中文| English
全面整理高品質的人工智慧、機器學習、大數據等技術資料。內容主要來自開源專案官網、綜合技術網站（AIQ 、InfoQ、Stackoverflow、Github 等、國內外知名互聯網公司技術博客(FAANG、Alibaba、Meituan etc)、知名技術公眾號(DatafunTalk、阿里技術等)。該文檔每天自動更新
我們有一個夢想：隨著全球工業界在AI道路上的不斷探索與沉澱，筆耕不綴，很多很多年後， AIQ終將成為人工智慧領域的「史家之絕唱，無韻之離騷」。 ——“苦練基本功”
我們有一個夢想：隨著工業界不斷的分享實踐，未來無數的AI工程師們都能在這裡找到解決方案、對標前沿，收穫志同道合的朋友。智慧時代裡遍地生花、百家爭鳴。 ——“堅持做正確的事，而不是容易的事”
我們有一個夢想：隨著不斷提升人工智慧技術資訊取得的效率，降低資訊不對稱壁壘，加速產業週期，幫助人類智慧化的翅膀飛的更高更遠！ ——“每天前進三十公里”
推廣、廣告、招募、投稿、合作侵權請聯絡信箱
Github：https://github.com/cbamls/AI_Tutorial
Website: https://www.6aiq.com
Mail: [email protected]
加我微信: wx_vchar
滾動週報
註：演算法大牛本週發布的筆記匯總，統計區間(2024-04-08 ~ 2024-04-15), 本週報更新時間:2024-04-15 15:03:27
| 序號 | 佳作 | 作者 | 時間 |
|---|
| 1 | 圖解大模型計算加速系列：vLLM原始碼解析2，調度器策略(Scheduler) | 猛猿 | 2024-04-15 13:17:50 |
| 2 | 大模型高速下載常用的幾種方法 | 大林 | 2024-04-15 07:59:28 |
| 3 | 大模型| meta2024 wukong: 推薦模型本身如何做大 | 亦一 | 2024-04-15 00:00:02 |
| 4 | 揭秘NVIDIA大模型推理架構：TensorRT-LLM | DataFunTalk | 2024-04-14 21:14:33 |
| 5 | ChatBI：基於文心一言的生成式資料分析技術探索 | DataFunTalk | 2024-04-14 20:45:05 |
| 6 | 最新綜述| A Review of Graph Neural Networks in Epidemic Modeling | Houye | 2024-04-14 08:53:09 |
| 7 | 懂車帝資料指標體系建置與應用實踐 | DataFunTalk | 2024-04-12 14:07:40 |
| 8 | DataOps 在聯通數科的實務中建構資料治理研發營運整合能力 | DataFunTalk | 2024-04-12 13:59:03 |
| 9 | 如何快速提升大模型的向量表徵效果能力？ | 劉聰NLP | 2024-04-11 22:36:46 |
| 10 | 尺寸魔術方塊：AIGC賦能下的視覺創意智慧延展 | 阿里媽媽技術 | 2024-04-11 18:08:12 |
| 11 | 時間序列AI 技術與大模型：螞蟻集團的實踐與應用探索 | DataFunTalk | 2024-04-11 14:58:03 |
| 12 | 導師：瞞著我發水刊，你退學吧！ | Houye | 2024-04-11 06:20:35 |
| 13 | 我發現了兩個很好用的kimi插件 | 大林 | 2024-04-09 20:24:25 |
| 14 | 大模型微調方案設計與能力整合 | DataFunTalk | 2024-04-09 18:37:24 |
| 15 | Apache Spark在小米的生產實踐 | DataFunTalk | 2024-04-09 13:54:06 |
| 16 | 輕量微調技術：如何運用有限資料實現高效微調 | DataFunTalk | 2024-04-09 11:50:13 |
| 17 | 邁向公平圖學習的新基準：電子科大等發布全新綜合資料集與統一評估方法 | Houye | 2024-04-09 05:37:24 |
| 18 | RAG系統中答案無關片段對LLMs生成答案有何影響？ | 劉聰NLP | 2024-04-08 20:50:36 |
| 19 | 理想汽車基於Flink on K8s的資料整合實踐 | DataFunTalk | 2024-04-08 15:01:04 |
| 20 | 大資料安全治理與防範－網址反詐欺實戰 | DataFunTalk | 2024-04-08 14:03:49 |
| 21 | 當大語言模式遇見推薦系統 | DataFunTalk | 2024-04-08 11:03:26 |
| 22 | 自那之後，heygen更新了蠻多功能的 | 大林 | 2024-04-08 07:34:48 |
大牛筆記
- DataFunTalk
- 朱翔宇(「煉丹筆記」「阿里雲天池競賽賽題解析」作者,《阿里雲天池大賽賽題解...)
- 機智的叉燒(OPPO對話演算法，公眾號：CS的陋室,個人微信公眾號：CS的陋室，N...)
- 大師兄(《深度學習高手筆記》系列叢書作者,通過和@人民郵電出版社的合作，...)
- 劉聰NLP(專業煉丹師，專治疑難雜症,NLP演算法工程師，個人微信：logCong...)
- 北冥乘海生(大數據仁波切公號「計算廣告」(Comp_Ad),《計算廣告》作者，...)
- 李rumor(公眾號「李rumor」，AI演算法小姐姐，Google開發者專家,還沒呢。...)
- 魚遇雨欲語與餘(公眾號：Coggle資料科學，《機器學習演算法競賽實戰》作者,一對一學...)
- 亦一(公號：播播筆記(推薦演算法)，吾之(生活思考),在不堪一擊的現實裡還...)
- 張小磊(小小又大大的夢想,小小又大大的夢想。...)
- sliderSun(https://github.com/sliderSun,https...)
- 絕密伏擊(九天驚雷撼乾坤，一指破空九萬裡,一位籃球愛好者。...)
- Houye(化學本，電腦博。私訊不看，有問題付費諮詢。,微信Houye93 公...)
- Microstrong(微信公眾號：Microstrong，大規模分散式演算法工程師,歡迎關注...)
- 石塔西(CDA持證人，推薦演算法說書人～公眾號：推薦道,如果有問題諮詢，請走「...)
- 阿水(公眾號【Coggle資料科學】,資料探勘/電腦視覺實務工作者資料競賽...)
- 吳海波(機器學習,蘑菇街VP，WeShop全球化。...)
- 王喆(廣告/推薦Engineering Manager,廣告/推薦, E...)
- zenRRan(公眾號：「深度學習自然語言處理」，小小NLPer~,不做螺絲釘，學以...)
- 琦琦(一個愛跳舞的程式猿,建議盡量不要私訊我，極有可能漏看。有疑問可在...)
- 吳恩達
- 阿里媽媽技術
- 蘑菇先生(個人公眾號: 蘑菇先生學記& 某大廠演算法工程師。,勝不驕，敗不餒...)
- 張俊林(你所不知道的事,Heil Hydra!嗯。...)
- 大林
- 緘默筆記(公眾號"緘默筆記"，分享推薦系統學習筆記,...)
- King James(公眾號：KingJames講策略，演算法出身的策略產品；,1. 專注於...)
- 猛猿(公眾號：大猿搬磚簡記,學習與職業歷程：會計 ➡️演算法➡️大數據➡️算...)
- 李沐(https://github.com/mli。...)
- 策略產品Arthur
- Keep Learning
- 何枝(欣賞每一個用邏輯闡述觀點的人，不喜歡無論據的情緒輸出。,笑一個吧，功...)
- 潘潤琦(一隻菜雞木有學上,...)
- 衣介書生(打工人，民眾號：後廠村搬磚工，歡迎關注,#打工人#網路#推薦算...)
- 姚凱飛(喜歡數學的演算法工程師,碼農，歡迎追蹤我的微信公眾號: data_al...)
- JioNLP團隊(開源JioNLP千星作者，公眾號JioNLP，資料分析,jionlp...)
- Ostrich(厚積薄發,分享網路科技與成長經驗。...)
- Young(公眾號【Young樣說】探索前沿有趣的科技AI見聞,- 清華大學本科...)
- 馮偉(推薦系統,混跡推薦系統的小碼農。...)
- 楊旭東
- iwtbs(公號：推薦廣告演算法小木屋,推薦演算法工程師。...)
- 蕭瑟(王哲，廣告/推薦/深度學習/NLP，知乎專欄：煉丹實驗室,http:...)
- 風控大魚(網路風控/風險模型/反洗錢（公眾號：風控大魚）,Nothing w...)
- 一兩贅肉無(和鯨社區運營，heywhale.com,...)
- Peter PanXin(AI 大數據分散式系統,Colossus, Spanner, IA...)
- 歸來仍是少年(歡迎大家關注公眾號《我愛自然語言處理》,做自然語言處理方向，kagg...)
- Tang AI(在機器學習中欲仙欲死,神經病王子，佛系，網癮少年。...)
- Andy Yang(生活、學習、思考與觀察世界,自由之精神獨立之思想。...)
- 機器學習推薦演算法
- yanianthe(炒股被抄家的前大廠程式設計師@不掉髮就是勝利。,你好呀，交個朋友。...)
- 王峰(http://happynear.wang/....)
- kaiyuan
- 北冥有魚(zepengzhang.com....)
- 九老師
- 黑貓白貓cutecat
- arXivDaily
- bytecoder
- PaperWeekly(歡迎關注同名微信公眾號：PaperWeekly,厚積薄發。...)
- 網路人工智慧園區(華為網路AI平台(NAIE)官方帳號,公眾號：網路人工智慧園區地官網...)
- 小潄
- 阿澤(公號：阿澤的學習筆記,程式攝影師愛健身高顏值五迷暖男...)
- 朱小強(技術探險者,正在開啟新的旅程。...)
- Aston Zhang(《動手學習深度學習》 https://zh.d2l.ai,...)
