applied ml

適用済み-ml

本番環境におけるデータ サイエンスと機械学習に関する厳選された論文、記事、ブログ。

ML プロジェクトを実装する方法を考えていますか?他の組織がどのようにそれを行ったかをご覧ください。

• 問題はどのように構成されますか?(例: resys 対検索対シーケンスとしてのパーソナライゼーション)
• 機能した機械学習テクニック ✅ (場合によっては機能しなかったもの)
• なぜそれが機能するのか、その背後にある科学と研究、文献、参考文献
• 実際にどのような結果が得られたか (ROI をより適切に評価できるようになります ⏰??)

追伸、ML の進歩の概要が知りたいですか? ml-surveys

PPS、ML の適用に関するガイドやインタビューをお探しですか? applyingML

目次

1. データ品質
2. データエンジニアリング
3. データディスカバリー
4. 機能ストア
5. 分類
6. 回帰
7. 予測
8. おすすめ
9. 検索＆ランキング
10. 埋め込み
11. 自然言語処理
12. シーケンスモデリング
13. コンピュータビジョン
14. 強化学習
15. 異常検出
16. グラフ
17. 最適化
18. 情報抽出
19. 弱い監督
20. 世代
21. オーディオ
22. プライバシーを保護する機械学習
23. 検証とA/Bテスト
24. モデル管理
25. 効率
26. 倫理
27. インフラ
28. MLOps プラットフォーム
29. 実践
30. チーム構成
31. 失敗する

データ品質

1. Airbnb での信頼性とスケーラブルなデータ取り込みAirbnb 2016
2. 統計モデリングによる大規模なデータ品質の監視Uber 2017
3. 本番環境における機械学習におけるデータ管理の課題 (論文) Google 2017
4. 大規模なデータ品質検証の自動化 (論文) Amazon 2018
5. Hodor のご紹介 — Gojek の上流データ品質ツールGojek 2019
6. 機械学習のためのデータ検証 (論文) Google 2019
7. Netflix パーソナライゼーション システムのデータ品質へのアプローチNetflix 2020
8. 人間の意思決定、ラベル、評価者の確実性推定による精度の向上 (論文) Facebook 2020

データエンジニアリング

1. ジップライン: Airbnb の機械学習データ管理プラットフォームAirbnb 2018
2. スプートニク：データエンジニアリングのためのAirbnbのApache SparkフレームワークAirbnb 2020
3. Metaflow と AWS Step Functions によるデータ サイエンス ワークフローのアンバンドルNetflix 2020
4. DoorDash が顧客を満足させ、増大する需要に応えるためにデータ プラットフォームをどのように拡張しているかDoorDash 2020
5. 強力なデータ一貫性で大規模な資金移動に革命を起こすUber 2020
6. ジップライン - 宣言型特徴エンジニアリングフレームワークAirbnb 2020
7. 大規模なデータ保護の自動化、パート 1 (パート 2) Airbnb 2021
8. Uber Uber 2021におけるリアルタイム データ インフラストラクチャ
9. Fabricator の紹介: 宣言型特徴エンジニアリング フレームワークDoorDash 2022
10. 関数と DAG: データフレーム生成用のマイクロフレームワークである Hamilton の紹介Stitch Fix 2021
11. Pinterest のデータ取り込みスタックの最適化: Pinterest 2022の調査結果と教訓
12. Apache Airflow を大規模に実行することから学んだ教訓Shopify 2022
13. 大規模なディープ レコメンデーション モデル トレーニングMeta 2022のためのデータ ストレージと取り込みを理解する
14. データ メッシュ — データ移動および処理プラットフォーム @ Netflix Netflix 2022
15. Kafka と Flink DoorDash 2022を使用したスケーラブルなリアルタイム イベント処理の構築

データディスカバリー

1. Apache Atlas: Hadoop のデータ ガバナンスとメタデータ フレームワーク (コード) Apache
2. データ エコシステムのメタデータ (コード) を収集、集約、視覚化するWeWork
3. Twitter Twitter 2016での分析データの発見と利用
4. Airbnbでのデータの民主化Airbnb 2017
5. データブック: Uber Uber 2018でメタデータを使用してビッグデータを知識に変える
6. Metacat: Netflix でビッグデータを発見可能かつ意味あるものにする (コード) Netflix 2018
7. アムンセン — Lyft のデータディスカバリーおよびメタデータエンジンLyft 2019
8. オープンソースのアムンゼン: データ検出およびメタデータ プラットフォーム (コード) Lyft 2019
9. DataHub: 汎用化されたメタデータ検索および検出ツール (コード) LinkedIn 2019
10. アムンセン: 一年後のLyft 2020
11. Square Square 2020でアムンゼンを使用してメタデータ収集を介してユーザーのプライバシーをサポート
12. Databook Uber 2020でメタデータを洞察に変える
13. DataHub: 人気のあるメタデータ アーキテクチャについて解説LinkedIn 2020
14. Spotify Spotify 2020でデータ サイエンティスト向けのデータ検出をどのように改善したか
15. Shopify Shopify 2020におけるデータディスカバリーの課題をどのように解決しているか
16. Nemo: Facebook Facebook 2020でのデータ発見
17. データの探索 @ Netflix (コード) Netflix 2021

機能ストア

1. 特徴生成のための分散タイムトラベルNetflix 2016
2. アクティビティ グラフの構築、パート 2 (特徴ストレージ セクション) LinkedIn 2017
3. Netflix のおすすめを大規模にファクトストアするNetflix 2018
4. ジップライン: Airbnb の機械学習データ管理プラットフォームAirbnb 2018
5. フィーチャー ストア: 機械学習パイプラインに不足しているデータ レイヤーはありますか? Hopsworks 2018
6. Feast の紹介: 機械学習用のオープンソース機能ストア (コード) Gojek 2019
7. ミケランジェロ パレット: Uber Uber 2019での特徴エンジニアリング プラットフォーム
8. Twitter のフィーチャー ストアを支えるアーキテクチャTwitter 2019
9. Feature Store サービスによる機械学習の加速Condé Nast 2019
10. 祝宴: ML モデルとデータの橋渡しGojek 2020
11. Redis、バイナリ シリアル化、圧縮DoorDash 2020を使用したスケーラブルな ML 機能ストアの構築
12. 標準化による迅速な実験: LinkedIn のフィード向けの型付き AI 機能LinkedIn 2020
13. フィーチャーストアMonzo Bank 2020の構築
14. Butterfree: フィーチャー ストア構築のための Spark ベースのフレームワーク (コード) QuintoAndar 2020
15. Building Riviera: 宣言型リアルタイム機能エンジニアリング フレームワークDoorDash 2021
16. 最適な機能の発見: 情報理論による、より優れたより効率的な機械学習モデルUber 2021
17. Lyft Lyft 2021での ML 機能サービス インフラストラクチャ
18. ほぼリアルタイムのパーソナライゼーションのためのほぼリアルタイムの機能LinkedIn 2022
19. DoorDash の幅広い加盟店選択の背後にあるモデルを構築DoorDash 2022
20. オープンソース化 Feathr – 生産的な機械学習のための LinkedIn の機能ストアLinkedIn 2022
21. ML ファクトストアNetflix 2022の進化
22. Outerbounds 2022によるスケーラブルな特徴エンジニアリング DAG の開発Metaflow + Hamilton
23. Constructor Constructor.io 2023でのフィーチャー ストア デザイン

