dans Traveloka Universal Search
Traveloka 2020 - Classement des produits bayésiens chez Wayfair
Wayfair 2020 - COLD : Vers la prochaine génération de système de pré-classement (papier)
Alibaba 2020 - Achetez le look : créer un système d'achat visuel à grande échelle sur Pinterest (article, vidéo)
Pinterest 2020 - Générer des ventes incitatives à partir de Pinterest Recherche
Pinterest 2020 - GDMix : un cadre de personnalisation de classement approfondi (Code)
LinkedIn 2020 - Apporter la recherche personnalisée à Etsy
Etsy 2020 - Construire un meilleur moteur de recherche pour Semantic Scholar
Allen Institute for AI 2020 - Compréhension des requêtes pour la recherche d'entreprise en langage naturel (papier)
Salesforce 2020 - Things Not Strings : Comprendre l'intention de recherche avec un meilleur rappel
DoorDash 2020 - Compréhension des requêtes pour faire apparaître du contenu musical mal desservi (papier)
Spotify 2020 - Récupération basée sur l'intégration dans la recherche Facebook (Papier)
Facebook 2020 - Vers une récupération personnalisée et sémantique pour la recherche de commerce électronique via l'apprentissage intégré (Papier)
JD 2020 - REINE : Réécriture de requêtes neuronales dans le commerce électronique (Papier)
Amazon 2021 - Utiliser l'apprentissage du classement pour localiser précisément où livrer les colis (papier)
Amazon 2021 - Pertinence saisonnière dans la recherche de commerce électronique (Papier)
Amazon 2021 - Réseau d'intention graphique pour la prédiction du taux de clics dans la recherche sponsorisée (papier)
Alibaba 2021 - Comment nous avons créé un système d'enchères spécifique au contexte pour les publicités Etsy
Etsy 2021 - Classement basé sur un modèle linguistique pré-entraîné dans la recherche Baidu (papier)
Baidu 2021 - Assembler des espaces pour des recommandations basées sur des requêtes
Stitch Fix 2021 - Traitement approfondi du langage naturel pour les systèmes de recherche LinkedIn (Papier)
LinkedIn 2021 - Modèle siamois basé sur le BERT pour le classement par pertinence de la recherche sur le Web (papier, code)
Seznam 2021 - SearchSage : apprentissage des représentations des requêtes de recherche sur Pinterest
Pinterest 2021 - Query2Prod2Vec : intégrations de mots fondées pour le commerce électronique
Coveo 2021 - 3 changements pour étendre la recherche de produits de DoorDash au-delà de la livraison
DoorDash 2022 - Apprendre à classer différemment
Airbnb 2022 - Comment optimiser les classements avec Cascade Bandits
Expedia 2022 - Un guide des systèmes de classement de recherche Google
Google 2022 - Deep Learning pour le classement de recherche sur Etsy
Etsy 2022 - Rechercher chez Calm
Calm 2022
Intégrations
- Représentation vectorielle des articles, du client et du panier pour créer un système de recommandation (papier)
Sears 2017 - Recommandation sur l'intégration de produits à l'échelle d'un milliard pour le commerce électronique dans Alibaba (papier)
Alibaba 2018 - Intégrations@Twitter
Twitter 2018 - Liste des intégrations dans le classement de recherche (papier)
Airbnb 2018 - Comprendre
Stitch Fix de style latent 2018 - Vers un apprentissage approfondi et par représentation pour la recherche de talents sur LinkedIn (Papier)
LinkedIn 2018 - Flux de magasin personnalisé avec intégrations vectorielles
DoorDash 2018 - Devrions-nous intégrer ? Une étude sur les performances des intégrations pour les recommandations en temps réel (article)
Moshbit 2019 - Apprentissage automatique pour une meilleure expérience de développement
Netflix 2020 - Annonce de ScaNN : recherche efficace de similarité de vecteurs (papier, code)
Google 2020 - BERT fait du shopping : comparaison des modèles distributionnels pour les représentations de produits
Coveo 2021 - Les intégrations venues du froid : améliorer les vecteurs pour les produits nouveaux et rares grâce à l'inférence basée sur le contenu
Coveo 2022 - Récupération basée sur l'intégration chez Scribd
Scribd 2021 - Optimisation multi-objectifs des hyperparamètres des intégrations de chansons comportementales (Papier)
Apple 2022 - Intégrations à l'échelle de Spotify : à quel point cela pourrait-il être difficile ?