- 其它
工業案例
- 亞馬遜
- 蘇寧
- 丁香園
- 作業幫
- VIVO
- OPPO
- 58同城
- 知乎
- 貝殼找房
- 第四範式
- 明略科技
- 餓了麼
- 滴
- 微軟
- UC
- 聯想
- 今日頭條
- 陌陌
- 貨拉拉
- 去哪裡網
- vivo
- 美團
- 攜程
- 唯品會
- 華為
- 360
- 神策數據
- 嗶哩嗶哩
- 愛奇藝
- 大疆
- 新浪
- 搜狗
- 搜狐
- 小紅書
- CVTE
- 拼多多
- 科大訊飛
- 微眾銀行
- 蘑菇街
- 新東方
- 快手
- 小米
- 金山
- Hulu
- 優酷
- eBay
- 虎牙
- 位元組跳動
- 汽車之家
- 騰訊
- VIPKID
- 好未來
- Google
- 百度
- 網易
- 螞蟻金服
- 鳳凰網
- 有讚
- 微信
- 京東
- 樂視
- 米哈遊
- 趨勢科技
- 阿里
DataFunTalk
| 序號 | 佳作 | 時間 |
|---|
| 1 | 揭秘NVIDIA大模型推理架構：TensorRT-LLM | 2024-04-14 21:14:33 |
| 2 | ChatBI：基於文心一言的生成式資料分析技術探索 | 2024-04-14 20:45:05 |
| 3 | 懂車帝資料指標體系建置與應用實踐 | 2024-04-12 14:07:40 |
| 4 | DataOps 在聯通數科的實務中建構資料治理研發營運整合能力 | 2024-04-12 13:59:03 |
| 5 | 時間序列AI 技術與大模型：螞蟻集團的實踐與應用探索 | 2024-04-11 14:58:03 |
| 6 | 大模型微調方案設計與能力整合 | 2024-04-09 18:37:24 |
| 7 | Apache Spark在小米的生產實踐 | 2024-04-09 13:54:06 |
| 8 | 輕量微調技術：如何運用有限資料實現高效微調 | 2024-04-09 11:50:13 |
| 9 | 理想汽車基於Flink on K8s的資料整合實踐 | 2024-04-08 15:01:04 |
| 10 | 大資料安全治理與防範－網址反詐欺實戰 | 2024-04-08 14:03:49 |
| 11 | 當大語言模式遇見推薦系統 | 2024-04-08 11:03:26 |
| 12 | 貨拉拉大數據新一代基礎架構實踐與思考 | 2024-04-07 18:18:57 |
| 13 | 指標平台加速零售數位轉型--Kyligence Zen 智慧一站式指標平台 | 2024-04-07 17:59:11 |
| 14 | 一文看懂什麼是強化學習?(基本概念+應用場景+主流演算法+案例) | 2024-04-07 17:21:28 |
| 15 | 大模型分散式訓練的第四種境界 | 2024-04-07 16:37:56 |
| 16 | 如何實現DataOps 開發、營運、治理一體化 | 2024-04-07 16:20:30 |
| 17 | 大語言模型在開放世界中的推理能力探索實踐 | 2024-04-07 10:45:05 |
| 18 | 使用者畫像演算法：歷史、現況與未來 | 2024-04-03 17:51:06 |
| 19 | 卷大模型沒意義，卷應用機會更大 | 2024-04-03 14:50:09 |
| 20 | 大模型在金融領域落地思路與實踐 | 2024-04-02 17:44:00 |
| 21 | 位元組智能運維場景的LLM應用實踐 | 2024-04-02 10:52:13 |
| 22 | ETL原罪是什麼？ NoETL怎麼搞？ | 2024-04-01 18:54:26 |
| 23 | 快手強化學習與多工推薦 | 2024-04-01 18:28:27 |
| 24 | 滴滴國際化旅遊場景指標體系建設 | 2024-03-29 14:06:39 |
| 25 | Soul 基於AIGC 的實踐與探索 | 2024-03-29 11:39:35 |
| 26 | 阿里通用多模態大模型OFA 研究實踐 | 2024-03-27 18:02:42 |
| 27 | 袋鼠雲端在即時資料湖上的探索實踐 | 2024-03-26 18:10:18 |
| 28 | 抖音電商埋點與歸因分析實務方案 | 2024-03-26 14:32:39 |
| 29 | 教育領域大模型技術與應用 | 2024-03-25 18:51:09 |
| 30 | 算力之外，大模型訓練的隱藏挑戰 | 2024-03-25 11:50:07 |
| 31 | 滴滴大數據資產治理實踐 | 2024-03-24 13:33:10 |
| 32 | 大數據AI 一體化解讀 | 2024-03-23 13:24:02 |
| 33 | 快手統一分析服務建構實踐 | 2024-03-22 09:00:20 |
| 34 | 抖音電商資料血緣探索與實踐 | 2024-03-21 11:18:23 |
| 35 | 十分鐘驗證一個高效能車聯網數據平台解決方案 | 2024-03-19 17:41:27 |
| 36 | 金融資料治理場景化實踐 | 2024-03-18 15:41:55 |
| 37 | OLTP&OLAP超融合，揭秘新一代雲端原生資料庫的設計之道 | 2024-03-18 09:23:03 |
| 38 | 流程圖計算在螞蟻數倉加速場景的應用 | 2024-03-14 18:30:08 |
| 39 | AI風暴來襲：2024年資料平台的演進、挑戰與機遇 | 2024-03-13 18:30:07 |
| 40 | 海外遊戲智慧行銷科技應用探索 | 2024-03-13 11:30:44 |
| 41 | 大模型時代，新一代向量資料庫的探索應用-DingoDB | 2024-03-13 09:00:08 |
| 42 | 騰訊歐拉平台資料血緣架構及應用 | 2024-03-12 20:10:05 |
| 43 | 螞蟻金服異常檢測和歸因診斷分析實踐 | 2024-03-12 16:36:41 |
| 44 | 大模型推動下的百度資訊流推薦系統重構設計 | 2024-03-12 11:31:58 |
| 45 | 滴滴指標標準化的核心設計思路 | 2024-03-11 16:20:46 |
| 46 | 滴滴指標標準化的核心設計思路 | 2024-03-11 10:58:43 |
| 47 | AI 原生應用程式中的AI Agents 探索與實踐 | 2024-03-08 11:09:19 |
| 48 | 攜程用大模型都做了點啥？ | 2024-03-07 11:53:34 |
| 49 | 畫像標籤體系建構與應用實踐 | 2024-03-06 18:18:16 |
| 50 | Agent如何革新AI醫療？ | 2024-03-06 10:37:01 |
| 51 | 懂車帝準即時指標體系架構及應用 | 2024-03-06 09:35:16 |
| 52 | 演算法&大數據如何賦能？ OPPO推薦領域降本增效指南 | 2024-03-05 20:30:16 |
| 53 | 華為盤古大模型微調實踐 | 2024-03-05 17:57:55 |
| 54 | AI Agent在阿里電商平台中的應用 | 2024-03-05 10:33:28 |
| 55 | 如何提供一個可信賴的AB測試解決方案 | 2024-03-04 14:04:48 |
| 56 | Data Fabric 在資料整合場景的實踐 | 2024-03-01 17:43:54 |
| 57 | 訓練大模型缺少高品質數據?我們找到了一個新的解決方案 | 2024-03-01 14:34:00 |
| 58 | eBay推薦系統的多模態與商品嵌入技術實踐：提升效能與使用者體驗 | 2024-03-01 11:40:27 |
| 59 | 小米OLAP 引擎在Trino 的應用實踐 | 2024-02-29 18:07:00 |
| 60 | 資料下載：大模型在智慧風控的應用案例 | 2024-02-29 14:53:48 |
| 61 | 2023年推薦+LLM有哪些成果？ | 2024-02-29 11:31:41 |
| 62 | 如何從0-1使用Apache Arrow 建構新資料系統 | 2024-02-28 20:06:09 |
| 63 | 資料治理資料下載《資料全生命週期安全管理實務案例》 | 2024-02-28 14:00:01 |
| 64 | 飛豬旅行供應鏈品類規劃演算法—推薦與選品模型 | 2024-02-27 20:00:14 |
| 65 | 基於StarRocks 和Paimon 打造湖倉分析新範式 | 2024-02-27 15:02:46 |
| 66 | 你們要的資料來了！強化學習經典演算法—DQN演算法揭秘 | 2024-02-27 14:06:16 |
| 67 | 當"狂飆"的大模型撞上推薦系統 | 2024-02-26 17:20:52 |
| 68 | 最新資料下載！京東因果推斷方法實踐文件！ | 2024-02-26 15:07:05 |
| 69 | 24年最新資料《Agent技能實踐地圖2.0》下載地址來啦！ | 2024-02-23 16:02:54 |
| 70 | 生成式AI在育碧3A遊戲影像生成的實作應用 | 2024-02-23 13:54:44 |
| 71 | 下載地址來啦！下載破萬的《大模型與推薦知識地圖》2.0版 | 2024-02-22 14:25:10 |
| 72 | 快手推薦系統海量模型資料處理實踐 | 2024-02-22 08:30:04 |
| 73 | vivo 大模型從訓練到產品落地的最佳實踐 | 2024-02-21 18:30:15 |
| 74 | 位元組基於使用者畫像標籤的分析及業務場景應用 | 2024-02-21 16:37:48 |
| 75 | 免費資源來吧！ 《大模型微調方案設計&能力整合知識地圖2.0》 | 2024-02-21 16:31:40 |
| 76 | 位元組跳動資料整合引擎BitSail 開源架構演進與實踐 | 2024-02-20 19:06:08 |
| 77 | 如何提升Agent角色扮演能力 | 2024-02-20 11:06:52 |
| 78 | 高效能LLM 推理框架的設計與實現 | 2024-02-19 18:51:50 |
| 79 | 快手短影片推薦中的因果推斷實踐 | 2024-02-19 14:52:50 |
| 80 | 兼顧降本增效，StarRocks 3.0 關於存算這對CP分離的最佳"姿勢" | 2024-02-02 20:00:12 |
| 81 | AB實驗「坑」賊多？騰訊搜索實驗有妙招！ | 2024-02-02 18:02:18 |
| 82 | 揭露NVIDIA大模型推理架構：TensorRT-LLM | 2024-01-31 18:54:33 |
| 83 | 2024年，如何精準押注大模型？ | 2024-01-31 14:34:56 |
| 84 | 基於「數據-模型-策略-實驗」生態閉環的智慧風控實踐 | 2024-01-30 19:03:27 |
| 85 | 模型與演算法在石油產業鏈的最佳化應用實踐 | 2024-01-30 12:33:15 |
| 86 | 騰訊資料擷取治理之品質篇-從合規到合理 | 2024-01-29 20:54:02 |
| 87 | 一文搞懂NVIDIA 在GPU 上高效部署語音AI 模型的最新應用 | 2024-01-29 18:14:52 |
| 88 | 深入淺出快手圖資料庫：看架構如何讓推薦召回更有效率 | 2024-01-29 17:41:20 |
| 89 | 2萬字揭秘阿里巴巴資料治理平台建置經驗 | 2024-01-28 19:03:26 |
| 90 | 大數據分析平台之OLAP 架構的最佳實踐 | 2024-01-25 18:40:37 |
| 91 | 強化學習和世界模型中的因果推斷 | 2024-01-25 17:15:37 |
| 92 | 如何建立一個良好的可觀測性資料平台直擊企業痛點？ | 2024-01-24 18:20:47 |
| 93 | B站大數據開發治理平台的產品設計心得 | 2024-01-24 17:05:47 |
| 94 | 騰訊資料治理技術實踐 | 2024-01-23 17:40:01 |
| 95 | 大模型的高效訓練和部署技術捲出新高度！ | 2024-01-22 18:57:42 |
| 96 | 風控場景全流程模型建構及應用實踐 | 2024-01-22 16:49:17 |
| 97 | 企業如何建構指標平台並實現智慧分析？ | 2024-01-18 18:43:18 |
| 98 | 手把手教你建造標籤中台 | 2024-01-18 11:34:19 |
| 99 | 螞蟻TuGraph-DB 資料庫查詢引擎技術 | 2024-01-17 18:33:05 |
| 100 | 如何將知識圖譜與AIGC結合？京東是這麼做的 | 2024-01-17 17:56:27 |
| 101 | 淘寶直播APP用戶增長實踐 | 2024-01-17 11:22:04 |
| 102 | 如何建構好的使用者畫像平台？ | 2024-01-16 14:04:07 |
| 103 | 資料整合產品的技術演進與實際應用-FastData DCT | 2024-01-15 14:02:19 |
| 104 | 資料治理全流程實戰剖析，協助業務成長 | 2024-01-12 19:24:44 |
| 105 | 阿里巴巴長文件推薦系統在企業數位化的應用 | 2024-01-12 17:54:41 |
| 106 | 小紅書社群反作弊探索與實踐 | 2024-01-11 20:06:58 |
| 107 | 重塑資料架構：雲端器Lakehouse如何簡化組裝式架構實現效能與成本的精實平衡 | 2024-01-11 18:03:10 |
| 108 | 翼支付雲原生資料開發與治理平台實踐 | 2024-01-11 14:53:48 |
| 109 | 京東零售數據視覺化平台產品實務與思考 | 2024-01-10 18:47:36 |
| 110 | 滴滴大數據成本治理實踐 | 2024-01-10 17:46:20 |
| 111 | 百度推薦排序技術的思考與實踐 | 2024-01-08 15:16:43 |
| 112 | 螞蟻行銷推薦場景上的因果糾偏方法 | 2024-01-08 14:56:08 |
| 113 | 機器學習與運籌優化打造智慧供應鏈的最佳實踐 | 2024-01-05 17:04:44 |
| 114 | YY 直播業務指標治理實踐 | 2024-01-04 18:13:22 |
| 115 | 使用OpenLLM 建置和部署大模型應用 | 2024-01-04 13:56:21 |
| 116 | OLAP 的技術研發與思考--ClickHouse 2023 總結與2024 展望 | 2024-01-03 19:03:45 |
| 117 | 蕭仰華：走向千行百業的大模型 | 2024-01-02 17:38:28 |