分類

1. Google AdWords の広告主チャーンの予測 (論文) Google 2010
2. 現代規模の高精度フレーズベース文書分類 (論文) LinkedIn 2011
3. キメラ: 機械学習、ルール、クラウドソーシングを使用した大規模分類 (論文) Walmart 2014
4. 複数のリカレントニューラルネットワークを用いた電子商取引における大規模商品分類 (論文) NAVER 2016
5. LSTM リカレント ニューラル ネットワークによる診断の学習 (論文) Google 2017
6. Airbnb Airbnb 2019でのアプリ内メッセージの意図の発見と分類
7. Firefox のバグをトリアージするための教育マシンMozilla 2019
8. 大規模な製品の分類Shopify 2020
9. Good First Issues 機能をどのように構築したかGitHub 2020
10. 機械学習を使用して Firefox をより効率的にテストするMozilla 2020
11. ML を使用してデジタル メンタルヘルス介入を受ける患者をサブタイプ化する (論文) Microsoft 2020
12. セキュリティとプライバシーのためのスケーラブルなデータ分類 (論文) Facebook 2020
13. 機械学習DoorDash 2020によるオンライン配信メニューのベスト プラクティスを明らかにする
14. 人間参加型を使用してメニュー項目のタグ付けDoorDash 2020のコールド スタート問題を克服する
15. ディープラーニング: 製品の分類と棚付けWalmart 2021
16. 電子商取引のための大型商品分類 (紙) DianPing 、 eBay 2012
17. マルチモーダルな製品分類に関するアプリケーションを使用したセマンティック ラベル表現Walmart 2022
18. ML と Human-in-the-Loop による Airbnb カテゴリの構築Airbnb 2022

回帰

1. 機械学習を使用して Airbnb の住宅価値を予測Airbnb 2017
2. 機械学習を使用して広告リクエストの価値を予測するTwitter 2020
3. リスクを定量化するライブラリ (コード) Riskquant をオープンソース化Netflix 2020
4. 単純なデータ調整を使用した回帰モデルの未観測データの解決DoorDash 2020

予測

1. RNN を使用した Uber での極端なイベント予測のエンジニアリングUber 2017
2. Uber での予測: はじめにUber 2018
3. Uber Uber 2018でのデータ サイエンスと機械学習による財務予測の変革
4. Gojek の自動予測ツールGojek 2019の内部
5. BusTr: リアルタイム交通量からバスの移動時間を予測 (論文、ビデオ) Google 2020
6. 新型コロナウイルス感染症 (COVID-19) をきっかけに機械学習モデルを再トレーニングするDoorDash 2020
7. Prophet、Databricks、Delta Lake、MLflow を使用した自動予測 (論文、コード) Atlassian 2020
8. 時系列推論と予測のためのオープンソース パッケージ、Orbit の紹介 (論文、ビデオ、コード) Uber 2021
9. 機械学習による需要と供給のバランスの管理DoorDash 2021
10. Greykite: 柔軟で直感的、高速な予測ライブラリLinkedIn 2021
11. Amazon の予測アルゴリズムの歴史Amazon 2021
12. DeepETA: Uber がディープラーニングを使用して到着時間を予測する方法Uber 2022
13. Grubhub の注文量を大規模に予測するGrubhub 2022
14. Lyft における因果予測 (パート 1) Lyft 2022