Spotify 2023
Traitement du langage naturel
- Détection de langage abusif dans le contenu utilisateur en ligne (papier)
Yahoo 2016 - Réponse intelligente : suggestion de réponse automatisée pour les e-mails (papier)
Google 2016 - Créer des réponses intelligentes aux messages des membres
LinkedIn 2017 - Comment le traitement du langage naturel aide les membres LinkedIn à obtenir facilement de l'aide
LinkedIn 2019 - Gmail Smart Compose : écriture assistée en temps réel (papier)
Google 2019 - Modèles conversationnels de bout en bout axés sur les objectifs avec fonctionnalités de profil dans un contexte réel (papier)
Amazon 2019 - Donnez-moi des jeans, pas des chaussures : comment BERT nous aide à fournir ce que veulent les clients
Stitch Fix 2019 - DeText : un cadre PNL approfondi pour la compréhension intelligente du texte (Code)
LinkedIn 2020 - SmartReply pour les créateurs YouTube
Google 2020 - Utiliser les réseaux de neurones pour trouver des réponses dans des tableaux (papier)
Google 2020 - Une approche évolutive pour réduire les préjugés sexistes dans Google Translate
Google 2020 - L'IA d'assistance facilite la réponse
Microsoft 2020 - L'IA progresse pour mieux détecter les discours de haine
Facebook 2020 - Un chatbot open source de pointe (papier)
Facebook 2020 - Un système de synthèse vocale en temps réel très efficace déployé sur les processeurs
Facebook 2020 - Apprentissage profond pour traduire entre langages de programmation (papier, code)
Facebook 2020 - Déployer l'apprentissage par le dialogue en domaine ouvert tout au long de la vie (papier)
Facebook 2020 - Présentation de Dynabench : repenser la façon dont nous évaluons l'IA
Facebook 2020 - Comment Gojek utilise la PNL pour nommer les lieux de ramassage à l'échelle
Gojek 2020 - Le chatbot à domaine ouvert de pointe en chinois et en anglais (papier)
Baidu 2020 - PEGASUS : un modèle de pointe pour la synthèse abstraite de textes (papier, code)
Google 2020 - Photon : un système Text-to-SQL multi-domaines robuste (papier) (démo)
Salesforce 2020 - GeDi : une nouvelle méthode puissante pour contrôler les modèles de langage (papier, code)
Salesforce 2020 - Application de la modélisation thématique pour améliorer les opérations des centres d'appels
RICOH 2020 - WIDeText : un cadre d'apprentissage profond multimodal
Airbnb 2020 - Dynaboard : Aller au-delà de la précision vers une évaluation holistique de modèles en PNL (Code)
Facebook 2021 - Comment nous avons réduit notre temps d'exécution de similarité de texte de 99,96 %
Microsoft 2021 - PNL sans texte : Générer un discours expressif à partir d'audio brut (Partie 1) (Partie 2) (Partie 3) (Code et modèles pré-entraînés)
Facebook 2021 - Correction grammaticale au fur et à mesure que vous tapez, sur Pixel 6
Google 2021 - Résumés générés automatiquement dans Google Docs
Google 2022 - L'achèvement du code amélioré par ML améliore la productivité des développeurs
Google 2022 - Mots jusqu'en bas - Analyse des sentiments conversationnels
PayPal 2022
Modélisation de séquence
- Doctor AI : Prédire les événements cliniques via des réseaux neuronaux récurrents (article)
Sutter Health 2015 - Deep Learning pour comprendre les historiques des consommateurs (Papier)
Zalando 2016 - Utilisation de modèles de réseaux neuronaux récurrents pour la détection précoce de l'apparition de l'insuffisance cardiaque (article)
Sutter Health 2016 - Prédiction continue de la fréquentation des notifications avec les réseaux classiques et profonds (article)
Telefonica 2017 - Apprentissage profond pour les dossiers de santé électroniques (papier)
Google 2018 - Pratique sur la modélisation séquentielle longue du comportement des utilisateurs pour la prévision du taux de clics (papier)
Alibaba 2019 - Modélisation des intérêts des utilisateurs basée sur la recherche avec des données de comportement séquentielles pour la prévision du CTR (papier)