| 118 | OPPO 廣告回憶演算法實踐與探索 | 2024-01-02 10:56:01 |
| 119 | 如何設計好的指標平台？ | 2023-12-29 18:10:51 |
| 120 | 大模型應用探索－企業知識管家 | 2023-12-29 17:55:02 |
| 121 | 騰訊(大禹投放平台)用戶LTV建模技術研究與實踐 | 2023-12-28 18:19:10 |
| 122 | 騰訊歐拉平台產品經理：如何做一個好的數據平台？ | 2023-12-28 17:26:26 |
| 123 | 小紅書應對萬億社交網絡關係的圖存儲實踐 | 2023-12-27 19:20:15 |
| 124 | 快手關於因果科學及其工業界應用落地 | 2023-12-27 17:39:28 |
| 125 | 大規模資料儲存技術架構：如何因應海量資料挑戰？ | 2023-12-26 16:52:28 |
| 126 | 大模型工具學習探索 | 2023-12-26 16:05:42 |
| 127 | 理想汽車基於Flink on K8s的資料整合實踐 | 2023-12-22 18:42:18 |
| 128 | 一線大廠數據產品經理成長之路 | 2023-12-21 19:01:06 |
| 129 | 關於A/B 實驗中策略長期效果評估方案的研究 | 2023-12-20 18:07:10 |
| 130 | 如何成為好的數據產品經理？ -快手數據平台負責人 | 2023-12-19 20:32:07 |
| 131 | 資料治理與大模型一體化實踐 | 2023-12-19 18:55:54 |
| 132 | 快手Dragonfly 策略引擎的設計與應用 | 2023-12-18 18:52:41 |
| 133 | 坦白局！網易數帆解讀Apache Kyuubi 1.8 特性 | 2023-12-18 11:22:08 |
| 134 | LLM+Data，金融業的頂流神器！ | 2023-12-15 10:39:58 |
| 135 | OLAP技術的選擇，進化與思考 | 2023-12-13 20:08:00 |
| 136 | B 站基於StarRocks 建構大數據元倉和診斷系統 | 2023-12-12 21:10:14 |
| 137 | DataFunCon2023·深圳站回顧｜附PPT下載 | 2023-12-11 10:29:53 |
| 138 | 以新能源資產為主體的能源營運決策 | 2023-12-10 09:40:12 |
| 139 | CTR 2023 最新進展：Calibration based MetaRec CTR | 2023-12-09 09:30:04 |
| 140 | 大模型時代AI 技術在金融業的創新應用 | 2023-12-07 20:50:13 |
| 141 | 小米數據生產平台的產品設計方法與實踐 | 2023-12-06 20:30:15 |
| 142 | Apache Celeborn 社區的今天和明天 | 2023-12-05 18:57:20 |
| 143 | 如何看待大數據雲原生發展之路--觀2023 雲棲大會有感 | 2023-12-04 18:50:55 |
| 144 | 貨拉拉用戶埋點體系建構實踐 | 2023-12-03 18:25:01 |
| 145 | 我們能獲得推薦系統的大模型嗎？ | 2023-12-03 08:20:11 |
| 146 | NVIDIA-Merlin: 基於GPU的推薦系統訓練與推理全套方案 | 2023-12-02 18:00:04 |
| 147 | 丁香園大數據基於Apache Kyuubi / Celeborn 的實踐 | 2023-12-02 08:40:15 |
| 148 | 成長的底層邏輯與新增長三大案例 | 2023-12-01 20:30:03 |
| 149 | OPPO應用分發策略：如何雕琢用戶價值，同時削減成本？ | 2023-11-30 20:00:17 |
| 150 | 小米指標體系的建置及管理最佳實踐 | 2023-11-28 18:58:13 |
| 151 | 騰訊TRS線上搜參在搜推廣業務中的探索與實踐 | 2023-11-26 09:00:13 |
| 152 | DCMM 協助工業企業數位轉型發展最佳實踐 | 2023-11-25 18:11:04 |
| 153 | 多域圖大模式在百度推薦系統的實踐與思考 | 2023-10-17 18:00:08 |
| 154 | 資料湖與即時數倉應用實踐 | 2023-10-16 11:03:17 |
| 155 | 大語言模型在推薦系統的實踐應用 | 2023-10-12 18:59:03 |
| 156 | 京東即時風險洞察的架構演迸與思考 | 2023-10-11 11:46:30 |
| 157 | 數據平台的6個關鍵模組 | 2023-10-10 17:18:50 |
| 158 | 網易大數據智能維運平台EasyEagle | 2023-10-10 13:51:37 |
| 159 | （一文讀懂大數據產業）-針對百度商業資料產品的全流程DataOps 實踐 | 2023-10-09 16:19:55 |
| 160 | 阿里巴巴資料穩定性治理實踐 | 2023-10-08 10:03:58 |
| 161 | 演算法工程師的職業發展之路 | 2023-10-03 17:14:52 |
| 162 | 打造使用者成長場景下的AB實驗體系，我們需要做什麼？ | 2023-09-29 09:48:29 |
| 163 | Trino 在嗶哩嗶哩湖倉一體化平台的實踐 | 2023-09-27 11:42:38 |
| 164 | 58標籤體系建置實踐 | 2023-09-26 18:52:32 |
| 165 | 決策優化演算法產業落地難點與發展趨勢 | 2023-09-26 09:00:11 |
| 166 | Doris新優化器背後的故事 | 2023-09-25 18:01:53 |
| 167 | 主動學習以及樣本不均衡在圖資料場景的探索 | 2023-09-23 18:38:12 |
| 168 | Flink CEP在即時風控場景的落地與優化 | 2023-09-22 18:42:02 |
| 169 | 探索智慧供應鏈在醫藥領域的應用 | 2023-09-22 13:12:05 |
| 170 | Flink CEP在即時風控場景的落地與優化 | 2023-09-22 09:00:10 |
| 171 | 華為多模態同傳翻譯的落地與優化 | 2023-09-21 15:54:52 |
| 172 | 流式圖計算在螞蟻大數據場景的應用 | 2023-09-19 17:34:21 |
| 173 | 網易伏羲遊戲AI Bot的擬人化與風格化：AIGA賦能遊戲探索 | 2023-09-18 18:43:53 |
| 174 | 數據產品經理的三個成長路徑 | 2023-09-18 14:20:45 |
| 175 | 打造極致HTAP精品國產資料庫，TDSQL融合版來了！ | 2023-09-15 15:50:19 |
| 176 | 大廠的數據產品設計模型 | 2023-09-14 12:04:22 |
| 177 | 位元組基於Hudi 的批次流程一體儲存實踐 | 2023-09-04 18:07:12 |
| 178 | 阿里雲端即時數倉與串流資料湖建置實踐 | 2023-08-21 16:39:16 |
| 179 | 數據指標體系如何建構？ | 2023-08-09 10:59:48 |
| 180 | Spark還是Flink？主流運算引擎如何選擇？ | 2023-08-03 19:26:43 |
| 181 | 大模型看了也搖頭的決策場景，清華、菜鳥、阿里的專家如何解決？ | 2023-08-03 11:07:56 |
| 182 | 硬體資源限制下環路偵測如何在風控領域提效數十倍？ | 2023-08-02 18:59:07 |
| 183 | 基於知識圖譜的圖神經網路推理 | 2023-07-31 18:57:30 |
| 184 | 網易雲音樂即時數倉治理優化實踐 | 2023-07-29 23:34:11 |
| 185 | 新一代車聯網資料基座架構- 基於YMatrix 的最佳實踐 | 2023-07-29 23:21:28 |
| 186 | 淘寶直播APP用戶增長實踐 | 2023-07-29 22:55:17 |
| 187 | AB實驗在騰訊海外遊戲的應用 | 2023-07-17 18:42:37 |
| 188 | OPPO基於圖神經網路的搜尋推薦演算法與實踐 | 2023-07-17 18:22:38 |
| 189 | 湖倉儲存系統設計剖析與效能最佳化 | 2023-07-14 17:30:23 |
| 190 | 火山引擎成長指標體系建構及分析實踐 | 2023-07-14 17:27:30 |
| 191 | 即時物化視圖：加速大規模時間序列資料查詢的利器 | 2023-07-14 17:03:12 |
| 192 | 騰訊TRS之元學習與跨域推薦的工業實戰 | 2023-07-11 18:01:15 |
| 193 | 抖音集團面向多元應用場景的資料準備實踐 | 2023-07-11 17:32:25 |
| 194 | 如何在大背景下降本增效，建構超大規模儲存架構？ | 2023-07-06 16:06:15 |
| 195 | 推薦系統的公平性：從消費者到供給者 | 2023-07-05 18:52:25 |
| 196 | Flink：從串流運算走向串流數倉 | 2023-07-05 14:25:26 |
| 197 | 數據科學在實踐中常見的數據謊言 | 2023-07-04 18:47:12 |
| 198 | 大廠絕密！物件儲存和區塊儲存系統的設計思路和落地實踐！ | 2023-07-04 14:53:38 |
| 199 | 愛奇藝資料鏈路治理 | 2023-07-03 17:56:52 |
| 200 | OPPO基於大模型與知識圖譜的技術實踐探索 | 2023-06-29 17:02:44 |
| 201 | 大模型與數智創新、人才變革 | 2023-06-29 16:57:40 |
| 202 | 資料湖Iceberg 在小米的應用 | 2023-06-29 16:30:59 |
| 203 | 從模型到服務：阿里雲機器學習PAI一站式模型開發與部署實 | 2023-06-25 12:22:57 |
| 204 | 新能源車企數據中台指標體系建構方法論 | 2023-06-25 00:27:37 |
| 205 | 廣義因果森林的構造以及在線上交易市場的應用 | 2023-06-19 19:15:22 |
| 206 | 高效能、雲端原生湖倉一體式儲存架構探秘 | 2023-06-19 19:00:26 |
| 207 | 「萬字長文系列」帶你理清圖資料庫& 圖計算 | 2023-06-17 21:26:07 |
| 208 | EB級數倉都在用的算子級血緣如何實現主動資料治理 | 2023-06-14 18:38:41 |
| 209 | 網易基於Apache Ranger 的資料安全中心實踐 | 2023-06-13 18:31:57 |
| 210 | 從資料整合到現代資料棧 | 2023-06-13 11:48:01 |
| 211 | 騰訊歐拉如何打造數據自治系統 | 2023-06-13 10:47:44 |
| 212 | 數倉Onedata 體系建構方法論 | 2023-06-11 16:23:00 |
| 213 | 網路易雲音樂資料治理實踐 | 2023-06-11 15:59:23 |
| 214 | 低程式碼指標平台，建構人人可用的敏捷指標工具 | 2023-06-08 14:12:52 |
| 215 | 超寫實數位人技術探索 | 2023-06-07 20:07:01 |
| 216 | 基於統一語意層建構的智慧化資料分析平台 | 2023-06-07 18:33:52 |
| 217 | 基於統一語意層建構的智慧化資料分析平台 | 2023-06-07 18:26:32 |
| 218 | 從Apache Doris 到SelectDB：下一代雲端原生即時數倉的演進 | 2023-06-04 15:11:10 |
| 219 | 精準推薦的秘術：阿里解耦域適應無偏召回模型詳解 | 2023-06-04 13:02:02 |
| 220 | 因果推論與大模型如何互相促進？且看學界及業界專家詳解 | 2023-06-01 11:55:58 |
| 221 | 人臉偵測技術演進史 | 2023-05-31 18:39:39 |
| 222 | 網易有數BI 圖表查詢效能最佳化實踐 | 2023-05-30 19:03:11 |
| 223 | 因果推論在翼支付智能決策場景的應用 | 2023-05-30 18:57:54 |
| 224 | 多工學習最新：基於神經元層級共享的CTR、CVR 多工聯合預估方法 | 2023-05-29 18:04:40 |
| 225 | 圖計算在翼支付風控場景的應用 | 2023-05-29 17:42:56 |
| 226 | 超越甲骨文和微軟，位居第一，資料庫技術未來會如何創新？ | 2023-05-29 14:36:37 |
| 227 | Apache hudi在騰訊的落地與實踐 | 2023-05-28 15:30:02 |
| 228 | 圖演算法在阿里風控系統中的實踐 | 2023-05-28 11:26:43 |
| 229 | 基於知識的神經符號結合的離散推理研究 | 2023-05-26 16:41:02 |
| 230 | GNNs 推薦系統及應用 | 2023-05-25 18:36:04 |
| 231 | 面向大規模深度學習訓練的快取優化實踐 | 2023-05-25 14:21:40 |
| 232 | 因果推斷應用現狀、挑戰與趨勢 | 2023-05-25 12:10:24 |
| 233 | 知識可遷移圖神經網路及其在金融風險預測的應用 | 2023-05-24 14:46:05 |
| 234 | 數百個技術主題與最佳實踐，涵蓋AIGC、資料安全等領域，值得一看！ | 2023-05-23 14:26:49 |
| 235 | 阿里雲端資料湖統一元資料與儲存管理實踐 | 2023-05-23 13:59:55 |
| 236 | 京東零售供應鏈數位孿生探索與實踐 | 2023-05-22 18:30:06 |
| 237 | 網易Arctic on Flink 串流特性核心原理解讀 | 2023-05-20 15:33:36 |
| 238 | 讀時建模技術在異質資料分析平台的應用 | 2023-05-19 20:00:12 |
| 239 | 基於知識增強和預訓練大模型的Query 意圖識別 | 2023-05-19 18:56:18 |
| 240 | 大模型時代，AI基礎軟體的關注點再次回到運作效率 | 2023-05-19 18:02:44 |