おすすめ

1. Amazon.co.jp の推奨事項: アイテム間の協調フィルタリング (論文) Amazon 2003
2. Netflix のおすすめ: 5 つ星のその先 (パート 1 (パート 2) Netflix 2012
3. 音楽のおすすめがどのように機能するのか、そして機能しないのかSpotify 2012
4. k 次統計損失による推奨事項のランク付けの学習 (論文) Google 2013
5. 深層学習を使用した Spotify での音楽の推奨Spotify 2014
6. パーソナライズされたホームページを学ぶNetflix 2015
7. Netflix レコメンダー システム: アルゴリズム、ビジネス価値、イノベーション (論文) Netflix 2015
8. リカレント ニューラル ネットワークを使用したセッションベースの推奨事項 (論文) Telefonica 2016
9. YouTube レコメンデーション用のディープ ニューラル ネットワークYouTube 2016
10. 受信箱の電子商取引: 大規模な製品の推奨事項 (論文) Yahoo 2016
11. To Be Continued: Netflix で引き続き視聴できる番組を見つけるお手伝いをしますNetflix 2016
12. LinkedIn ラーニングにおけるパーソナライズされた推奨事項LinkedIn 2016
13. Slack でのパーソナライズされたチャネルの推奨事項Slack 2016
14. 電子商取引プッシュ通知における補完製品の推奨 (論文) Alibaba 2017
15. Netflix Netflix 2017でのアートワークのパーソナライゼーション
16. アイテムのコールドスタート推奨事項に関するメタ学習の視点 (論文) Twitter 2017
17. Pixie: 2 億人以上のユーザーに 30 億以上のアイテムをリアルタイムで推奨するシステム (論文) Pinterest 2017
18. DoorDash DoorDash 2017で検索とレコメンデーションを強化
19. 20 世紀フォックスが ML を使用して映画の観客を予測する方法 (論文) 20th Century Fox 2018
20. 調整された推奨事項 (論文) Netflix 2018
21. Uber Eats によるフードディスカバリー: マーケットプレイスUber 2018への推薦
22. Explore、Exploit、および Explain: Bandits による説明可能な推奨事項のパーソナライズ (論文) Spotify 2018
23. LinkedIn の人材検索および推薦システム: 実践的な課題と学んだ教訓 (論文) LinkedIn 2018
24. アリババにおける電子商取引の推奨事項のための動作シーケンストランスフォーマー (論文) Alibaba 2019
25. SDM: オンライン大規模レコメンダー システムのための逐次ディープ マッチング モデル (論文) Alibaba 2019
26. 天猫での推奨のための動的ルーティングを備えた多目的ネットワーク (論文) Alibaba 2019
27. ディープラーニングを使用した体験のパーソナライズされた推奨事項TripAdvisor 2019
28. AI を活用: Instagram の Explore レコメンダー システムFacebook 2019
29. Slate Bandits の限界事後サンプリング (論文) Netflix 2019
30. Uber Eats によるフードディスカバリ: グラフ学習を使用してレコメンデーションを強化するUber 2019
31. Spotify Spotify 2019でのおすすめ音楽
32. 機械学習を使用して次に必要なファイルを予測する (パート 1) Dropbox 2019
33. 機械学習を使用して次に必要なファイルを予測する (パート 2) Dropbox 2019
34. 関連性を学ぶ: コース推薦システムの進化 (用紙が必要) LinkedIn 2019
35. リアルタイムでの時間的コンテキストに基づくレコメンデーション (論文) Amazon 2020
36. P-Companion: 多様な補完製品推奨のフレームワーク (論文) Amazon 2020
37. クリックスルー率予測のための階層型アテンションネットワークによる深い関心 (論文) Alibaba 2020
38. TPG-DNN: マルチタスク学習によるユーザー意図予測手法 (論文) Alibaba 2020
39. PURS: ユーザー満足度を向上させるためのパーソナライズされた予期せぬレコメンダー システム (論文) Alibaba 2020
40. 推奨のための制御可能な複数利益フレームワーク (論文) Alibaba 2020
41. MiNet: クロスドメインのクリックスルー率予測のための混合インタレスト ネットワーク (論文) Alibaba 2020
42. ATBRG: 効果的な推奨のための適応型ターゲット行動関係グラフ ネットワーク (論文) Alibaba 2020
43. For Your Ears Only: 機械学習を使用して Spotify ホームをパーソナライズするSpotify 2020
44. トップを目指して: Spotify がわずか 6 か月でショートカットを構築した方法Spotify 2020
45. 大規模な音楽レコメンデーションのためのコンテキストおよびシーケンシャル ユーザー埋め込み (論文) Spotify 2020
46. Kit の進化: 機械学習を使用したマーケティングの自動化Shopify 2020
47. LinkedIn ラーニングのコース推奨を支える AI を詳しく見る (パート 1) LinkedIn 2020
48. LinkedIn ラーニングのコース推奨を支える AI を詳しく見る (パート 2) LinkedIn 2020
49. 異種ソーシャル ネットワーク レコメンデーション システムの構築LinkedIn 2020
50. TikTok が動画を推奨する方法 #ForYou ByteDance 2020
51. RecSys からコールドスタート検索検索へのゼロショット異種転移学習 (論文) Google 2020
52. Web スケール LTR システムにおける機能クロスラーニングのためのディープ & クロス ネットワークの改良 (論文) Google 2020
53. レコメンデーションにおける 2 タワー ニューラル ネットワークを学習するための混合ネガティブ サンプリング (論文) Google 2020
54. 将来のデータによるトレーニング: セッションベースのレコメンデーションのための将来のコンテキストのモデリング (論文) Tencent 2020
55. 住宅改善分野におけるセッションベースのレコメンデーションのケーススタディ（論文） Home Depot 2020
56. IKEA アプリで顧客にインスピレーションを与える関連性と発見のバランス (論文) Ikea 2020
57. Pinterest 広告での AutoML、マルチタスク学習、マルチタワー モデルの使用方法Pinterest 2020
58. Pinterest での関連製品のマルチタスク学習の推奨事項Pinterest 2020
59. Pinterest 2020軽量ランキングでおすすめピンの品質を向上
60. Pinterest 2020におけるユーティリティベースのホーム フィード ランキングのマルチタスクの学習と調整
61. 顧客の好みと地域の人気に基づいたパーソナライズされた料理フィルターDoorDash 2020
62. 製品をクロスセルするためのマッチメイキング アルゴリズムをどのように構築したかGojek 2020
63. モデルベースの候補生成におけるデータセットのバイアスに対処するための教訓 (論文) Twitter 2021
64. 大規模アイテムの推奨のための自己教師あり学習 (論文) Google 2021
65. 深層検索: 大規模レコメンデーションのためのエンドツーエンドの学習可能な構造モデル (論文) ByteDance 2021
66. AI を活用して医療専門家が新型コロナウイルス感染症のパンデミックに対処できるよう支援Facebook 2021
67. Pinterest における広告主推奨システムPinterest 2021
68. YouTube のおすすめシステムYouTube 2021について
69. 「よろしいですか?」: Coveo 2021における複数のショップへの製品比較の拡大からの予備的な洞察
70. Mozrt、ウォルマート店舗アソシエイトに力を与える深層学習レコメンデーション システムWalmart 2021
71. 大規模なディープ レコメンデーション モデル トレーニングのためのデータ ストレージと取り込みについて (論文) Meta 2021
72. Amazon Music の会話型レコメンダーは適切なメモを打っているAmazon 2022
73. パーソナライズされた補完製品の推奨事項 (論文) Amazon 2022
74. パーソナライズされた推奨事項のための深層学習ベースの検索システムの構築eBay 2022
75. 構築方法: レコメンデーション用の初期段階の機械学習モデルPeloton 2022
76. コンテキスト認識レコメンダー システムの構築から学んだ教訓Peloton 2022
77. 行列分解を超えて: ユーザーとビジネスの推奨事項にハイブリッド機能を使用するYelp 2022
78. 機械学習されたアクティビティ機能で求人マッチングを改善LinkedIn 2022
79. 大規模なディープ レコメンデーション モデル トレーニングMeta 2022のためのデータ ストレージと取り込みを理解する
80. レコメンダー システム アーキテクチャのブループリント: 10 周年記念版Xavier Amatriain 2022
81. Pinterest がホームフィードのエンゲージメント量を高めるためにレコメンデーションでリアルタイムのユーザー アクションを活用する方法Pinterest 2022
82. RecSysOps: 大規模なレコメンダー システムを運用するためのベスト プラクティスNetflix 2022
83. Recommend API: 推奨事項を生成するための統合されたエンドツーエンドの機械学習インフラストラクチャSlack 2022
84. 進化する DoorDash の代替推奨アルゴリズムDoorDash 2022
85. エクスプロイトと探索DoorDash 2022によるホームページの推奨事項
86. Pinterest Pinterest 2022での GPU アクセラレーションによる ML 推論
87. 因果関係推奨事項の交絡機能問題への対処 (論文) Tencent 2022