Alibaba 2020 - Comment Duolingo utilise l'IA dans chaque partie de son application
Duolingo 2020 - Tirer parti des interactions sociales en ligne pour améliorer l'intégrité sur Facebook (papier, vidéo)
Facebook 2020 - Utiliser le deep learning pour détecter les séquences abusives d'activité des membres (Vidéo)
LinkedIn 2021
Vision par ordinateur
- Création d'un pipeline OCR moderne à l'aide de la vision par ordinateur et du Deep Learning
Dropbox 2017 - Catégoriser les photos des annonces sur Airbnb
Airbnb 2018 - Détection d'équipements et au-delà - Nouvelles frontières de la vision par ordinateur sur Airbnb
Airbnb 2019 - Comment nous avons amélioré les mesures de vision par ordinateur de plus de 5 % uniquement en nettoyant les erreurs d'étiquetage
Deepomatic - Faire en sorte que les machines reconnaissent et transcrivent les conversations lors des réunions à l'aide de l'audio et de la vidéo
Microsoft 2019 - Propulsé par l'IA : faire progresser la compréhension des produits et créer de nouvelles expériences d'achat
Facebook 2020 - Un modèle météorologique neuronal pour la prévision des précipitations sur huit heures (papier)
Google 2020 - Évaluation des dommages basée sur l'apprentissage automatique pour les secours en cas de catastrophe (papier)
Google 2020 - RepNet : compter les répétitions dans les vidéos (papier)
Google 2020 - Conversion de texte en images pour la découverte de produits (papier)
Amazon 2020 - Comment Disney utilise PyTorch pour la reconnaissance de personnages animés
Disney 2020 - Le sous-titrage d'images en tant que technologie d'assistance (vidéo)
IBM 2020 - AI pour AG : apprentissage automatique de production pour l'agriculture
Blue River 2020 - L'IA pour la conduite entièrement autonome chez Tesla
Tesla 2020 - Reconnaissance des produits de supermarché sur appareil
Google 2020 - Utilisation de l'apprentissage automatique pour détecter une couverture déficiente lors des dépistages de coloscopie (papier)
Google 2020 - Achetez le look : créer un système d'achat visuel à grande échelle sur Pinterest (article, vidéo)
Pinterest 2020 - Développement d'une détection automatique en temps réel de la langue des signes pour les vidéoconférences (papier)
Google 2020 - Suggestion de prix basée sur la vision pour les articles d'occasion en ligne (papier)
Alibaba 2020 - Nouvelle recherche sur l'IA pour aider à prédire les besoins en ressources du COVID-19 à partir des rayons X (article, modèle)
Facebook 2021 - Une approche de formation efficace pour la reconnaissance faciale à très grande échelle (Papier)
Alibaba 2021 - Identifier les types de documents chez Scribd
Scribd 2021 - Apprentissage de la représentation visuelle semi-supervisé pour la compatibilité avec la mode (papier)
Walmart 2021 - Reconnaître les personnes sur les photos grâce au machine learning privé sur appareil
Apple 2021 - DeepFusion : Fusion profonde d'une caméra Lidar pour la détection d'objets 3D multimodaux
Google 2022 - Apprentissage contrasté du langage et de la vision des concepts généraux de la mode (Papier)
Coveo 2022 - Tirer parti de la vision par ordinateur pour le classement de recherche
BazaarVoice 2023
Apprentissage par renforcement
- Apprentissage par renforcement approfondi pour les enchères en temps réel de recherche sponsorisée (papier)
Alibaba 2018 - Enchères à budget limité grâce à l'apprentissage par renforcement sans modèle dans la publicité display (papier)
Alibaba 2018 - Apprentissage par renforcement pour la logistique à la demande
DoorDash 2018 - Apprentissage par renforcement pour se classer dans le moteur de recherche de commerce électronique (papier)
Alibaba 2018 - Tarification dynamique sur la plate-forme de commerce électronique avec apprentissage par renforcement profond (papier)
Alibaba 2019 - Production de l'apprentissage par renforcement profond avec Spark et MLflow