| 241 | 教程｜利用TuGraph 圖資料庫搭建圖應用 | 2023-05-18 18:40:09 |
| 242 | 清華大學彭皓：事件抽取發展脈絡、前沿演算法與工具包 | 2023-05-17 18:30:03 |
| 243 | 多模態DNN 模型在藥物交互作用預測任務的應用 | 2023-05-16 14:00:04 |
| 244 | 音樂驅動數位人技術詳解 | 2023-05-15 18:38:36 |
| 245 | 快手流批一體資料湖建構實踐 | 2023-05-15 14:00:11 |
| 246 | 因果推斷在騰訊PCG 中台的落地實踐 | 2023-05-14 16:00:03 |
| 247 | 查詢時間下降10倍！網易有數BI 物化視圖設計重點與內部實踐 | 2023-05-14 13:00:06 |
| 248 | CV CUDA在微博多媒體內容理解的應用 | 2023-05-13 13:15:25 |
| 249 | 外部資料在信貸風控和經營的應用 | 2023-05-12 18:12:24 |
| 250 | 位元組跳動湖平台在批次計算和特徵場景的實踐 | 2023-05-11 12:44:15 |
| 251 | FlinkSQL的字段血緣解決方案 | 2023-05-10 18:26:32 |
| 252 | 蔚來汽車深度學習演算法實踐 | 2023-05-10 14:00:10 |
| 253 | 資料治理與安全合規的實務現況與挑戰 | 2023-05-10 12:30:02 |
| 254 | 圖演算法在螞蟻集團信用風控場景的應用 | 2023-05-09 18:45:13 |
| 255 | 數據科學在騰訊內容生態的應用 | 2023-05-08 18:24:03 |
| 256 | 推薦系統技術綜述 | 2023-05-08 13:42:31 |
| 257 | 騰訊天穹SuperSQL：統一大數據自適應運算平台技術解析 | 2023-05-07 15:04:31 |
| 258 | 資料標準與資料品質：技術解析與典型案例 | 2023-05-07 13:03:50 |
| 259 | 面向統一的AI神經網路架構與預訓練方法 | 2023-05-06 18:17:03 |
| 260 | Apache Doris 極速資料湖分析技術細節公開！ | 2023-05-06 14:00:12 |
| 261 | 小布虛擬人與多模態技術演進 | 2023-05-05 18:02:07 |
| 262 | 網路易雲音樂即時數倉架構與低程式碼實踐 | 2023-05-05 14:03:11 |
| 263 | 騰訊內容生態即時訊號系統實踐 | 2023-05-04 14:01:03 |
| 264 | 虎牙應用監控指標設計實踐 | 2023-05-03 14:56:35 |
| 265 | 萬字長文講述大模型與知識圖譜的關係 | 2023-05-03 14:00:20 |
| 266 | FinBench：金融場景下的圖系統選型 | 2023-05-03 13:20:11 |
| 267 | 因果推論在微視激勵和供需場景的應用 | 2023-05-03 11:02:15 |
| 268 | 第三代Notebook：Byzer-Notebook 如何協助資料工程、分析，以及機器學習？ | 2023-05-02 11:29:13 |
| 269 | 一文搞懂螞蟻集團TuGraph 圖資料庫 | 2023-05-01 10:19:04 |
| 270 | 如何衝破GPT-4 的訊息繭房？ | 2023-04-27 14:19:24 |
| 271 | 怎麼做精準投放與轉換？阿里多通路序列化投放技術揭秘 | 2023-04-26 14:24:14 |
| 272 | 如何建構好的數據指標體系？ | 2023-04-26 14:00:07 |
| 273 | DAMO-YOLO：兼顧速度與精確度的高效目標偵測框架 | 2023-04-25 13:58:06 |
| 274 | 開源機器學習資料庫OpenMLDB：線上線下一致的生產級特徵平台 | 2023-04-24 19:23:02 |
| 275 | 微博推薦即時大模型的技術演進 | 2023-04-24 14:00:13 |
| 276 | 因果推論在有限資源決策中的應用 | 2023-04-22 14:53:27 |
| 277 | 圖像分類模型訓練實踐 | 2023-04-21 18:25:07 |
| 278 | 火山引擎發布大模型訓練雲平台：支援萬卡訓練，集群效能提升3倍 | 2023-04-20 12:00:58 |
| 279 | LLM 時代的金融知識圖譜實踐 | 2023-04-20 12:00:13 |
| 280 | GPT-4 為圖機器學習帶來了什麼影響？該如何應對？ | 2023-04-19 08:07:11 |
| 281 | 對話式AI 應用的降本增效實踐 | 2023-04-18 18:10:06 |
| 282 | 如何有效率取得數據價值？ | 2023-04-18 14:50:01 |
| 283 | 大規模表格預訓練模式SPACE-T | 2023-04-17 18:09:15 |
| 284 | 小紅書基於資料湖的流批統一儲存實踐 | 2023-04-17 14:00:12 |
| 285 | 美團是如何進行指標管理的？ | 2023-04-16 15:00:13 |
| 286 | 美團在預訓練語言模式上的探索與實踐 | 2023-04-16 13:01:02 |
| 287 | 可觀測系統中的警報管理實踐 | 2023-04-15 15:00:09 |
| 288 | 基於Echarts 的資料視覺化在異質資料平台的實踐 | 2023-04-14 14:00:09 |
| 289 | 位元組跳動A/B測試最佳實踐 | 2023-04-13 18:08:04 |
| 290 | 基於StarRocks 進行湖倉融合的四種範式 | 2023-04-13 14:00:14 |
| 291 | 位元組跳動楊詩旻：淺談資料儲存與運算 | 2023-04-12 19:10:14 |
| 292 | ModelScope 視覺偵測&關鍵點系列模型與應用介紹 | 2023-04-12 18:03:09 |
| 293 | 大數據架構知識點詳解：國產資料庫創新、湖倉一體實踐… | 2023-04-12 14:14:28 |
| 294 | Oneflow 基於重運算的動態圖顯存最佳化實踐 | 2023-04-11 18:08:15 |
| 295 | 翼支付雲原生資料開發與治理平台實踐 | 2023-04-11 14:00:09 |
| 296 | Spark on K8s 在茄子科技的實踐 | 2023-04-10 18:30:07 |
| 297 | 淘寶個人化推薦中自適應與無監督的多場景模型建模實踐 | 2023-04-10 14:00:14 |
| 298 | 飛槳圖學習大模型訓練框架 | 2023-04-09 16:00:13 |
| 299 | 中原銀行如何從0到1建置敏捷BI平台？ | 2023-04-09 13:28:02 |
| 300 | 跨多雲大數據平台DataCake詳解 | 2023-04-08 16:01:10 |
| 301 | 資料治理體系建構與實踐 | 2023-04-08 14:00:16 |
| 302 | 低延時音視訊技術在OPPO雲渲染場景的應用 | 2023-04-07 14:00:42 |
| 303 | ModelScope DIY 多種場景文字識別 | 2023-04-07 12:00:03 |
| 304 | 騰訊如何用因果推斷擴大遊戲帝國海外版圖？ | 2023-04-07 08:00:17 |
| 305 | 齊了！百度、騰訊、滴滴、抖音的技術大佬都來了 | 2023-04-06 14:15:34 |
| 306 | 快手增長通路數據產品實踐 | 2023-04-06 13:29:14 |
| 307 | 使用者畫像技術總覽 | 2023-04-06 12:00:11 |
| 308 | 螞蟻集團異質平台開放演算法協定與開源實踐 | 2023-04-05 14:00:13 |
| 309 | CMU張坤：因果表徵技術最新進展 | 2023-04-05 10:00:13 |
| 310 | 火山引擎DataLeap資料血緣架構演進之路 | 2023-04-03 16:37:38 |
| 311 | 微信基於PyTorch 的大規模推薦系統訓練實踐 | 2023-04-03 14:00:05 |
| 312 | 阿里雲機器學習平台大模型訓練框架EPL | 2023-04-02 15:30:03 |
| 313 | 理解編輯類視覺模型會用到哪些技術？ | 2023-04-01 15:59:12 |
| 314 | 飛豬旅行場景下的即時用戶理解服務 | 2023-04-01 14:08:43 |
| 315 | 資料治理體系建構實踐 | 2023-03-31 18:03:29 |
| 316 | 資料治理驅動下的開發治理平台建設 | 2023-03-31 12:48:05 |
| 317 | 高效能分散式機器學習平台建置經驗 | 2023-03-30 18:30:52 |
| 318 | 本屆技術人都愛掛在嘴邊的“數智化”，我們用八個字拆解了 | 2023-03-30 15:03:27 |
| 319 | 近十年NLP預訓練技術的重要發展 | 2023-03-30 12:33:06 |
| 320 | 加速Spark SQL 2 倍，GLUTEN 向量化引擎原理剖析 | 2023-03-30 08:00:14 |
| 321 | 流批一體的即時特徵工程平台建置實踐 | 2023-03-29 14:26:30 |
| 322 | JuiceFS蘇銳：從技術和業務角度看雲端原生的發展 | 2023-03-29 12:30:05 |
| 323 | 以標準推動金融智慧風控產業發展 | 2023-03-28 18:14:10 |
| 324 | 維運、成本、安全，大數據處理技術三大挑戰，如何解決？ | 2023-03-28 13:00:16 |
| 325 | Debias 技術在金融推薦場景下的應用 | 2023-03-27 18:06:31 |
| 326 | 抖音集團資料指標體系分析與成長實踐 | 2023-03-27 14:00:11 |
| 327 | 打造全鏈路資料隱私合規平台 | 2023-03-26 15:00:07 |
| 328 | 電商領域A/B實驗平台建置方法 | 2023-03-26 13:14:13 |
| 329 | 工業數據與智慧演算法驅動下的生產調度最佳化研究 | 2023-03-25 15:12:14 |
| 330 | 眾安金融即時特徵平台架構設計與實踐 | 2023-03-25 13:56:07 |
| 331 | 深度UPLIFT 模型在騰訊金融用戶成長場景的應用 | 2023-03-24 14:00:14 |
| 332 | 來自OpenAI的資料工程革命，GPT-4只是開端 | 2023-03-23 18:37:18 |
| 333 | 雲端原生大數據的核心技術與前沿趨勢｜雲原生大數據系列訪談（一） | 2023-03-23 11:44:51 |
| 334 | 淘寶虛擬電商技術分享 | 2023-03-23 08:00:16 |
| 335 | 阿里健康醫藥電商銷售預測演算法方案 | 2023-03-22 20:00:19 |
| 336 | Presto 在位元組跳動的實踐 | 2023-03-20 18:08:09 |
| 337 | 美團酒旅圖譜建置及應用 | 2023-03-20 14:00:04 |
| 338 | 基於Doris 建構即時統一的現代數據分析平台 | 2023-03-19 15:24:59 |
| 339 | Akulaku在東南亞金融市場的技術積累 | 2023-03-18 15:00:13 |
| 340 | 從金融IT到金融科技，到數位轉型—基於資產管理產業趨勢的思考 | 2023-03-18 08:00:09 |
| 341 | 從使用者體驗洞察到商業價值變現，以京東為例 | 2023-03-17 18:16:05 |
| 342 | 資料湖倉的應用現況與挑戰 | 2023-03-17 14:10:08 |
| 343 | OLAP 核心挑戰與前沿趨勢解讀 | 2023-03-16 17:10:06 |
| 344 | 圖機器學習演算法、應用的現況與趨勢 | 2023-03-16 13:52:15 |
| 345 | 位元組跳動極高可用KV 儲存系統詳解 | 2023-03-15 18:10:03 |
| 346 | 新一代雲端資料平台架構演進之路 | 2023-03-15 17:55:51 |
| 347 | 從「外行人」眼中看數據產品經理應該具備的基本能力 | 2023-03-14 18:07:02 |
| 348 | 知識圖譜技術體系總覽 | 2023-03-14 13:00:05 |
| 349 | 基於統一遠端證明的TEE 互聯互通實踐 | 2023-03-13 18:20:06 |
| 350 | 如何建構好的使用者畫像平台？ | 2023-03-13 14:00:14 |
| 351 | 百度基於GPU 的超大規模離散模型訓練框架PaddleBox 與FeaBox | 2023-03-12 15:14:08 |
| 352 | Apache Kyuubi 1.6.0 新特性解讀 | 2023-03-12 13:19:14 |
| 353 | 騰訊資料平台saas 化實踐 | 2023-03-11 18:39:56 |
| 354 | 快手雙邊市場的複雜實驗設計問題 | 2023-03-11 13:27:37 |
| 355 | 銀行資料安全管理的思考 | 2023-03-10 19:00:12 |
| 356 | 快手商業化數據產品建置經驗 | 2023-03-09 18:07:49 |
| 357 | 如何快速、低成本克隆高品質數位人？ | 2023-03-08 18:20:09 |
| 358 | AI 演算法在大數據治理的應用 | 2023-03-08 14:00:04 |
| 359 | 阿里健康供應鏈智慧補貨演算法 | 2023-03-07 18:24:12 |
| 360 | 聯想基於Apache DolphinScheduler建構統一調度中心的應用實踐 | 2023-03-06 18:06:02 |
| 361 | 阿里可解釋性推薦演算法應用 | 2023-03-06 13:30:09 |
| 362 | 面向真實場景的數據驅動決策優化 | 2023-03-05 15:16:10 |
| 363 | Calibration4CVR：2018年關於「神經元層級共享的多任務CVR」的初探 | 2023-03-05 13:22:01 |
| 364 | 貨拉拉全鏈路監控體系的落地與實踐 | 2023-03-04 15:14:05 |