検索＆ランキング

1. Amazon 検索: 商品をランキングする楽しみ (論文、ビデオ、コード) Amazon 2016
2. Lazada が顧客エクスペリエンスとコンバージョンを向上させるために製品をランク付けする方法Lazada 2016
3. Yahoo 検索におけるランキング関連性 (論文) Yahoo 2016
4. プロフェッショナル ネットワークでパーソナライズされた検索結果をランク付けする方法を学ぶ (論文) LinkedIn 2016
5. Twitter のタイムラインでディープラーニングを大規模に使用Twitter 2017
6. Etsy でのプロモート商品のクリックスルー率予測に対するアンサンブルベースのアプローチ (論文) Etsy 2017
7. DoorDash DoorDash 2017で検索とレコメンデーションを強化
8. Airbnb 検索へのディープラーニングの適用 (論文) Airbnb 2018
9. 人材検索のためのセッション中のパーソナライゼーション (論文) LinkedIn 2018
10. LinkedIn における人材検索および推薦システム (論文) LinkedIn 2018
11. Uber Eats によるフードディスカバリ: クエリ理解エンジンの構築Uber 2018
12. Eコマース検索における世界的に最適化された相互影響意識ランキング (論文) Alibaba 2018
13. 電子商取引検索エンジンでランク付けするための強化学習 (論文) Alibaba 2018
14. セマンティック製品検索 (論文) Amazon 2019
15. 機械学習を活用したAirbnb体験の検索ランキングAirbnb 2019
16. ツリー インタラクション機能を備えたエンティティ パーソナライズされた人材検索モデル (論文) LinkedIn 2019
17. LinkedIn リクルーター検索および推薦システムを支える AI LinkedIn 2019
18. 採用の好みを学ぶ: LinkedIn の求人を支える AI LinkedIn 2019
19. 検索パーソナライゼーションの背後にある秘密のソースGojek 2019
20. ニューラル コード検索: 自然言語クエリを使用した ML ベースのコード検索Facebook 2019
21. 強化学習による異種ソースからの検索結果の集約 (論文) Alibaba 2019
22. 電子商取引検索のための Wasserstein Regularizer を使用したクロスドメイン アテンション ネットワークAlibaba 2019
23. これまで以上に検索を理解する (論文) Google 2019
24. セマンティック検索を使用して検索を 10 倍スマートにした方法Tokopedia 2019
25. Query2vec: クエリ埋め込みによる検索クエリの拡張GrubHub 2019
26. MOBIUS: Baidu のスポンサードサーチBaidu 2019における次世代のクエリ広告マッチングに向けて
27. なぜ人々は音声商品検索で一見無関係に見える商品を購入してしまうのでしょうか? (紙) Amazon 2020
28. Airbnb検索における多様性の管理（論文） Airbnb 2020
29. Airbnb検索のためのディープラーニングの改善（論文） Airbnb 2020
30. 雇用者と求職者の好みに合わせてパーソナライズされた AI を介して質の高いマッチングを実現LinkedIn 2020
31. 滞留時間を理解して LinkedIn フィードランキングを改善するLinkedIn 2020
32. 制約付き最適化によるフィード内の広告の割り当て (論文、ビデオ) LinkedIn 2020
33. 滞留時間を理解して LinkedIn フィードランキングを改善するLinkedIn 2020
34. Bing Microsoft 2020における大規模な AI
35. Traveloka Universal Search Traveloka 2020のクエリ理解エンジン
36. Wayfair Wayfair 2020におけるベイジアン製品ランキング
37. COLD: 次世代の事前ランキング システムに向けて (論文) Alibaba 2020
38. Shop The Look: Pinterest で大規模なビジュアル ショッピング システムを構築する (論文、ビデオ) Pinterest 2020
39. Pinterest 検索によるショッピングのアップセルの促進Pinterest 2020
40. GDMix: ディープ ランキング パーソナライゼーション フレームワーク (コード) LinkedIn 2020
41. Etsy にパーソナライズされた検索を導入Etsy 2020
42. Semantic Sc​​holar Allen Institute for AIのためのより良い検索エンジンの構築2020
43. 自然言語エンタープライズ検索のクエリの理解 (論文) Salesforce 2020
44. 文字列ではないもの: より良いリコールで検索意図を理解するDoorDash 2020
45. 十分に提供されていない音楽コンテンツを表面化するためのクエリの理解 (論文) Spotify 2020
46. Facebook 検索における埋め込みベースの検索 (論文) Facebook 2020
47. 埋め込み学習による電子商取引検索のパーソナライズされたセマンティック検索に向けて (論文) JD 2020
48. クイーン: 電子商取引におけるニューラル クエリの書き換え (論文) Amazon 2021
49. Learning-to-rank を使用して荷物の配達先を正確に特定する (論文) Amazon 2021
50. e コマース検索における季節的関連性 (論文) Amazon 2021
51. スポンサードサーチにおけるクリックスルー率予測のためのGraph Intention Network (論文) Alibaba 2021
52. Etsy 広告向けにコンテキスト固有の入札システムを構築した方法Etsy 2021
53. Baidu Search における事前トレーニング済み言語モデルに基づくランキング (論文) Baidu 2021
54. クエリベースのレコメンデーションのためにスペースをつなぎ合わせるStitch Fix 2021
55. LinkedIn 検索システムのための深い自然言語処理 (論文) LinkedIn 2021
56. Siamese BERT ベースの Web 検索モデル関連性ランキング (論文、コード) Seznam 2021
57. SearchSage: Pinterest Pinterest 2021で検索クエリ表現を学ぶ
58. Query2Prod2Vec: e コマースCoveo 2021用のグラウンデッド ワード埋め込み
59. DoorDash の製品検索を配達の枠を超えて拡大するための 3 つの変更DoorDash 2022
60. Airbnb 2022多様なランク付けを学ぶ
61. Cascade Bandits でランキングを最適化する方法Expedia 2022
62. Google 検索ランキング システムのガイドGoogle 2022
63. Etsy Etsy 2022での検索ランキングのためのディープラーニング
64. Calm Calm 2022で検索

埋め込み

1. レコメンデーション システムを構築するためのアイテム、顧客、カートのベクトル表現 (論文) Sears 2017
2. アリババにおける電子商取引のための数十億規模の商品埋め込みに関する推奨事項 (論文) Alibaba 2018
3. 埋め込み@Twitter Twitter 2018
4. 検索ランキングへの埋め込みのリスト (論文) Airbnb 2018
5. 潜在スタイルStitch Fix 2018を理解する
6. LinkedIn での人材検索のための深い学習と表現学習に向けて (論文) LinkedIn 2018
7. ベクター埋め込みによるパーソナライズされたストア フィードDoorDash 2018
8. 埋め込むべきでしょうか?リアルタイムレコメンデーションのための埋め込みのパフォーマンスに関する研究(論文) Moshbit 2019
9. より良い開発者エクスペリエンスのための機械学習Netflix 2020
10. ScaNN の発表: 効率的なベクトル類似性検索 (論文、コード) Google 2020
11. BERT がショッピングへ: 製品表現の流通モデルを比較Coveo 2021
12. 寒い中からやって来た埋め込み: コンテンツベースの推論による新製品や希少製品のベクトルの改善Coveo 2022
13. Scribd Scribd 2021での埋め込みベースの検索
14. 行動歌埋め込みの多目的ハイパーパラメータ最適化 (論文) Apple 2022
15. Spotify の規模での埋め込み - それはどれほど難しいでしょうか? Spotify 2023