Zynga 2020 - Apprentissage par renforcement profond en production Partie 1 Partie 2
Zynga 2020 - Construire des systèmes de trading d'IA
Denny Britz 2020 - Déplacer la consommation vers des contenus diversifiés via l'apprentissage par renforcement (papier)
Spotify 2022 - Bandits pour l'étalonnage en ligne : une application à la modération de contenu sur les plateformes de médias sociaux
Meta 2022 - Comment optimiser les classements avec Cascade Bandits
Expedia 2022 - Sélection de la meilleure image pour chaque commerçant à l'aide de l'exploration et de l'apprentissage automatique
DoorDash 2023
Détection des anomalies
- Détection des anomalies de performances dans les déploiements de micrologiciels externes
Netflix 2019 - Détecter et prévenir les abus sur LinkedIn à l'aide de Forêts d'isolement (Code)
LinkedIn 2019 - Détection d'anomalies profondes avec Spark et Tensorflow (vidéo Hopsworks)
Swedbank , Hopsworks 2019 - Prévenir les abus grâce à l'apprentissage non supervisé
LinkedIn 2020 - La technologie derrière la lutte contre le harcèlement sur LinkedIn
LinkedIn 2020 - Découvrir un complot de fraude à l'assurance grâce à l'apprentissage en réseau (papier)
Ant Financial 2020 - Comment fonctionne la protection anti-spam sur Stack Exchange ?
Stack Exchange 2020 - Modération automatique du contenu dans le commerce électronique C2C
Mercari 2020 - Bloquer le spam d'invitation Slack avec l'apprentissage automatique
Slack 2020 - Gestion des robots Cloudflare : apprentissage automatique et plus encore
Cloudflare 2020 - Anomalies de variations de température d’huile dans un tunnelier
SENER 2020 - Utiliser la détection des anomalies pour surveiller les clients bancaires à faible risque
Rabobank 2020 - Lutter contre la fraude avec Triplet Loss
OLX Group 2020 - Facebook utilise désormais l'IA pour trier le contenu pour une modération plus rapide (alternative)
Facebook 2020 - Comment l'IA s'améliore dans la détection des discours de haine Partie 1, Partie 2, Partie 3, Partie 4
Facebook 2020 - Utiliser le deep learning pour détecter les séquences abusives d'activité des membres (Vidéo)
LinkedIn 2021 - Projet RADAR : Système intelligent de détection précoce de la fraude avec des humains impliqués dans la boucle
Uber 2022 - Graphique pour la détection de fraude
Grab 2022 - Bandits pour l'étalonnage en ligne : une application à la modération de contenu sur les plateformes de médias sociaux
Meta 2022 - Faire évoluer notre apprentissage automatique pour arrêter les robots mobiles
Cloudflare 2022 - Améliorer la précision de notre WAF d'apprentissage automatique grâce à l'augmentation et à l'échantillonnage des données
Cloudflare 2022 - Apprentissage automatique pour la détection des fraudes dans les services de streaming
Netflix 2022 - Tarifs chez Lyft
Lyft 2022
Graphique
- Construire le Knowledge Graph de LinkedIn
LinkedIn 2016 - Faire évoluer l'accès et la récupération des connaissances à Airbnb
Airbnb 2018 - Graphique des réseaux de neurones convolutifs pour les systèmes de recommandation à l'échelle du Web (papier)
Pinterest 2018 - Découverte culinaire avec Uber Eats : utiliser l'apprentissage graphique pour alimenter les recommandations
Uber 2019 - AliGraph : une plate-forme complète de réseau neuronal graphique (papier)
Alibaba 2019 - Contextualiser Airbnb en créant un Knowledge Graph
Airbnb 2019 - Graphique de vente au détail — Graphique de connaissance des produits de Walmart
Walmart 2020 - Prédiction du trafic avec les réseaux de neurones graphiques avancés
DeepMind 2020 - SimClusters : Représentations communautaires pour les recommandations (papier, vidéo)
Twitter 2020 - Réseau agrégé de voisins guidés par les métapathes pour le raisonnement graphique hétérogène (papier)
Alibaba 2021 - Réseau d'intention graphique pour la prédiction du taux de clics dans la recherche sponsorisée (papier)
Alibaba 2021 - JEL : Application de la liaison d'entités neuronales de bout en bout dans JPMorgan Chase (Papier)