| 365 | AliceMind大規模預訓練實務及AIGC在ModelScope中的應用 | 2023-03-04 13:07:51 |
| 366 | 數據的邊界，透析企業數位轉型的數據價值 | 2023-03-03 18:41:53 |
| 367 | 虎牙「數據服務+自助」產品化實踐 | 2023-03-02 18:10:13 |
| 368 | 中小型銀行資料安全治理體系建構實踐 | 2023-03-02 13:23:04 |
| 369 | 任重道遠：資料湖倉的體系化落地演進 | 2023-03-01 19:00:10 |
| 370 | 在高保真孿生數位人技術中的自動化流程探索 | 2023-03-01 18:30:08 |
| 371 | 百度文檔智慧技術與應用 | 2023-02-28 18:13:13 |
| 372 | 基於事件感知的聚類增益網絡在飛豬保險創意排序的應用 | 2023-02-28 14:16:06 |
| 373 | 高途資料平台遷移與成本治理實踐 | 2023-02-27 18:32:00 |
| 374 | 飛槳PaddleNLP設計理念與產業實踐 | 2023-02-26 18:13:09 |
| 375 | 位元組跳動資料血緣技術實現與具體用例 | 2023-02-26 13:18:01 |
| 376 | 智慧指標平台建置與指標自動化 | 2023-02-26 10:23:48 |
| 377 | T3 出遊基於Hudi+Kyuubi 的現代技術棧探索 | 2023-02-25 14:00:16 |
| 378 | T3 出遊基於Hudi+Kyuubi 的現代技術棧探索 | 2023-02-25 13:09:22 |
| 379 | 數據分析工具與案例拆解 | 2023-02-24 20:22:00 |
| 380 | Presto+Alluxio 加速Iceberg 資料湖訪問 | 2023-02-24 14:00:11 |
| 381 | 淺談因果推論與在內容平台的實踐 | 2023-02-23 18:10:09 |
| 382 | 網易資料治理系統、工具、流程、制度與管理概述 | 2023-02-23 12:05:09 |
| 383 | 阿里雲機器學習AutoML 引擎介紹與應用 | 2023-02-22 18:15:02 |
| 384 | GNN的基礎、前沿和應用 | 2023-02-22 13:16:08 |
| 385 | 中原銀行AI 平台建置實踐 | 2023-02-21 18:10:11 |
| 386 | 數據產品價值評估系統與效果提升方法 | 2023-02-20 18:07:52 |
| 387 | ChatGPT技術國產化嘗試 | 2023-02-20 14:00:12 |
| 388 | 騰訊智慧寫作助理「文湧」（Effidit）關鍵科技揭秘 | 2023-02-19 16:00:02 |
| 389 | 2萬字揭秘阿里巴巴資料治理平台建置經驗 | 2023-02-19 08:37:12 |
| 390 | 從0到1到100，經營診斷型數據產品人的思維模型 | 2023-02-18 18:04:03 |
| 391 | 度小滿自動機器學習平台實踐 | 2023-02-18 13:21:48 |
| 392 | 騰訊Alluxio（DOP）在金融場景的落地與優化實踐 | 2023-02-17 14:27:15 |
| 393 | 智慧風控體系總覽 | 2023-02-17 08:00:14 |
| 394 | 京東即時數據產品應用實踐 | 2023-02-16 19:54:31 |
| 395 | 騰訊文字理解系統TexSmart 中的細粒度實體辨識關鍵技術 | 2023-02-16 14:06:25 |
| 396 | 眾安即時多維分析的挑戰與StarRocks 的應用 | 2023-02-14 18:32:09 |
| 397 | 騰訊廣告模型基於"太極"的訓練成本優化實踐 | 2023-02-14 13:58:16 |
| 398 | Clickhouse 在自助分析場景中的探索與實踐 | 2023-02-13 18:22:39 |
| 399 | B站基於快取最佳化PRESTO 叢集查詢效能 | 2023-02-12 14:10:03 |
| 400 | 吞吐提升30倍：CV流水線走向全端並行化 | 2023-02-11 14:34:19 |
| 401 | 阿里基於通路協同的預算分配與權益管理實踐 | 2023-02-10 18:35:15 |
| 402 | 廣告場景下雙邊市場的實驗設計 | 2023-02-09 13:10:11 |
朱翔宇
介紹： “煉丹筆記”“阿里雲天池大賽賽題解析”作者,《阿里雲天池大賽賽題解析》“作者” 1.“數字中國”創新大賽數字政府賽道“冠軍”
- ACM WSDM Cross-Market Rec “亞軍”
- Microsoft DigSci 科學資料探勘競賽「亞軍」
- ATEC 科技精英賽數位化營運賽道「亞軍」
- IEEE ICDM Knowledge Graph Contest「季軍」
- 「達觀盃」文字智慧處理挑戰賽「季軍」
- 京東JDATA算法大賽「季軍」
- 「中國法研杯」司法人工智慧挑戰賽三等獎
- 中國高校電腦大賽微信大數據挑戰賽4th
- 其他數據算法競賽Top5 若干。
| 序號 | 佳作 | 時間 |
|---|
| 1 | 深度行銷增益模式Uplift Model | 2024-03-16 15:24:06 |
| 2 | 2023BDC大數據挑戰賽全國六大獲獎演算法方案 | 2023-10-05 17:12:39 |
| 3 | GNN在搜推上沒用？試試動態圖GNN | 2023-09-28 18:56:24 |
| 4 | AI Agents大爆發：OpenAI的下一步 | 2023-09-11 19:11:58 |
| 5 | 用大型語言模型重新思考自動駕駛技術 | 2023-09-05 13:39:51 |
| 6 | 大模型幻覺，他們知道自己不知道的嗎？ | 2023-08-16 21:38:30 |
| 7 | 盤點大模型的16大挑戰 | 2023-07-24 12:40:38 |
| 8 | 不再追求模型收斂，一個簡單Trick讓模型更穩定！ | 2023-06-25 12:14:04 |
| 9 | 家譜樹：大模型的前世今生 | 2023-05-18 22:30:35 |
| 10 | 當ChatGPT遇上推薦系統，遭遇滑鐵盧 | 2023-05-13 12:54:07 |
| 11 | 廣告行銷演算法是如何發揮作用的？ | 2023-05-04 20:25:12 |
| 12 | ChatGPT出現後，我們是否真的面臨典範轉移？ | 2023-04-15 11:48:58 |
| 13 | DeepSpeed Chat: 一鍵RLHF訓練 | 2023-04-13 20:02:13 |
| 14 | LoRA：訓練自己的ChatGPT | 2023-04-09 17:26:58 |
| 15 | ChatGLM-6B微調方法 | 2023-04-01 15:49:41 |
| 16 | 馬斯克開源，Twitter是怎麼做推薦的？ | 2023-04-01 15:04:35 |
| 17 | 再談排序演算法的pairwise，pointwise，listwise | 2023-03-12 16:37:02 |
| 18 | 流量為王：A/B test 流量分送及實驗評估方法 | 2023-03-02 21:33:35 |
| 19 | 拆解追溯ChapGPT各項能力的起源 | 2023-02-18 19:08:35 |
| 20 | 電商數據分析方法論 | 2023-01-14 15:04:38 |
| 21 | 如何發現品牌潛客？目標人群優選演算法模型及實踐解析 | 2022-08-14 15:36:48 |
| 22 | 微信大數據挑戰賽：周星方案總表 | 2022-05-29 16:39:26 |
| 23 | 稱霸Kaggle的九大深度學習煉丹技巧 | 2022-05-22 14:27:35 |
| 24 | 那麼多CTR論文，真正能復現出效果的有幾個？ | 2022-05-07 14:10:02 |
| 25 | 騰訊多任務模型MFH | 2022-04-09 15:14:45 |
| 26 | Transformer總結(2022版) | 2022-03-28 20:48:21 |
| 27 | 一文看清這些年自監督和無監督的進展 | 2022-03-19 12:36:32 |
| 28 | 用Dropout思想做特徵選擇，保證效果還兼顧了線上性能? | 2022-03-14 11:45:12 |
| 29 | 神經網路調參技巧：warmup策略 | 2022-03-12 16:13:24 |
| 30 | DEEPNORM：千層transformer... | 2022-03-12 16:12:38 |
| 31 | 2021年煉丹筆記最受歡迎的10篇技術文章 | 2022-03-06 17:14:45 |
| 32 | 關於多目標任務有趣的融合方式 | 2022-03-01 19:45:12 |
| 33 | 對比學習必知重點 | 2022-02-26 18:42:24 |
| 34 | 對比表示學習必知的幾種訓練目標 | 2022-02-26 18:41:26 |
| 35 | 召回:是"塔",是"塔",但不是雙塔! | 2022-02-26 18:33:43 |
| 36 | 2021年Kaggle所有賽事TOP方案總合 | 2022-02-26 18:30:40 |
| 37 | 深度學習模型的多Loss調參技巧 | 2022-02-25 09:50:48 |
| 38 | 三種Target Encoding方式總結 | 2022-02-11 21:53:31 |
| 39 | 如何解決高維度稀疏的user-item矩陣推薦問題？ | 2022-02-08 16:07:00 |
| 40 | 雙塔模型沒效果了？請加大加粗！ | 2022-01-23 14:43:21 |
| 41 | 文本摘要方法總結 | 2022-01-23 14:16:02 |
| 42 | 就知道調bert，都不知道加個對比學習嗎？ | 2022-01-15 16:20:52 |
| 43 | AI圈最新深度學習量化演算法！ | 2022-01-12 20:37:37 |
| 44 | Prompt-Tuning這麼好用？ | 2022-01-08 14:51:31 |
| 45 | No Fine-Tuning, Only Prefix-Tuning | 2022-01-05 21:24:22 |
| 46 | 搜尋演算法相似度問題之BM25 | 2022-01-05 21:19:20 |
| 47 | NLP中對"困惑度"感到困惑? | 2021-12-25 14:37:14 |
| 48 | 不加樣本就能做資料增強？還能提效？ | 2021-12-25 14:32:09 |
| 49 | 關於"知識蒸餾"，你想知道的都在這裡！ | 2021-12-18 14:22:27 |
| 50 | 煉丹秘術：為Embedding插上翅膀 | 2021-12-18 14:12:56 |
| 51 | 從使用者回饋的可解釋性提升推薦模型 | 2021-12-18 14:08:36 |
| 52 | 時間序列裡面最強特徵之一 | 2021-12-12 15:36:25 |
| 53 | 自監督學習和對比學習 | 2021-12-05 15:37:18 |
| 54 | 網路越"深"越"好"? | 2021-12-05 15:32:37 |
| 55 | Trapper: Transformer模型都在此! | 2021-12-05 15:29:50 |
| 56 | 10大最受歡迎的時間序列Github項目 | 2021-12-05 15:26:12 |
| 57 | 資料清洗該怎麼做？ | 2021-11-20 15:04:33 |
| 58 | self-attention竟然沒用？ | 2021-11-14 13:10:41 |
| 59 | 如何評估序列推薦模型？ | 2021-11-05 16:58:30 |
| 60 | 模型的燃料，數據採樣的秘密 | 2021-11-05 16:55:39 |
| 61 | Transformers中的位置編碼到底是什麼? | 2021-10-30 13:41:10 |
| 62 | 那些決定模型上限的操作 | 2021-10-30 13:37:16 |
| 63 | 煉丹知識點：模型評估裡的陷阱 | 2021-10-24 13:42:47 |
| 64 | Short-Session的推薦如何做？ | 2021-10-21 20:52:29 |
| 65 | 延遲回饋帶來的樣本偏差如何處理 | 2021-10-21 20:48:11 |
| 66 | 深度學習模型如何縮小到可以放到微處理器呢? | 2021-10-21 20:43:10 |
| 67 | 2021年三大頂會時間序列論文&代碼整理 | 2021-10-21 20:39:47 |
| 68 | 微信大數據挑戰賽決賽方案：微信視訊號碼推薦演算法 | 2021-09-25 11:14:22 |
| 69 | Transformer又又升級了？ | 2021-09-25 11:08:18 |
| 70 | 推薦系統裡，可以用蒸餾嗎？ | 2021-09-25 11:04:40 |
| 71 | 神經網路調參經驗大匯總 | 2021-09-14 17:11:26 |
| 72 | 淘寶搜尋中基於embedding的召回 | 2021-09-14 16:58:38 |
| 73 | 點擊率預估又有新花樣？ | 2021-09-04 14:27:45 |
| 74 | 雙塔模型中的負採樣 | 2021-09-04 14:22:23 |
| 75 | 推薦系統遇到曝光偏差怎麼辦？用對比學習！ | 2021-08-21 17:38:46 |
| 76 | 內容流推薦中的個人化標題產生框架 | 2021-08-16 12:22:33 |
| 77 | PyCaret：又一神仙ML庫 | 2021-08-16 12:14:47 |
| 78 | 漫談特徵縮放 | 2021-08-16 12:08:13 |
| 79 | 再談序列化推薦-整合item類目屬性 | 2021-08-08 16:50:21 |
| 80 | 盤一盤推薦系統裡值得一讀的那些論文 | 2021-08-08 16:44:59 |
| 81 | 推薦競賽金牌技能！ | 2021-08-08 16:35:13 |
| 82 | 推薦系統裡，你是怎麼Embedding的？ | 2021-08-08 16:31:13 |
| 83 | 特徵篩選偷懶必備 | 2021-08-08 16:27:02 |
| 84 | 演算法模型該如何解釋？ | 2021-07-24 16:46:59 |
| 85 | 從Deepwalk到Node2vec | 2021-07-17 15:30:53 |