自然言語処理

1. オンライン ユーザー コンテンツにおける虐待的な言語の検出 (論文) Yahoo 2016
2. スマート リプライ: 電子メールの自動応答提案 (論文) Google 2016
3. メンバー メッセージに対するスマート リプライの構築LinkedIn 2017
4. LinkedIn メンバーが簡単にサポートを受けられるように自然言語処理がどのように役立つかLinkedIn 2019
5. Gmail スマート作成: リアルタイムの執筆支援 (論文) Google 2019
6. 現実世界の設定におけるプロファイル機能を備えた目標指向のエンドツーエンド会話モデル (論文) Amazon 2019
7. 靴ではなくジーンズをください: BERT はクライアントの要望を実現するのにどのように役立つのかStitch Fix 2019
8. DeText: インテリジェントなテキスト理解のための深い NLP フレームワーク (コード) LinkedIn 2020
9. YouTube クリエイター向け SmartReply Google 2020
10. ニューラル ネットワークを使用して表から答えを見つける (論文) Google 2020
11. Google 翻訳Google 2020におけるジェンダーバイアスを軽減するためのスケーラブルなアプローチ
12. 支援 AI により返信が簡単になるMicrosoft 2020
13. AI の進化によりヘイトスピーチの検出が向上Facebook 2020
14. 最先端のオープンソース チャットボット (論文) Facebook 2020
15. CPU 上に導入された高効率のリアルタイム テキスト読み上げシステムFacebook 2020
16. プログラミング言語間の翻訳のための深層学習 (論文、コード) Facebook 2020
17. 生涯にわたるオープンドメイン対話学習の導入 (論文) Facebook 2020
18. Dynabench の紹介: AI Facebook 2020ベンチマーク方法を再考する
19. Gojek が NLP を使用して大規模な受け取り場所に名前を付ける方法Gojek 2020
20. 中国語と英語による最先端のオープンドメイン チャットボット (論文) Baidu 2020
21. PEGASUS: 抽象的なテキスト要約のための最先端のモデル (論文、コード) Google 2020
22. Photon: 堅牢なクロスドメイン Text-to-SQL システム (論文) (デモ) Salesforce 2020
23. GeDi: 言語モデルを制御するための強力な新しい方法 (論文、コード) Salesforce 2020
24. トピックモデリングを適用してコールセンター業務を改善RICOH 2020
25. WIDeText: マルチモーダルディープラーニングフレームワークAirbnb 2020
26. Dynaboard: 精度を超えて NLP での全体的なモデル評価への移行 (コード) Facebook 2021
27. テキスト類似性ランタイムを 99.96% 削減した方法Microsoft 2021
28. テキストレス NLP: 生の音声から表現力豊かな音声を生成 (パート 1) (パート 2) (パート 3) (コードと事前トレーニング済みモデル) Facebook 2021
29. Pixel 6 Google 2021で入力中の文法修正
30. Google ドキュメントで自動生成される概要Google 2022
31. ML 拡張コード補完により開発者の生産性が向上Google 2022
32. Words All Way Down — 会話感情分析PayPal 2022

シーケンスモデリング

1. Doctor AI: Predicting Clinical Events via Recurrent Neural Networks (論文) Sutter Health 2015
2. 消費者履歴を理解するための深層学習 (論文) Zalando 2016
3. 再発性ニューラル ネットワーク モデルを使用した心不全発症の早期検出 (論文) Sutter Health 2016
4. クラシックネットワークとディープネットワークによる通知参加者の継続的予測 (論文) Telefonica 2017
5. 電子医療記録のためのディープラーニング (論文) Google 2018
6. クリックスルー率予測のための長期連続ユーザー行動モデリングの実践 (論文) Alibaba 2019
7. CTR 予測のための連続行動データを使用した検索ベースのユーザー関心モデリング (論文) Alibaba 2020
8. Duolingo がアプリのあらゆる部分で AI をどのように活用しているかDuolingo 2020
9. Facebook での誠実性を高めるためのオンライン ソーシャル インタラクションの活用 (論文、ビデオ) Facebook 2020
10. 深層学習を使用してメンバーの一連の不正行為を検出 (ビデオ) LinkedIn 2021

コンピュータビジョン

1. コンピューター ビジョンとディープ ラーニングを使用した最新の OCR パイプラインの作成Dropbox 2017
2. Airbnbでのリスティング写真の分類Airbnb 2018
3. アメニティ検出とその先 — Airbnb Airbnb 2019でのコンピュータービジョンの新境地
4. ラベル付けエラーのクリーニングのみでコンピューター ビジョン メトリクスを 5% 以上改善した方法Deepomatic
5. 音声とビデオを使用して会議での会話を機械に認識させ、文字に起こすMicrosoft 2019
6. AI の活用: 製品の理解を促進し、新しいショッピング エクスペリエンスを構築するFacebook 2020
7. 8 時間降水量予測のためのニューラル気象モデル (論文) Google 2020
8. 災害救援のための機械学習ベースの被害評価 (論文) Google 2020
9. RepNet: ビデオ内の繰り返しのカウント (論文) Google 2020
10. 製品発見のためのテキストから画像への変換 (論文) Amazon 2020
11. ディズニーがアニメーションキャラクター認識に PyTorch を使用する方法Disney 2020
12. 支援技術としての画像キャプション (ビデオ) IBM 2020
13. AI for AG: 農業向けの生産機械学習Blue River 2020
14. Tesla Tesla 2020における完全自動運転のための AI
15. オンデバイス スーパーマーケット製品認知度Google 2020
16. 機械学習を使用して結腸内視鏡検査におけるカバレッジ不足を検出する (論文) Google 2020
17. Shop The Look: Pinterest で大規模なビジュアル ショッピング システムを構築する (論文、ビデオ) Pinterest 2020
18. ビデオ会議用のリアルタイム自動手話検出の開発 (論文) Google 2020
19. オンライン中古品のビジョンに基づく価格提案（紙） Alibaba 2020
20. X線から新型コロナウイルス感染症のリソース需要を予測するのに役立つ新しいAI研究（論文、モデル） Facebook 2021
21. 非常に大規模な顔認識のための効率的なトレーニング アプローチ (論文) Alibaba 2021
22. Scribd Scribd 2021での文書タイプの識別
23. ファッション互換性のための半教師あり視覚表現学習 (論文) Walmart 2021
24. プライベートオンデバイス機械学習による写真内の人物の認識Apple 2021
25. DeepFusion: マルチモーダル 3D オブジェクト検出のための Lidar カメラ Deep Fusion Google 2022
26. 一般的なファッション概念の対照的な言語と視覚の学習 (論文) Coveo 2022
27. BazaarVoice 2023検索ランキングにコンピューター ビジョンを活用