JPMorgan Chase 2021 - Comment AWS utilise les réseaux de neurones graphiques pour répondre aux besoins des clients
Amazon 2022 - Graphique pour la détection de fraude
Grab 2022
Optimisation
- Matchmaking dans Lyft Line (Partie 1) (Partie 2) (Partie 3)
Lyft 2016 - Les données et la science derrière le covoiturage GrabShare (Partie 1) ( PAPIER NÉCESSAIRE )
Grab 2017 - Comment les inférences de voyage et l'apprentissage automatique optimisent les délais de livraison sur Uber Eats
Uber 2018 - Optimisation de nouvelle génération pour Dasher Dispatch à DoorDash
DoorDash 2020 - Optimisation du temps d'attente des passagers dans les ascenseurs grâce au machine learning
Thyssen Krupp AG 2020 - Réfléchissez dans le colis: recommander des types de colis pour les expéditions de commerce électronique (papier)
Amazon 2020 - Optimisation des dépenses marketing de Doordash avec l'apprentissage automatique
DoorDash 2020 - Utilisation d'apprentissage pour le rang pour localiser précisément où livrer des packages (papier)
Amazon 2021
Extraction d'informations
- Extraction non supervisée des attributs et leurs valeurs de la description du produit (papier)
Rakuten 2013 - Utilisation de l'apprentissage automatique pour indexer le texte à partir de milliards d'images
Dropbox 2018 - Extraction des données structurées des documents Templatic (papier)
Google 2020 - Autoknow: collection de connaissances autonomes pour les produits de milliers de types (papier, vidéo)
Amazon 2020 - Étiquetage de texte à un coup en utilisant l'attention et la propagation des croyances pour l'extraction de l'information (papier)
Alibaba 2020 - Extraction d'informations à partir de reçus avec des réseaux convolutionnels graphiques
Nanonets 2021
Supervision faible
- Sploire Drybell: une étude de cas pour déployer une faible supervision à l'échelle industrielle (papier)
Google 2019 - Osprey: faible supervision des problèmes d'extraction déséquilibrés sans code (papier)
Intel 2019 - Overton: un système de données pour surveiller et améliorer les produits d'apprentissage automatique (papier)
Apple 2019 - Bootstrap des agents conversationnels avec une supervision faible (papier)
IBM 2019
Génération
- Meilleurs modèles de langue et leurs implications (papier)
OpenAI 2019 - Image GPT (papier, code)
OpenAI 2019 - Les modèles linguistiques sont des apprenants à quelques tirs (papier) (article de blog GPT-3)
OpenAI 2020 - Super résolution approfondie pour la production de longs métrages (papier)
Pixar 2020 - Génération de cas de test unitaire avec transformateurs
Microsoft 2021
Audio
- Amélioration de la reconnaissance vocale à disque avec VoiceFilter-Lite (papier)
Google 2020 - L'apprentissage automatique derrière HUM pour rechercher
Google 2020
Apprentissage automatique préservant la confidentialité
- Apprentissage fédéré: apprentissage automatique collaboratif sans données de formation centralisée (papier)
Google 2017 - Apprentissage fédéré avec garanties formelles de confidentialité différentielle (papier)
Google 2022 - Apprentissage automatique basé sur MPC: réalisation de l'apprentissage automatique de la vie privée (papier)
Facebook 2022
Validation et tests A / B
- Infrastructure de l'expérience qui se chevauchent: plus, mieux, plus rapide expérimenté (papier)
Google 2010 - The Reutilisable Holdout: Préserver la validité de l'analyse adaptative des données (Paper)
Google 2015 - Expérimentation Twitter: aperçu technique
Twitter 2015 - Ce sont tous des tests A / Bout: la plate-forme d'expérimentation Netflix
Netflix 2016 - Building Pinterest's A / B Testing Platform
Pinterest 2016 - Expérimentation pour résoudre le bourrage
Twitter 2017 - Construire une plate-forme d'expérimentation intelligente avec Uber Engineering
Uber 2017 - Échelle de la plate-forme d'expérimentation d'Airbnb