| 86 | NLP十大資料擴充策略 | 2021-07-13 12:31:02 |
| 87 | 尋找不合群的數據（異常值） | 2021-07-13 12:21:34 |
| 88 | 推薦系統開源資料集 | 2021-07-13 12:15:42 |
| 89 | 大有可為的GNN：DeepWalk | 2021-07-13 12:11:52 |
| 90 | 負樣本的藝術，再讀Facebook雙塔向量召回演算法 | 2021-07-05 21:13:24 |
| 91 | "輕量"且"優秀"的序列推薦模型 | 2021-07-04 11:29:27 |
| 92 | 推薦系統中多值特徵的八大處理技巧 | 2021-06-30 20:46:05 |
| 93 | 推薦系統中的長尾物品（Tail Items）推薦問題 | 2021-06-29 11:00:28 |
| 94 | 用XGBoost 做Learning To Rank | 2021-06-28 12:29:30 |
| 95 | 微信視訊號碼推薦演算法上分技巧 | 2021-06-25 18:47:37 |
| 96 | MLP is Best? | 2021-06-18 09:43:58 |
| 97 | 一文弄清楚各大池化Pooling操作 | 2021-06-18 09:37:36 |
| 98 | FM又又升級了？ | 2021-06-17 12:29:20 |
| 99 | 神經網路十大學習率衰減提效策略 | 2021-06-09 15:18:02 |
| 100 | 兜兜轉轉一個圈，到底What is all you need? | 2021-06-08 12:29:13 |
| 101 | AutoDim:自動Embedding維度尋優，如何節省70%的儲存空間同時還能大幅提效？ | 2021-06-05 15:56:46 |
| 102 | 用XGBoost調XGBoost?"我"調"我"自己？ | 2021-06-05 15:51:12 |
| 103 | 當推薦系統遇上多模態Embedding | 2021-05-31 20:24:08 |
| 104 | 用預訓練GNN預估點擊率有奇效？ | 2021-05-31 12:35:48 |
| 105 | 曾幾何時，我們煉的不是丹，是特徵 | 2021-05-28 12:16:30 |
| 106 | 自動化Debias框架，一鍵去除推薦系統所有Bias | 2021-05-28 12:10:44 |
| 107 | 推薦系統User-Item Embedding圖演算法 | 2021-05-25 11:18:09 |
| 108 | 隱式回饋的去噪，模型取得巨大提升 | 2021-05-23 13:06:10 |
| 109 | 聊聊Batch Normalization在網路結構中的位置 | 2021-05-23 12:56:38 |
| 110 | 微信視訊號碼推薦演算法方案分享 | 2021-05-23 12:52:37 |
| 111 | GNN是什麼？ GNN怎麼學？ GNN何用？ | 2021-05-23 12:45:58 |
| 112 | 推薦、廣告排序演算法評估指標GAUC、MRR、nDCG、MAP | 2021-05-16 16:15:52 |
| 113 | 模型調參指南北東西 | 2021-05-15 14:15:05 |
| 114 | 用隱式回饋做推薦模型，你做對了嗎 | 2021-05-15 14:06:22 |
| 115 | 煉丹俠必知的11大神經網路結構總結 | 2021-05-15 13:41:44 |
| 116 | 入坑推薦系統，從Google這篇開始 | 2021-05-07 18:46:21 |
| 117 | Google開源下一代推薦系統模擬器：RecSim NG | 2021-05-07 18:40:37 |
| 118 | Lookalike相似人群拓展演算法 | 2021-05-07 18:36:30 |
| 119 | KDD Cup 2021：時間序列異常偵測問題開源方案 | 2021-04-28 22:29:36 |
| 120 | 對"樣本不均衡"一頓操作 | 2021-04-21 22:25:26 |
| 121 | AAAI21最佳論文Runners Up！ Transformer的歸屬探索！ | 2021-04-21 22:21:29 |
| 122 | Attention函數手冊 | 2021-04-21 22:16:33 |
| 123 | 沒什麼是一次排序解決不了的，如果有，那就One more time | 2021-04-21 22:12:32 |
| 124 | Learning to Rank：X-wise | 2021-04-21 22:07:10 |
| 125 | 一個端到端模型GraphDR實現多樣化的召回 | 2021-04-21 22:02:08 |
| 126 | DNN中多工學習概述 | 2021-04-11 13:38:57 |
| 127 | ArcFace 同款商品識別的剋星 | 2021-04-11 13:21:13 |
| 128 | MaskNet 這個CTR模型，有點意思 | 2021-04-11 13:11:38 |
| 129 | 霸榜各大CV任務榜單，Swin Transformer橫空出世！ | 2021-04-07 23:02:54 |
| 130 | 神經網路基礎之視覺化與互動式指南 | 2021-04-07 22:48:26 |
| 131 | 一文整理多工學習(MMoE/PLE/DUPN/ESSM等) | 2021-04-07 22:28:24 |
| 132 | CTR模型越來越深，如何讓它變輕? | 2021-03-30 19:53:54 |
| 133 | Netflix提出梯度提升決策樹網路Hammock！ | 2021-03-30 19:46:37 |
| 134 | Purdue&UCLA提出梯度Boosting網絡，效果遠優於XGBoost模型！ | 2021-03-30 19:43:17 |
| 135 | 一個模型能服務所有的點擊率模型？ | 2021-03-30 19:35:04 |
| 136 | 流量為王：ABTest流量分層分桶機制 | 2021-03-24 22:24:00 |
| 137 | 一文弄清楚各種loss function | 2021-03-20 14:33:53 |
| 138 | 谷歌Deep Bootstrap Framework：線上最佳化角度理解神經網絡 | 2021-03-20 14:28:28 |
| 139 | 排序(rank)後重排(re-rank)? | 2021-03-20 14:23:43 |
| 140 | ALL in BERT：一套操作衝進排行榜首頁 | 2021-03-20 14:13:32 |
| 141 | 又一Attention函數誕生啦，帶給你意想不到的巨大提升！ | 2021-03-16 20:19:06 |
| 142 | 搜尋推薦系統實戰：終極奧秘 | 2021-03-13 19:03:30 |
| 143 | 搜尋推薦系統實戰：進化篇 | 2021-03-13 18:52:48 |
| 144 | 搜尋推薦系統實戰：起始篇 | 2021-03-13 18:38:46 |
| 145 | 負樣本修正：既然資料是模型的上限，就不要破壞這個上限 | 2021-03-10 20:36:30 |
| 146 | 再談序列化推薦 | 2021-03-10 20:27:03 |
| 147 | 當推薦遇到冷啟動 | 2021-03-09 21:25:06 |
| 148 | 當推薦系統遇上用戶畫像：你的畫像是怎麼來的？ | 2021-03-04 13:15:09 |
| 149 | Normalization在CTR問題中的迷之效果 | 2021-02-27 18:07:08 |
| 150 | 負樣本修正：CVR預估時間延遲問題 | 2021-02-27 17:53:37 |
| 151 | 搜尋推薦煉丹筆記：CVR預估中的延遲回饋問題 | 2021-02-27 17:43:55 |
| 152 | 大道至簡：演算法工程師煉丹Trick手冊 | 2021-02-25 21:39:04 |
| 153 | 推薦系統與GNN的火花 | 2021-02-25 21:32:58 |
| 154 | Model Search：煉丹師最強危機，Google開源最強AutoML工具！ | 2021-02-25 21:25:55 |
| 155 | 流量為王：收益最大化的混排機制 | 2021-02-25 21:16:10 |
| 156 | 推薦系統CTR預估學習路線：引入註意力機制 | 2021-02-17 16:27:16 |
| 157 | 推薦系統CTR預估學習路線：深度模型 | 2021-02-17 16:15:30 |
| 158 | 推薦系統CTR預估學習路線：利用樹模型自動化特徵工程 | 2021-02-17 16:04:15 |
| 159 | 推薦系統CTR預估學習路線：從LR到FM/FFM探索二階特徵的高效實現 | 2021-02-17 15:54:39 |
| 160 | Transformer Family | 2021-02-17 11:44:38 |
| 161 | 模型提效的另一條路：資料增強 | 2021-02-17 10:58:31 |
| 162 | 搜尋推薦煉丹筆記：評論是怎麼影響推薦的？ | 2021-02-17 10:48:46 |
| 163 | AAAI21最佳論文Informer：效果遠遠超越Transformer的長序列預測神器？ ？ ？ | 2021-02-07 20:07:28 |
| 164 | 機器學習入門開源資料 | 2021-02-06 17:17:28 |
| 165 | 一石二鳥：推薦系統多目標任務建模方法 | 2021-02-01 21:25:32 |
| 166 | 搜尋推薦煉丹筆記：融合GNN、圖譜、多模態的推薦 | 2021-02-01 21:07:11 |
| 167 | 搜尋推薦煉丹筆記：單一網路內部整合學習 | 2021-01-30 15:58:16 |
| 168 | 搜尋推薦煉丹筆記：Transformer在搜尋推薦中的應用 | 2021-01-30 15:31:42 |
| 169 | NN如何在表格資料中戰勝GBDT類別模型 | 2021-01-30 15:18:41 |
| 170 | 事半功倍：推薦系統Pre-train預訓練法 | 2021-01-30 15:03:24 |
| 171 | 2020年AI領域有哪些讓人驚豔的研究？ | 2021-01-27 22:08:20 |
| 172 | 搜尋推薦煉丹筆記：飯店搜尋位置偏差的邊際重要性 | 2021-01-27 22:01:45 |
| 173 | 搜尋推薦煉丹筆記：點選位置偏差的經驗比較 | 2021-01-27 21:40:37 |
| 174 | 搜尋推薦煉丹筆記：位置偏差裡的驚喜 | 2021-01-27 21:12:09 |
| 175 | NLP煉丹筆記：Switch Transformers 樸實無華大招秒殺 | 2021-01-16 11:01:44 |
| 176 | 推薦搜尋煉丹筆記：SIM 使用者行為序列點擊率預估模型 | 2021-01-16 10:42:29 |
| 177 | 推薦搜尋煉丹筆記：MiNet阿里跨域點擊率CTR預估 | 2021-01-16 10:23:36 |
| 178 | 推薦搜尋煉丹筆記：雙塔模型在Airbnb搜尋排名中的應用 | 2021-01-09 20:07:29 |
| 179 | 向量召回MIND多興趣雙塔模型 | 2021-01-09 19:05:31 |
| 180 | 推薦演算法煉丹筆記：非採樣的負樣本 | 2021-01-05 22:29:06 |
| 181 | 2020年搜尋推薦系統論文乾貨集錦 | 2021-01-03 20:37:42 |
| 182 | Facebook向量召回雙塔模型 | 2020-12-31 21:15:18 |
| 183 | 推薦演算法煉丹筆記：阿里序列化推薦演算法MRIF | 2020-12-25 23:33:17 |
| 184 | 做向量召回All You Need is 雙塔 | 2020-12-23 23:31:53 |
| 185 | 推薦演算法煉丹筆記：Deep Bayesian的多目標推薦 | 2020-12-19 11:17:08 |
| 186 | 推薦系統裡的那些坑 | 2020-12-18 21:59:53 |
| 187 | 深度學習煉丹失敗率高達87%的TOP10原因 | 2020-12-18 21:51:55 |
| 188 | 讀不完的頂會Paper，我該如何讀論文？ | 2020-12-18 21:18:03 |
| 189 | 推薦演算法煉丹筆記：標籤工程 | 2020-12-13 15:39:10 |
| 190 | 推薦演算法煉丹筆記：序列化推薦演算法Bert4Rec | 2020-12-13 15:24:26 |
| 191 | 煉丹面試官的面試筆記 | 2020-12-13 15:12:25 |
| 192 | 推薦演算法煉丹筆記：阿里序列化推薦演算法ComiRec | 2020-12-13 15:02:41 |
| 193 | 學術圈競賽圈大討論，深度學習真的比不過GBDT模型嗎？ | 2020-12-11 19:13:07 |
| 194 | IEEE ICDM 2020 CUP TOP3方案 | 2020-12-04 00:07:32 |
| 195 | 推薦系統煉丹筆記：Embedding在記憶體問題上的一種解法 | 2020-11-29 16:38:22 |
| 196 | 推薦系統煉丹筆記：多模態推薦之用戶評論篇 | 2020-11-29 16:23:44 |
| 197 | 大規模推薦Deep Retrieval | 2020-11-29 15:58:43 |
| 198 | 推薦系統煉丹筆記：阿里推薦演算法特徵交叉新方式CAN | 2020-11-29 15:47:30 |
| 199 | 推薦系統煉丹筆記：EdgeRec阿里邊緣運算推薦系統 | 2020-11-28 16:20:27 |
| 200 | 推薦演算法競賽TOP方案合集 | 2020-11-28 16:03:52 |
| 201 | 2020年推薦系統工程師煉丹手冊RecSys版 | 2020-11-20 22:37:07 |
| 202 | 2020年推薦系統工程師煉丹手冊RecSys-Long Paper版 | 2020-11-20 22:24:53 |
| 203 | 推薦系統煉丹筆記：阿里DMIN多重興趣網絡 | 2020-11-14 12:58:18 |
| 204 | 推薦系統煉丹筆記：RecSys2020-SSE-PT解鎖序列資料探勘新姿勢 | 2020-11-14 12:49:33 |