強化学習

1. スポンサードサーチ リアルタイム入札のための深層強化学習 (論文) Alibaba 2018
2. ディスプレイ広告におけるモデルフリー強化学習による予算制約付き入札 (論文) Alibaba 2018
3. オンデマンド物流DoorDash 2018の強化学習
4. 電子商取引検索エンジンでランク付けするための強化学習 (論文) Alibaba 2018
5. 深層強化学習を使用した電子商取引プラットフォームの動的価格設定 (論文) Alibaba 2019
6. Spark と MLflow を使用した深層強化学習の本番化Zynga 2020
7. 本番環境における深層強化学習 パート 1 パート 2 Zynga 2020
8. AI トレーディング システムの構築Denny Britz 2020
9. 強化学習による多様なコンテンツへの消費のシフト (論文) Spotify 2022
10. オンライン キャリブレーションのための Bandits: ソーシャル メディア プラットフォームのコンテンツ モデレーションへの応用Meta 2022
11. Cascade Bandits でランキングを最適化する方法Expedia 2022
12. 探索と機械学習を使用して各販売者に最適な画像を選択するDoorDash 2023

異常検出

1. 外部ファームウェア導入におけるパフォーマンス異常の検出Netflix 2019
2. Isolation Forests を使用した LinkedIn での不正行為の検出と防止 (コード) LinkedIn 2019
3. Spark と Tensorflow を使用した深い異常検出 (Hopsworks ビデオ) Swedbank 、 Hopsworks 2019
4. 教師なし学習を使用して虐待を防止するLinkedIn 2020
5. LinkedIn でのハラスメントとの戦いを支えるテクノロジーLinkedIn 2020
6. ネットワーク学習による保険詐欺陰謀の解明 (論文) Ant Financial 2020
7. Stack Exchange ではスパム保護はどのように機能しますか? Stack Exchange 2020
8. C2C eコマースMercari 2020における自動コンテンツモデレーション
9. 機械学習Slack 2020で Slack 招待スパムをブロックする
10. Cloudflare ボット管理: 機械学習などCloudflare 2020
11. トンネルボーリングマシンにおける油温変動の異常SENER 2020
12. 異常検出を使用して低リスクの銀行顧客を監視するRabobank 2020
13. Triplet Loss OLX Group 2020で詐欺と闘う
14. Facebook は AI を使用してコンテンツを分類し、迅速なモデレーションを実現 (代替) Facebook 2020
15. AI はヘイトスピーチの検出においてどのように向上しているのか パート 1、パート 2、パート 3、パート 4 Facebook 2020
16. 深層学習を使用してメンバーの一連の不正行為を検出 (ビデオ) LinkedIn 2021
17. プロジェクト RADAR: 人間が関与するインテリジェントな早期不正検出システムUber 2022
18. 不正検出Grab 2022のグラフ
19. オンライン キャリブレーションのための Bandits: ソーシャル メディア プラットフォームのコンテンツ モデレーションへの応用Meta 2022
20. 機械学習を進化させてモバイルボットを阻止するCloudflare 2022
21. データ拡張とサンプリングを使用した機械学習 WAF の精度の向上Cloudflare 2022
22. ストリーミング サービスにおける不正検出のための機械学習Netflix 2022
23. Lyft Lyft 2022での価格

グラフ

1. LinkedIn ナレッジ グラフの構築LinkedIn 2016
2. Airbnb Airbnb 2018で知識のアクセスと検索を拡大
3. Web スケールのレコメンダー システムのためのグラフ畳み込みニューラル ネットワーク (論文) Pinterest 2018
4. Uber Eats によるフードディスカバリ: グラフ学習を使用してレコメンデーションを強化するUber 2019
5. AliGraph: 包括的なグラフ ニューラル ネットワーク プラットフォーム (論文) Alibaba 2019
6. ナレッジグラフの構築によるAirbnbのコンテキスト化Airbnb 2019
7. 小売グラフ — ウォルマートの製品知識グラフWalmart 2020
8. 高度なグラフ ニューラル ネットワークDeepMind 2020を使用したトラフィック予測
9. SimClusters: コミュニティベースの推奨事項の表現 (論文、ビデオ) Twitter 2020
10. 異種グラフ推論のためのメタパス誘導近隣集合ネットワーク (論文) Alibaba 2021
11. スポンサードサーチにおけるクリックスルー率予測のためのGraph Intention Network (論文) Alibaba 2021
12. JEL: JPMorgan Chase におけるエンドツーエンドのニューラル エンティティ リンクの適用 (論文) JPMorgan Chase 2021
13. AWS が顧客のニーズを満たすためにグラフ ニューラル ネットワークを使用する方法Amazon 2022
14. 不正検出Grab 2022のグラフ

最適化

1. Lyft ラインでのマッチメイキング (その 1) (その 2) (その 3) Lyft 2016
2. GrabShare 相乗りの背後にあるデータと科学 (パート 1) (用紙が必要です) Grab 2017
3. トリップ推論と機械学習が Uber Eats の配達時間を最適化する方法Uber 2018
4. DoorDash DoorDash 2020におけるダッシャー配車の次世代最適化
5. 機械学習を使用したエレベーターでの乗客の待ち時間の最適化Thyssen Krupp AG 2020
6. パッケージから考える: 電子商取引発送用のパッケージ タイプの推奨 (論文) Amazon 2020
7. DoorDash のマーケティング支出を機械学習で最適化DoorDash 2020
8. ランクの学習を使用してパッケージを配信する場所を正確に見つける（紙） Amazon 2021

情報抽出

1. 製品の説明からの属性とその価値の監視なし抽出（Paper） Rakuten 2013
2. 機械学習を使用して数十億の画像からテキストをインデックス化するDropbox 2018
3. テンプラティックドキュメントから構造化データの抽出（Paper） Google 2020
4. Autoknow：数千種類の製品（紙、ビデオ） Amazon 2020の自動運転知識コレクション
5. 情報抽出のための注意と信念の伝播を使用したワンショットテキストのラベル付け（論文） Alibaba 2020
6. グラフ畳み込みネットワークを使用した2021書からの情報抽出Nanonets