Airbnb 2017 - Rencontrez Wasabi, une plate-forme de test A / B open source (Code)
Intuit 2017 - Analyse des résultats de l'expérience: au-delà des effets moyens du traitement
Uber 2018 - Sous le capot de la plate-forme d'expérimentation d'Uber
Uber 2018 - Optimisation bayésienne contrainte avec des expériences bruyantes (papier)
Facebook 2018 - Fonctionnement fiable et évolutif SDK des tests A / B à Grab
Grab 2018 - Modélisation des taux de conversion et économie des millions en utilisant les distributions de Kaplan-Meier et Gamma (code)
Better 2019 - Détection d'interférence: un test A / B des tests A / B
LinkedIn 2019 - Annonçant un nouveau cadre pour concevoir des expériences optimales avec Pyro (papier) (papier)
Uber 2020 - Accorter 10x plus d'expériences avec la plate-forme d'expérience Traveloka
Traveloka 2020 - Expérimentation à grande échelle à la correction de point (papier)
Stitch Fix 2020 - Bandits multi-armés et la plate-forme d'expérimentation de fixation de point fixes
Stitch Fix 2020 - Expérimentation avec des contraintes de ressources
Stitch Fix 2020 - Inférence causale de calcul à Netflix (papier)
Netflix 2020 - Défis clés avec des expériences quasi à Netflix
Netflix 2020 - Rendre le moteur d'expérimentation LinkedIn 20x plus rapide
LinkedIn 2020 - Notre évolution vers T-Rex: la préhistoire de l'infrastructure d'expérimentation à LinkedIn
LinkedIn 2020 - Comment utiliser des quasi-expériences et des contrefactuels pour construire de grands produits
Shopify 2020 - Améliorer le pouvoir expérimental par le contrôle en utilisant les prédictions comme covariable
DoorDash 2020 - Soutenir une itération rapide des produits avec une plateforme d'analyse d'expérimentation
DoorDash 2020 - Amélioration de la capacité d'expérience en ligne par 4x avec parallélisation et sensibilité accrue
DoorDash 2020 - Tirer parti de la modélisation causale pour obtenir plus de valeur à partir des résultats de l'expérience plate
DoorDash 2020 - Itération d'algorithmes d'attribution en temps réel grâce à l'expérimentation
DoorDash 2020 - Nouvelle plate-forme d'expérimentation de Spotify (partie 1) (partie 2)
Spotify 2020 - Interprétation des résultats des tests A / B: faux positifs et signification statistique
Netflix 2021 - Interprétation des résultats des tests A / B: faux négatifs et puissance
Netflix 2021 - Exécution d'expériences avec Google AdWords pour l'optimisation des campagnes
DoorDash 2021 - Les 4 principes que Doordash a utilisés pour augmenter sa capacité d'expérience logistique de 1000%
DoorDash 2021 - Plate-forme d'expérimentation à Zalando: Partie 1 - Évolution
Zalando 2021 - Conception de gardien d'expérimentation
Airbnb 2021 - Comment Airbnb mesure la valeur future pour normaliser les compromis
Airbnb 2021 - Expérimentation du réseau à grande échelle (papier]
Facebook 2021 - Groupes de suspension universel à Disney Streaming
Disney 2021 - L'expérimentation est un objectif majeur de la science des données sur Netflix
Netflix 2022 - Rechercher le voyage vers de meilleures pratiques d'expérimentation
Spotify 2022 - Estimation contrefactuelle artificielle: inférence causale basée sur l'apprentissage automatique chez Airbnb
Airbnb 2022 - Au-delà du test A / B: accélérer l'expérimentation de classement de recherche Airbnb à travers entrelacier
Airbnb 2022 - Défis dans l'expérimentation
Lyft 2022 - Analyse de surclassement et de déclenchement: réduire les tailles d'échantillon tout en augmentant
Booking de sensibilité 2022 - Rencontrez Dash-AB - Le moteur statistique de l'expérimentation de Doordash
DoorDash 2022 - Comparaison des quantiles à grande échelle dans
Spotify 2022 en ligne A / B - Accélération de nos expériences A / B avec Machine Learning
Dropbox 2023 - Test de suralimentation A / B sur Uber
Uber
Gestion des modèles
- Opérationnalisation de l'apprentissage automatique - gérer la provenance des données brutes aux prédictions