| 205 | 煉丹筆記| 講講我們的故事 | 2020-11-14 12:17:53 |
| 206 | 推薦系統中的Bias/Debias大全 | 2020-11-14 12:09:25 |
| 207 | 推薦系統煉丹筆記：令人著迷的時間動態CF演算法 | 2020-11-14 11:31:58 |
| 208 | 推薦大賽如何在一週時間內打進決賽 | 2020-11-14 11:18:14 |
| 209 | 推薦演算法煉丹筆記：序列化推薦系統 | 2020-11-03 23:14:31 |
| 210 | 推薦演算法煉丹筆記：如何讓你的推薦系統具有可解釋性？ | 2020-10-31 20:49:25 |
| 211 | 推薦演算法煉丹筆記：科學調參在模型最佳化中的意義 | 2020-10-31 19:14:13 |
| 212 | 我的成長之路：追逐冠軍的少年 | 2020-10-18 11:41:46 |
| 213 | 電商搜尋推薦業務詞彙表 | 2020-10-08 22:33:53 |
| 214 | 推薦演算法煉丹筆記：推薦系統採樣評估指標及線上線下一致性問題 | 2020-10-08 10:41:13 |
| 215 | 2020年推薦系統工程師煉丹手冊 | 2020-09-16 09:43:12 |
| 216 | 2020數位中國創新大賽-冠軍方案 | 2020-06-09 21:59:49 |
| 217 | DigSci科學資料探勘競賽-亞軍方案分享 | 2019-10-24 11:33:41 |
| 218 | JDATA絕對語意辨識挑戰賽-季軍方案 | 2019-10-15 21:15:02 |
機智的叉燒
介紹： OPPO對話演算法，公眾號：CS的陋室,個人微信公眾號：CS的陋室，NLP，搜尋推薦，機器學習。北京科技大學統計學碩二畢業，OPPO演算法。曾任去哪裡網產品數據，美團點評演算法。微信: zgr950123。
| 序號 | 佳作 | 時間 |
|---|
| 1 | 心法利器[74] | 科技分享中的科技陷阱 | 2024-03-01 22:28:10 |
| 2 | 前緣重器[26] | 預訓練模型的領域適應問題 | 2024-02-29 22:21:44 |
| 3 | 心法利器[71] | NLP的學習思考(新手與進階向) | 2023-12-24 22:00:10 |
| 4 | 心法利器[70] | 短文本理解的困難與解決方案 | 2023-12-19 21:13:45 |
| 5 | 心法利器[69] | 聊聊資料敏感性 | 2023-09-21 22:06:47 |
| 6 | 心法利器[67] | 演算法效能指標最佳化指南 | 2023-07-17 21:04:24 |
| 7 | 心法利器[65] | 一些技術與成長的討論【答讀者問】 | 2023-07-17 18:30:55 |
| 8 | 心法利器[64] | 畢業3年的演算法工程師技術成長思考 | 2023-07-17 09:15:51 |
| 9 | 心法利器[63] | 預訓練模型的使用時機 | 2023-07-16 19:58:23 |
| 10 | 心法利器[62] | 向量回想與字面回想的選擇與權衡 | 2023-07-05 13:28:23 |
| 11 | 心法利器[61] | 規則到模型的過渡與升級策略 | 2023-07-03 20:07:18 |
| 12 | 前沿重器[21-25] 合集：2w字系統聊對話系統 | 2023-06-20 21:38:50 |
| 13 | 心法利器[60] | 文本分類以搜代分為何有用 | 2023-06-20 21:19:26 |
| 14 | 心法利器[59] | 演算法效果調優思維與調優能力的成長 | 2023-06-20 09:30:17 |
| 15 | 心法利器[58] | 從長尾問題到以搜代分的機制探索 | 2023-06-19 21:39:40 |
| 16 | 心法利器[57] | 文本多分類問題經驗 | 2023-02-12 17:04:31 |
| 17 | 心法利器[56] | 演算法技術設計思路小結 | 2022-12-24 21:43:16 |
| 18 | 心法利器[55] | 演算法工程師讀論文思路 | 2022-12-23 16:14:06 |
| 19 | 心法利器[54] | NLP任務上線前評測 | 2022-12-23 16:09:08 |
| 20 | 心法利器[53] | 資料增強的現實應用思考 | 2022-12-20 21:33:33 |
| 21 | 前沿重器[20] | 文本分類與意圖辨識研究思考 | 2022-10-30 19:41:23 |
| 22 | 前沿重器[19] | 預訓練在美團搜尋廣告中的應用 | 2022-10-30 19:37:07 |
| 23 | 前沿重器[18] | KDD21：淘寶向量檢索 | 2022-10-30 19:33:31 |
| 24 | 前沿重器[17] | 美團搜尋ner技術啟示（下） | 2022-10-30 19:28:11 |
| 25 | 前沿重器[16] | 美團搜尋ner技術啟示（上） | 2022-10-30 19:25:42 |
| 26 | 心法利器[52] | 口語化句子解析問題 | 2022-09-21 23:02:01 |
| 27 | 前沿重器[15] | R-Dropout－如果不行那兩次 | 2022-09-21 23:01:31 |
| 28 | 前沿重器[14] | 美團小樣本學習技術啟示 | 2022-09-21 23:00:01 |
| 29 | 前緣重器[13] | 知乎query改寫思路啟示 | 2022-09-21 22:55:55 |
| 30 | 前沿重器[12] | 美團搜尋引導技術啟示 | 2022-09-21 22:54:12 |
| 31 | 前緣重器[11] | 再談attention機制 | 2022-09-21 22:51:59 |
| 32 | 前沿重器[10] | bert語意空間的思考 | 2022-09-12 19:41:39 |
| 33 | 心法利器[51] | 長短句語意相似問題探索 | 2022-09-12 19:37:36 |
| 34 | 心法利器[50] | 測試集構造思考 | 2022-09-12 19:34:43 |
| 35 | 前緣重器[9] | 語意相似度ESIM模型所帶來的啟示 | 2022-08-13 16:42:36 |
| 36 | 心法利器[49] | 資料分佈的意義理解 | 2022-08-13 16:34:39 |
| 37 | 心法利器[48] | 開放域文字分類 | 2022-08-07 16:20:11 |
| 38 | 心法利器[47] | 為什麼你的BERT不行？ | 2022-08-07 16:16:22 |
| 39 | 心法利器[46] | 模型部署的主要技術方案 | 2022-08-07 16:00:16 |
| 40 | 心法利器[45] | 模型所需的資訊提供夠了嗎 | 2022-07-31 17:28:26 |
| 41 | 心法利器[44] | 樣本不均衡之我見 | 2022-07-31 17:24:48 |
| 42 | 心法利器[43] | 演算法工程師的演算法升遷思考 | 2022-07-31 17:21:41 |
| 43 | 心法利器[42] | 潤物細無聲-殘差網絡 | 2022-07-10 16:04:08 |
| 44 | 心法利器[41] | 我常說的字典配對到底怎麼做 | 2022-04-17 20:22:52 |
| 45 | 心法利器[37-40] | bad case治療術合集 | 2022-04-05 20:22:25 |
| 46 | 心法利器[40] | bad case治療術：解篇 | 2022-04-05 20:16:17 |
| 47 | 心法利器[39] | bad case治療術：分析篇 | 2022-04-05 20:12:53 |
| 48 | 心法利器[38] | bad case治療術：現況篇 | 2022-04-05 20:08:22 |
| 49 | 心法利器[37] | bad case治療術：認知篇 | 2022-04-05 20:06:42 |
| 50 | 心法利器[36] | 開學季：給研究生的建議 | 2022-03-06 21:18:19 |
| 51 | 心法利器[35] | 開學季：我給大學生的建議 | 2022-03-06 21:16:08 |
| 52 | 心法利器[34] | 報告小結：query理解概述 | 2022-03-06 21:14:57 |
| 53 | 心法利器[33] | 快速的關鍵字抽取baseline | 2022-02-27 16:59:30 |
| 54 | 心法利器[32] | 分享一些印象深刻的case | 2022-02-27 16:57:38 |
| 55 | 前沿重器[8] | CV研究啟發語意相似與表徵 | 2022-02-20 20:30:43 |
| 56 | 前沿重器[7] | 小布助手登頂百度千言短文本相似度的秘訣 | 2022-02-20 20:23:34 |
| 57 | 心法利器[31] | 我的演算法工程師日常 | 2022-02-13 17:04:51 |
| 58 | 心法利器[30] | 演算法新人如何在工作中成長 | 2022-02-13 17:03:42 |
| 59 | 心法利器[29] | 把文字分類任務做成一個系統 | 2022-02-02 23:08:36 |
| 60 | 心法利器[28] | 如何評估一個演算法效果 | 2022-02-02 23:03:47 |
| 61 | 前緣重器[6] | 語意相似度ESIM模型帶來的啟示 | 2022-01-26 22:38:24 |
| 62 | 前沿重器[5] | 阿里小蜜的資料量分級處理機制 | 2022-01-26 22:33:14 |
| 63 | 生日-以寫促學，持續成長 | 2022-01-23 23:00:46 |
| 64 | 前沿重器[4] | 探索騰訊搜尋的Quer理解如何直擊心靈 | 2022-01-19 21:46:34 |
| 65 | 心法利器[27] | 人工智慧科技創新大賽決賽隨想 | 2022-01-19 21:40:58 |
| 66 | 心法利器[26] | 以搜代分：文本多分類新思路 | 2022-01-19 21:32:36 |
| 67 | 心法利器[25] | 如何做技術設計 | 2022-01-12 22:23:48 |
| 68 | 心法利器[24] | 以pytorch為例看我怎麼自學新技術的 | 2022-01-12 22:22:11 |
| 69 | 倉頡專案：你們要的飛機大砲我都會 | 2022-01-12 22:15:41 |
| 70 | 心法利器[24] | 演算法在崗3年小結：學習成長篇 | 2022-01-06 00:16:09 |
| 71 | 心法利器[23] | 演算法在崗3年小結：工作思路篇 | 2022-01-06 00:14:43 |
| 72 | 心法利器[22] | 演算法在崗3年小結：模型策略篇 | 2022-01-06 00:11:09 |
| 73 | 21->22：夯實，蛻變 | 2022-01-02 21:38:36 |
| 74 | 心法利器[21] | NLU落地場景-智慧對話交互 | 2021-12-29 23:06:25 |
| 75 | 心法利器[20] | 演算法問題下模型以外的問題：文本分類 | 2021-12-29 23:01:16 |
| 76 | 心法利器[19] | 演算法問題下模型以外的問題：概述 | 2021-12-22 21:46:47 |
| 77 | 心法利器[18] | cqr&ctr：文本匹配的破城長矛 | 2021-12-22 21:44:54 |
| 78 | 心法利器[17] | 演算法服務及其相關配件 | 2021-12-16 00:31:41 |
| 79 | 心法利器[16] | 向量表徵與向量回想 | 2021-12-08 20:51:14 |
| 80 | 心法利器[14] | 任務方案思考：人工特徵機器學習 | 2021-12-01 22:03:49 |
| 81 | 心法利器[13] | 任務方案思考：句子相似度與匹配 | 2021-12-01 22:02:17 |
| 82 | 心法利器[12] | 任務方案思考：序列標註（NER）篇 | 2021-12-01 21:58:53 |
| 83 | 心法利器[11] | 任務方案思考：文本分類篇 | 2021-11-24 23:22:52 |
| 84 | 心法利器[10] | 演算法專案從1到N過程 | 2021-11-24 23:17:00 |
| 85 | 心法利器[9] | 演算法專案的從0到1流程 | 2021-11-15 23:11:44 |
| 86 | 心法利器[8] | 模型熱更新小記 | 2021-11-15 23:09:58 |
| 87 | 心法利器[7] | 漫談語意相似度 | 2021-11-09 23:24:40 |
| 88 | 心法利器[6] | python grpc實踐 | 2021-11-09 23:21:17 |
| 89 | 心法利器[5] | 聊自己非電腦專業做程式設計師的經驗 | 2021-11-03 21:34:32 |
| 90 | 心法利器[4] | tf.keras文本分類小例子 | 2021-11-03 21:30:02 |
| 91 | 心法利器[3] | tf.keras自學筆記 | 2021-10-27 21:11:10 |
| 92 | 前沿重器[3] | 平安智能問答系統 | 2021-10-27 21:09:26 |
| 93 | 心法利器[2] | 統計語言模式的使用感想 | 2021-10-26 00:32:52 |
| 94 | 心法利器[1] | NLP的知識蒸餾思考 | 2021-10-25 00:32:44 |
| 95 | 前沿重器[2] | 美團搜尋理解與召回 | 2021-10-25 00:26:07 |
| 96 | 前緣重器[1] | 微軟小冰-多輪與情感機器人的先驅 | 2021-10-25 00:20:48 |
| 97 | ML&DEV[18] | 入職一週年：夯實基礎，持續深入 | 2021-08-22 20:13:42 |
| 98 | ML&DEV[17] | 演算法工程師的技術深度 | 2021-08-22 20:10:24 |
| 99 | ML&DEV[16] | 演算法工程師內功修煉 | 2021-08-22 20:08:13 |
| 100 | ML&DEV[15] | pyspark雜記 | 2021-08-22 20:05:03 |
| 101 | ML&DEV[14] | 淺談解決問題的能力 | 2021-07-26 09:56:04 |
| 102 | R&S[29] | 推薦系統中的召回 | 2021-07-26 09:45:43 |