弱い監督

1. シュノーケルドライベル：産業規模で弱い監督を展開するケーススタディ（Paper） Google 2019
2. Osprey：コードなしの不均衡な抽出問題の弱い監督（Paper） Intel 2019
3. オーバートン：機械学習製品（Paper） Apple 2019監視と改善のためのデータシステム
4. 監督が弱い（論文） IBM 2019のブートストラップ会話エージェント

世代

1. より良い言語モデルとその意味（論文） OpenAI 2019
2. Image GPT（Paper、Code） OpenAI 2019
3. 言語モデルは少数のショット学習者（紙）（GPT-3ブログ投稿） OpenAI 2020です
4. 長編映画制作（Paper） Pixar 2020の深い学んだ超解像度
5. トランスによる単位テストケース生成Microsoft 2021

オーディオ

1. VoiceFilter-Lite（Paper） Google 2020によるデバイス上の音声認識の改善
2. Google 2020を検索するためのHUMの背後にある機械学習

プライバシーを提供する機械学習

1. フェデレーションラーニング：集中トレーニングデータなしの共同機械学習（Paper） Google 2017
2. 正式な差別2022なプライバシー保証を備えたフェデレーションラーニング（論文） Google
3. MPCベースの機械学習：エンドツーエンドのプライバシーを提供する機械学習（Paper） Facebook 2022達成

検証とA/Bテスト

1. 重複する実験インフラストラクチャ：より良い、より高速な実験（論文） Google 2010
2. 再利用可能なホールドアウト：適応データ分析（Paper） Google 2015の妥当性の保存
3. Twitter実験：技術概要Twitter 2015
4. それはすべて/試合テストです：Netflix実験プラットフォームNetflix 2016
5. PinterestのA/BテストプラットフォームPinterest 2016を構築します
6. Cramming Twitter 2017を解決するための実験
7. Uber Engineering Uber 2017を使用したインテリジェントな実験プラットフォームの構築
8. Airbnbの実験プラットフォームAirbnb 2017スケーリング
9. オープンソースA/Bテストプラットフォーム（コード） Intuit 2017あるWasabiに会います
10. 実験の結果の分析：平均治療効果を超えてUber 2018
11. Uberの実験プラットフォームUber 2018のフードの下
12. 騒々しい実験によるベイジアンの最適化（Paper） Facebook 2018
13. Grab Grab 2018で信頼性の高いスケーラブルな機能トグルとA/BテストSDK
14. カプラン・マイヤーとガンマ分布を使用して、コンバージョン率のモデリングと数百万の節約（コード） Better 2019
15. 干渉の検出：A/BテストのA/BテストLinkedIn 2019
16. Pyro（Paper）（Paper） Uber 2020で最適な実験を設計するための新しいフレームワークの発表
17. Traveloka Experiment Platform Traveloka 2020でさらに10倍の実験を可能にする
18. Stitch Fix（Paper） Stitch Fix 2020での大規模な実験
19. マルチアライムバンディットとステッチフィックス実験プラットフォームStitch Fix 2020
20. リソース制約の実験Stitch Fix 2020
21. Netflix（Paper） Netflix 2020での計算因果推論
22. Netflix Netflix 2020での準実験に関する重要な課題
23. LinkedIn実験エンジンを20倍高速なLinkedIn 2020にする
24. T-Rexへの進化：LinkedIn LinkedIn 2020での実験インフラストラクチャの先史時代
25. 準実験2020反事実を使用して優れた製品を構築する方法Shopify
26. 共DoorDashとしての予測を使用した制御による実験力の改善2020
27. 実験分析プラットフォームでの迅速な製品イテレーション2020サポートDoorDash
28. 並列化と感度の向上により2020オンライン実験容量を4x減らすDoorDash
29. 因果モデリングを活用しDoorDashフラット2020実験結果からより多くの価値を得る
30. 実験によるリアルタイムDoorDashアルゴリズムを反復します2020
31. Spotifyの新しい実験プラットフォーム（パート1）（パート2） Spotify 2020
32. A/Bテスト結果の解釈：誤検知と統計的有意性Netflix 2021
33. A/Bテスト結果の解釈：偽陰性とパワーNetflix 2021
34. キャンペーン2021化のためのGoogle AdWordsでの実験を実行するDoorDash
35. 4つの原則Doordashは、物流実験容量を1000％増加させるために使用されていましDoorDash 2021
36. Zalandoの実験プラットフォーム：パート1- 2021 Zalando
37. 実験の設計GuardRails Airbnb 2021
38. Airbnbがトレードオフを標準化するために将来の価値を測定する方法Airbnb 2021
39. 規模のネットワーク実験（Paper] Facebook 2021
40. ディズニーストリーミングDisney 2021のユニバーサルホールドアウトグループ
41. 実験は、Netflix Netflix 2022を介してデータサイエンスの主要な焦点です
42. より良い実験の実践に向けて旅を検索Spotify 2022
43. 人工反事実推定：Airbnb Airbnb 2022での機械学習ベースの因果推論
44. A/Bテストを超えて：Airbnb検索ランキングランキングのスピードアップAirbnb 2022を通じて実験
45. 実験の課題Lyft 2022
46. 分析のオーバートラッキングとトリガー分析：感度のBookingを増やしながらサンプルサイズを削減します2022
47. ダッシュアブに会う - DoorDashで2022実験の統計エンジン
48. オンラインA/BテストSpotify 2022の規模の分位数を比較します
49. A/B実験を機械学習Dropbox 2023で加速します
50. Uber UberでのA/Bテストのスーパーチャージ

モデル管理

1. 機械学習の運用 - 生データから予測への起源の管理Comcast 2018
2. オーバートン：機械学習製品（Paper） Apple 2019監視と改善のためのデータシステム
3. 滑走路 - Netflix Netflix 2020のモデルライフサイクル管理
4. MLモデルの管理 @スケール-Intuit'sML Platform Intuit 2020
5. MLモデルの監視-Trenchから9つのヒントNubank 2021
6. リアルタイムMLモデルでの列車のスキューを扱う：短いガイドNubank 2023

効率

1. Groknet：統一されたコンピュータービジョンモデルのトランクとコマース用の埋め込み（紙） Facebook 2020
2. CPUS Roblox 2020で毎日10億人以上のリクエストを提供するためにBertをスケーリングした方法
3. 透過、量子化、および微調整：ニューラルネットワークの効率的な圧縮（論文） Uber 2021
4. Pinterest Pinterest 2022でのGPUアクセラレーションML推論