Comcast 2018 - Overton: un système de données pour surveiller et améliorer les produits d'apprentissage automatique (papier)
Apple 2019 - Piste - Modèle de gestion du cycle de vie chez Netflix
Netflix 2020 - Gestion des modèles ML @ Scale - la plate-forme ML d'Intuit
Intuit 2020 - Surveillance du modèle ML - 9 conseils des tranchées
Nubank 2021 - Faire face à une biais de serre des trains dans les modèles ML en temps réel: un court guide
Nubank 2023
Efficacité
- Groknet: Trunk et intégres de vision par ordinateur unifié pour le commerce (papier)
Facebook 2020 - Comment nous avons mis à l'échelle Bert pour servir 1 milliard de demandes quotidiennes sur les processeurs
Roblox 2020 - Permuter, quantifier et affiner: compression efficace des réseaux de neurones (papier)
Uber 2021 - Inférence ML accélérée par GPU à Pinterest
Pinterest 2022
Éthique
- Construire des produits inclusifs via A / B Testing (Paper)
LinkedIn 2020 - Lifte: un cadre évolutif pour mesurer l'équité dans les applications ML (papier)
LinkedIn 2020 - Présentation du premier défi de la prime algorithmique de Twitter
Twitter 2021 - Examiner l'amplification algorithmique du contenu politique sur Twitter
Twitter 2021 - Un examen plus approfondi de la façon dont LinkedIn intègre l'équité dans ses produits AI
LinkedIn 2022
Infrarouge
- Réingéir les plates-formes d'apprentissage en profondeur de Facebook pour l'interopérabilité
Facebook 2020 - Formation élastique distribuée avec xgboost sur Ray
Uber 2021
Plates-formes Mlops
- Rencontrez Michel-Ange: Plateforme d'apprentissage automatique d'Uber
Uber 2017 - Opérationnalisation de l'apprentissage automatique - gérer la provenance des données brutes aux prédictions
Comcast 2018 - Big Data Machine Learning Plateforme à Pinterest
Pinterest 2019 - Modélisation de base sur Instagram
Instagram 2019 - Metaflow open-source - Un cadre centré sur l'homme pour la science des données
Netflix 2019 - Gestion des modèles ML @ Scale - la plate-forme ML d'Intuit
Intuit 2020 - Plate-forme d'inférence d'apprentissage automatique en temps réel à Zomato
Zomato 2020 - Présentation de Flyte: Cloud Native Machine Learning and Data Processing Plateforme
Lyft 2020 - Construire des modèles d'ensemble flexibles avec un graphique de calcul
DoorDash 2021 - Lyftlearn: infrastructure de formation du modèle ML construit sur Kubernetes
Lyft 2021 - "Vous n'avez pas besoin d'un plus grand bateau": un pipeline de données complet construit avec des outils open source (papier)
Coveo 2021 - Mlops at Greensteam: Shipping Machine Learning
GreenSteam 2021 - Évolution du modèle ML de Reddit Déplacement et architecture de service
Reddit 2021 - Refonte de la plate-forme d'apprentissage automatique d'Etsy
Etsy 2021 - Comprendre le stockage et l'ingestion des données pour la formation de modèle de recommandation profonde à grande échelle (papier)
Meta 2021 - Construire une plate-forme pour servir des recommandations à Etsy
Etsy 2022 - Plateforme d'automatisation intelligente: autonomisation de l'IA conversationnelle et au-delà chez Airbnb
Airbnb 2022 - Darwin: Data Science and Artificial Intelligence Workbench à LinkedIn
LinkedIn 2022 - La magie de Merlin: la nouvelle plateforme d'apprentissage automatique de Shopify
Shopify 2022 - Plateforme d'apprentissage automatique de Zalando
Zalando 2022 - Plateforme d'optimisation d'IA de Meta de Meta pour les ingénieurs de la société (papier)
Meta 2022 - Pile d'apprentissage automatique de Monzo
Monzo 2022 - Évolution du magasin de faits ML
Netflix 2022 - Utilisation de Mlops pour construire une binance de pipeline d'apprentissage de bout en bout en temps réel
Binance 2022 - Modèles d'apprentissage machine efficace à grande échelle à Zillow
Zillow 2022 - Didact AI: L'anatomie d'un moteur de cueillette de stock à propulsion ML
Didact AI 2022 - Déploiement gratuitement - une plate-forme d'apprentissage automatique pour les datates de Stitch Fix