倫理

1. A/Bテスト（Paper） LinkedIn 2020を通じて包括的な製品を構築します
2. リフト：MLアプリケーションの公平性を測定するためのスケーラブルなフレームワーク（論文） LinkedIn 2020
3. Twitterの最初のアルゴリズムバイアスバウンティチャレンジTwitter 2021紹介
4. TwitterのTwitter 2021での政治的内容のアルゴリズム増幅の調べ
5. LinkedInがどのように公平性をそのAI製品に2022するかを詳しく見る

インフラ

1. 相互運用性のためのFacebook AIの深い学習プラットフォームのリエンジニアリングFacebook 2020
2. Ray Uber 2021のxgboostを使用した弾性分散トレーニング

MLOPSプラットフォーム

1. ミケランジェロに会いましょう：Uberの機械学習プラットフォームUber 2017
2. 機械学習の運用 - 生データから予測への起源の管理Comcast 2018
3. Pinterest Pinterest 2019のビッグデータマシン学習プラットフォーム
4. Instagram Instagram 2019でのコアモデリング
5. オープンソーシングメタフロー - データサイエンスNetflix 2019の人間中心のフレームワーク
6. MLモデルの管理 @スケール-Intuit'sML Platform Intuit 2020
7. Zomato Zomato 2020のリアルタイム機械学習推論プラットフォーム
8. Flyteの紹介：クラウドネイティブ機械学習およびデータ処理プラットフォームLyft 2020
9. 計算グラフを使用した柔軟なアンサンブル2021モデルの構築DoorDash
10. Lyftlearn：Kubernetes Lyft 2021に構築されたMLモデルトレーニングインフラストラクチャ
11. 「あなたは大きなボートを必要としません」：オープンソースツール（紙） Coveo 2021で構築された完全なデータパイプライン
12. GreenSteamのMLOPS：配送機学習GreenSteam 2021
13. RedditのMLモデルの展開とサービングアーキテクチャReddit 2021の進化
14. Etsyの機械学習プラットフォームEtsy 2021の再設計
15. 大規模な推奨モデルトレーニング（Paper） Meta 2021のデータストレージと摂取の理解
16. Etsy Etsy 2022で推奨事項を提供するためのプラットフォームの構築
17. インテリジェントオートメーションプラットフォーム：Airbnb Airbnb 2022での会話型AIおよびそれ以降
18. ダーウィン：LinkedIn LinkedIn 2022のデータサイエンスと人工知能ワークベンチ
19. マーリンの魔法：Shopifyの新しい機械学習プラットフォームShopify 2022
20. Zalandoの機械学習プラットフォームZalando 2022
21. 会社全体のエンジニア向けのメタのAI最適化プラットフォーム（Paper） Meta 2022
22. Monzoの機械学習スタックMonzo 2022
23. ML Fact Store Netflix 2022の進化
24. MLOPSを使用して、リアルタイムのエンドツーエンドの機械学習パイプBinance 2022を構築する
25. Zillow Zillowで規模で機械学習モデル2022効率的に提供する
26. Didact AI：ML搭載ストックピッキングエンジンDidact AI 2022の解剖学
27. 無料の展開-Stitch FixのデータサイエンティストStitch Fix 2022の機械学習プラットフォーム
28. 機械学習操作（MLOPS）：概要、定義、アーキテクチャ（論文） IBM 2022

実践

1. ディープYoshua Bengioのグラデーションベースのトレーニングに関する2012的な推奨
2. 機械学習：技術債務の高利子クレジットカード（論文）（論文） Google 2014
3. 機械学習のルール：MLエンジニアリングGoogle 2018のベストプラクティス
4. 機械学習モデル管理Amazon 2018の課題について
5. 生産における機械学習：Booking.comアプローチBooking 2019
6. 150の成功した機械学習モデル：Booking.com（Paper） Booking 2019で学んだ6つのレッスン
7. グローバルバンクRabobank 2019で大規模に機械学習を採用する際の成功と課題
8. 機械学習の展開における課題：ケーススタディの調査（論文） Cambridge 2020
9. 相互運用性のためのFacebook AIの深い学習プラットフォームのリエンジニアリングFacebook 2020
10. Enterprises Databricks 2020のAI開発者ツールの問題
11. 機械学習用の継続的な統合と展開オンラインサービングおよびモデルUber 2021
12. チューニングモデルのパフォーマンスUber 2021
13. 監視による機械学習モデル2021精度の維持DoorDash
14. Wayfair Wayfair 2021でスケーラブルでパフォーマンスのあるマーケティングMLシステムを構築する
15. 透明で説明可能なAI Systems LinkedIn 2021を構築するための私たちのアプローチ
16. Business Shopify 2021の機械学習モデルを構築するための5つのステップ
17. データは科学だけでなく芸術であり、ストーリーテリングはShopify 2022です
18. リアルタイムの機械学習のためのベストプラクティス： Nubank 2022警告
19. 機械学習モデルの自動再訓練：ヒントとレッスン学んだNubank 2022
20. Recsysops：大規模な推奨システムNetflix 2022を操作するためのベストプラクティス
21. UberのML教育：エンジニアリング原則に触発されたフレームワークUber 2022
22. DS/MLチームの内部ツールの構築と維持：学んだレッスンNubank 2024

チーム構成

1. データサイエンスチームを構築する最も効果的な方法は何ですか？ Udemy 2017
2. エンジニアはETLを書くべきではありません：高機能データサイエンス部門のStitch Fix 2016を構築するためのガイド
3. Wish Wish 2018に分析チームを構築します
4. データサイエンスピンファクトリーに注意してください：フルスタックデータサイエンスジェネラリストStitch Fix 2019のパワー
5. 育成アルゴリズム：ステッチフィックスStitch Fixでのデータサイエンスの栽培方法
6. Netflixの分析：私たちが誰であり、私たちが何をしているのNetflix 2020
7. ミッドステージのスタートアップでデータチームを構築する：短編小説Erikbern 2021
8. Postmanマンのデータチームがどのように機能する2021を舞台裏で見る
9. データサイエンティストx機械学習エンジニアの役割：それらはどのように違いますか？彼らはどうですか？ Nubank 2022

失敗する

1. Gorillasに関しては、Googleの写真がブラインドGoogle 2018のままです
2. 160k+高校生は、モデルがInternational Baccalaureate 2020にできる場合にのみ卒業します
3. 顔に基づいて犯罪を「予測」するアルゴリズムは、 Harrisburg University 2020激怒します
4. イスラム教徒OpenAI 2020についてGPT-3から神経テキストを生成するのは難しい
5. 暴力犯罪を予測するための英国のAIツールは、 United Kingdom 2020を使用することができないほど欠陥があります
6. ひどいaiでもっと
7. AI 2022 Partnership on AI

PS、MLの進歩の要約が欲しいですか？ Survey Papers ml-surveysでスピードを上げてください