Stitch Fix 2022 - Opérations d'apprentissage automatique (MLOPS): Présentation, définition et architecture (papier)
IBM 2022
Pratiques
- Recommandations pratiques pour la formation en gradient des architectures profondes (papier)
Yoshua Bengio 2012 - Apprentissage automatique: la carte de crédit à intérêt élevé de la dette technique (papier) (papier)
Google 2014 - Règles de l'apprentissage automatique: meilleures pratiques pour ML Engineering
Google 2018 - Sur les défis de la gestion du modèle d'apprentissage automatique
Amazon 2018 - Machine Learning in Production: The Booking.com Approche
Booking 2019 - 150 Modèles d'apprentissage automatique à succès: 6 leçons apprises sur booking.com (papier)
Booking 2019 - Succès et défis dans l'adoption de l'apprentissage automatique à grande échelle dans une banque mondiale
Rabobank 2019 - Défis dans le déploiement de l'apprentissage automatique: une enquête sur les études de cas (papier)
Cambridge 2020 - Réingéir les plates-formes d'apprentissage en profondeur de Facebook pour l'interopérabilité
Facebook 2020 - Le problème avec les outils du développeur d'IA pour les entreprises
Databricks 2020 - Intégration et déploiement continu pour l'apprentissage automatique des services et modèles
Uber 2021 - Performance du modèle de réglage
Uber 2021 - Maintenir la précision du modèle d'apprentissage automatique grâce à la surveillance
DoorDash 2021 - Construire des systèmes de marketing évolutif et performant à Wayfair
Wayfair 2021 - Notre approche pour construire des systèmes d'IA transparents et explicables
LinkedIn 2021 - 5 étapes pour construire des modèles d'apprentissage automatique pour Business
Shopify 2021 - Les données sont un art, pas seulement une science et la narration est la clé
Shopify 2022 - Meilleures pratiques pour l'apprentissage automatique en temps réel: alerte
Nubank 2022 - Retournage automatique pour les modèles d'apprentissage automatique: Conseils et leçons apprises
Nubank 2022 - Recsysops: meilleures pratiques pour faire fonctionner un système de recommandation à grande échelle
Netflix 2022 - Éducation ML à Uber: Cadres inspirés des principes d'ingénierie
Uber 2022 - Construire et maintenir des outils internes pour les équipes DS / ML: leçons apprises
Nubank 2024
Structure d'équipe
- Quel est le moyen le plus efficace de structurer une équipe de science des données?
Udemy 2017 - Les ingénieurs ne devraient pas écrire ETL: un guide pour construire un
Stitch Fix du département de science des données de haut niveau 2016 - Construire l'équipe d'analyse à Wish
Wish 2018 - Méfiez-vous de la Data Science Pin Factory: la puissance du correcaliste de la science des données complète de la
Stitch Fix 2019 - Cultivation d'algorithmes: comment nous cultivons la science des données à Stitch Fix
Stitch Fix - Analytique chez Netflix: qui nous sommes et ce que nous faisons
Netflix 2020 - Construire une équipe de données dans une startup à mi-parcours: un court étage
Erikbern 2021 - Un en coulisses regarde comment l'équipe de données de Postman fonctionne
Postman 2021 - Data Scientist X Rôles d'ingénieur d'apprentissage automatique: en quoi sont-ils différents? Comment se ressemblent-ils?
Nubank 2022
Échoue
- En ce qui concerne les gorilles, Google Photos reste aveugle
Google 2018 - 160k + lycéens ne seront diplômés que si un modèle les permet au
International Baccalaureate 2020 - Un algorithme qui «prédit» la criminalité basée sur un visage étincelle une fureur
Harrisburg University 2020 - Il est difficile de générer du texte neuronal de GPT-3 sur les musulmans
OpenAI 2020 - Un outil d'IA britannique pour prédire les crimes violents est trop défectueux pour utiliser
United Kingdom 2020 - Plus dans horrible-ai
-
Partnership on AI 2022
PS, vous voulez un résumé des progrès de la ML? Mettez-vous à la vitesse avec les documents d'enquête ml-surveys