| 103 | NLP.TM[38] | 對話系統經典：檢索式對話 | 2021-07-26 09:38:53 |
| 104 | 大學生技能大賽：為AI技能添磚加瓦 | 2021-05-09 19:34:03 |
| 105 | 20->21：演算法工程師的成長思考 | 2021-01-10 21:21:05 |
| 106 | NLP.TM[37] | 深入討論糾錯系統 | 2021-01-04 23:07:03 |
| 107 | NLP.TM[36] | NLP之源：n-gram語言模型 | 2020-10-27 00:17:29 |
| 108 | NLP.TM[35] | 糾錯：pycorrector的候選排序 | 2020-10-25 22:43:27 |
| 109 | NLP.TM[34] | 糾錯：pycorrector的召回 | 2020-10-25 22:42:07 |
| 110 | NLP.TM[33] | 糾錯：pycorrector的錯誤偵測 | 2020-10-25 22:38:16 |
| 111 | NLP.TM[32] | 淺談文本增強技術 | 2020-10-07 20:21:50 |
| 112 | R&S[28] | 有關使用者理解的思考 | 2020-10-06 11:04:06 |
| 113 | R&S[27] | 使用者畫像初探 | 2020-10-05 13:02:28 |
| 114 | R&S[26] | 搜尋領域演算法需要掌握的知識 | 2020-10-04 16:05:50 |
| 115 | R&S[25] | 搜尋中的意圖識別 | 2020-10-03 16:35:08 |
| 116 | R&S[24] | 淺談Query理解與分析 | 2020-04-26 00:47:35 |
| 117 | NLP.TM[31] | 2018年的一篇NER綜述筆記 | 2020-04-19 23:24:08 |
| 118 | NLP.TM[30] | ner自動化打標法 | 2020-04-19 23:20:18 |
| 119 | NLP.TM[27] | bert之我見-positional encoding | 2020-04-05 17:34:35 |
| 120 | NLP.TM | 近期做NER的反思 | 2020-04-05 17:28:10 |
| 121 | ML&DEV[13] | 快速從無到有建模完成思路 | 2020-03-22 19:52:54 |
| 122 | R&S[23] | 搜尋中的糾錯問題初探 | 2020-03-08 21:19:04 |
| 123 | ML&DEV[13] | bad case分析 | 2020-02-23 20:39:11 |
| 124 | ML&DEV[12] | 再談數學學習 | 2020-02-23 20:37:25 |
| 125 | ML&DEV[11] | 淺談模型的局限性 | 2020-02-23 20:33:26 |
| 126 | NLP.TM[26] | bert之我見-attention篇 | 2020-01-29 19:53:06 |
| 127 | ML&DEV[10] | gRPC的應用 | 2020-01-27 22:13:06 |
| 128 | ML&DEV | gRPC初體驗 | 2020-01-27 00:11:02 |
| 129 | NLP.TM[25] | CS224N學習小結 | 2020-01-26 17:00:31 |
| 130 | R&S[22] | 搜尋系統中的召回 | 2020-01-13 00:01:58 |
| 131 | 學習週報| 變形金剛-Transformer | 2020-01-12 23:48:19 |
| 132 | NLP.TM[24] | TextCNN的個人理解 | 2020-01-12 23:41:11 |
| 133 | 學習週報| CS224N | 2020-01-01 18:35:25 |
| 134 | 學習週報| charNER，bert系列的NER | 2020-01-01 18:34:46 |
| 135 | 學習週報| NER綜述 | 2020-01-01 18:33:40 |
| 136 | 學習週報| BILSTM-CRF，BERT | 2020-01-01 18:32:46 |
| 137 | NLP.TM[23] | NLP學習線路推薦 | 2020-01-01 18:31:27 |
| 138 | 演算法在崗一年的工作總結 | 2019-12-07 20:55:52 |
| 139 | 學習週報| 語意相似度，Tensorflow | 2019-12-07 20:54:11 |
| 140 | R&S[21] | 搜尋系統中涉及的演算法問題 | 2019-12-07 20:53:12 |
| 141 | 學習週報20191124 | BART，緊密度分析 | 2019-11-24 10:39:51 |
| 142 | NLP.TM[22] | 如何修正NLP問題的bad case | 2019-11-24 10:36:12 |
| 143 | NLP.TM[21] | 語言模式發展思路 | 2019-11-17 12:46:38 |
| 144 | 學習週報20191109 | LM，term weighting | 2019-11-09 01:11:59 |
| 145 | NLP.TM[20] | 字權重問題 | 2019-11-09 01:07:56 |
| 146 | NLP.TM[19] | 條件隨機場知識整理（超長文） | 2019-10-27 20:31:51 |
| 147 | NLP.TM[18] | 搜尋中的命名實體識別 | 2019-10-20 19:18:42 |
| 148 | NLP.TM[1] |（老文）NLP.TM系列正式開始 | 2019-10-13 23:51:42 |
| 149 | ML&DEV[7] | 所謂演算法工程師的工程能力是什麼意思 | 2019-10-13 23:43:45 |
| 150 | ML&DEV[6] | 演算法工程師Linux必知必會 | 2019-10-07 21:13:47 |
| 151 | ML&DEV[5] | 系統理解特徵工程 | 2019-09-30 00:44:05 |
| 152 | R&S[19] | 學習排序入門級概述 | 2019-09-17 00:26:09 |
| 153 | ML&DEV[4] | 機器學習進階線路 | 2019-09-09 18:30:01 |
| 154 | ML&DEV[3] | 機器學習入門線路 | 2019-08-30 22:00:04 |
| 155 | R&S[18] | SIGIR2018：深度學習匹配在搜尋與推薦中的應用 | 2019-08-24 14:56:04 |
| 156 | ML&DEV[2] | 機器學習開發技能入門線路 | 2019-08-17 18:10:48 |
| 157 | ML&DEV[1] | 機器學習數學基礎入門線路 | 2019-08-10 08:52:28 |
| 158 | 201907：月度總結與計劃 | 2019-08-01 22:59:07 |
| 159 | NLP.TM[16] | SIGIR2019: 深度NLP在搜尋系統的應用 | 2019-07-28 21:34:49 |
| 160 | NLP.TM[15] | 基於卷積神經網路的短文本相似度模型 | 2019-07-20 14:44:37 |
| 161 | 我從研究生生活中得到的經驗 | 2019-07-17 22:36:51 |
| 162 | R&S | 手把手搞推薦[6]: 回顧整體建模過程 | 2019-07-14 23:46:25 |
| 163 | NLP.TM | 命名實體辨識基線BiLSTM+CRF | 2019-07-10 17:12:42 |
| 164 | NLP.TM | Keras做基本的文字分類 | 2019-07-01 15:51:44 |
| 165 | NLP.TM | 教你用tensorflow做文字分類 | 2019-06-30 01:17:56 |
| 166 | 演算法與資料分析校招經驗【含內推碼】 | 2019-06-26 22:04:54 |
| 167 | 填志工：在數學系和演算法方向的過來建議 | 2019-06-25 17:17:36 |
| 168 | NLP.TM | 再看word2vector | 2019-06-24 22:14:01 |
| 169 | 做演算法？數學專業的我教你突破數學關 | 2019-06-12 21:31:44 |
| 170 | 評估指標設計 | 2019-06-05 22:53:55 |
| 171 | R&S | 手把手搞推薦[4]：評分預估模型 | 2019-05-24 21:24:14 |
| 172 | R&S | 手把手搞推薦[3]：資料集訪問 | 2019-05-21 20:19:23 |
| 173 | R&S 手把手搞推薦[2]：特徵工程指南 | 2019-05-11 01:12:07 |
| 174 | R&S | 手把手搞推薦[1]：資料探索 | 2019-05-08 20:11:45 |
| 175 | R&S | 手把手搞推薦[0]：推薦入門小結 | 2019-05-06 21:34:46 |
| 176 | R&S | 愛奇藝搜尋啟發 | 2019-05-04 19:30:07 |
| 177 | 我的NLP學習之路 | 2019-04-27 22:47:30 |
| 178 | RS | 論文閱讀：用於YouTube推薦的深度神經網絡 | 2019-04-25 15:04:55 |
| 179 | RS | 深度討論FM和FFM：不僅是推薦 | 2019-04-22 11:58:20 |
| 180 | RS | 推薦系統的基本結構 | 2019-04-22 11:53:31 |
| 181 | NLP.TM | GloVe模型的原理與實現 | 2019-03-26 08:11:42 |
| 182 | 【NLP.TM】後面開始寫點NLP的東西吧 | 2018-01-04 00:42:38 |
| 183 | 2017年，我讀了這些書 | 2017-12-30 17:15:23 |
| 184 | 資料科學家必備技能（軟體篇） | 2017-12-21 23:02:02 |
| 185 | 數據科學家必備技能 | 2017-12-15 01:16:14 |
大師兄
介紹： 《深度學習高手筆記》系列叢書作者,通過和@人民郵電出版社的合作，目前此專欄的大部分內容經過反复的校正和排版已發布成書籍《深度學習高手筆記——卷1：基礎演算法》和《深度學習高手筆記－卷2：前沿應用》，內容經過作者和出版社的專業審核人員的10餘輪的教改，內容的豐富性，算法講解的精確性，文字描述的流暢度已大幅提升。目前卷1已多平台上架，歡迎大家點擊下面連結購買。 https://item.jd.com/13484669.html。
| 序號 | 佳作 | 時間 |
|---|
| 1 | 條件擴散模式：Classifier-Guidance | 2024-03-13 20:22:57 |
| 2 | DiT詳解 | 2024-02-23 17:28:45 |
| 3 | LDM（Latent Diffusion Model）詳解 | 2024-02-21 17:57:38 |
| 4 | AFT（Attention Free Transformer ）詳解 | 2024-02-01 19:00:53 |
| 5 | AdaLoRA（Adaptive LoRA）詳解 | 2023-11-17 19:48:09 |
| 6 | 連續提示學習概述（Continue Prompt Learning） | 2023-09-13 11:05:11 |
| 7 | 提示學習：PET for BERT | 2023-07-18 18:27:59 |
| 8 | 預訓練語言模型：GLM | 2023-07-04 21:55:32 |
| 9 | 多模態大模型KOSMOS-1 | 2023-06-13 11:08:14 |
| 10 | GPT-4核心技術探秘 | 2023-05-03 18:05:25 |
| 11 | 擴散模型：DDPM | 2023-03-16 15:55:24 |
| 12 | 對比學習之SimCSE | 2023-03-07 15:31:15 |
| 13 | 對比學習之SimCLR | 2023-02-25 20:04:38 |
| 14 | ChatGPT/InstructGPT詳解 | 2022-12-08 18:53:46 |
| 15 | UniLM詳解 | 2022-11-17 11:14:08 |
| 16 | 多模態預訓練：BEiT v3（Image as a Foreign Language） | 2022-10-08 11:36:07 |
| 17 | 多模態預訓練：VLMo（Vision Language pretrained Model） | 2022-09-27 17:03:14 |
| 18 | 影像預訓練：BEiT v2 | 2022-09-20 23:52:33 |
| 19 | 圖片預訓練：BEIT | 2022-09-09 16:28:43 |
| 20 | 文本對抗之CLARE，BAE | 2022-08-11 15:22:23 |
| 21 | 文字對抗之BERT-Attack | 2022-08-08 19:00:42 |
| 22 | 文本對抗之TextFooler | 2022-08-01 18:12:20 |
| 23 | 稀疏Transformer（Sparse Transformer） | 2022-04-25 11:54:02 |
| 24 | 多模態預訓練：DALL-E | 2022-03-15 10:43:19 |
| 25 | 多模態預訓練CLIP | 2022-03-08 19:51:55 |
| 26 | Pix2PixHD | 2022-02-14 15:21:56 |
| 27 | 影像翻譯之Pix2Pix | 2022-02-07 19:42:44 |
| 28 | 重讀FPN（Feature Pyramid Network） | 2022-01-22 18:41:51 |
| 29 | ConvNeXt詳解 | 2022-01-18 22:52:59 |
| 30 | 多模態預訓練ViLBERT | 2021-12-24 15:16:09 |
| 31 | 可逆Transformer：ReFormer | 2021-12-12 17:09:35 |
| 32 | 可逆殘差網絡RevNet | 2021-11-23 12:05:40 |
| 33 | 3D分割V-Net | 2021-11-10 23:57:54 |
| 34 | BERT魔改II之BERT-WWM，SpanBERT，BART，MASS | 2021-11-08 16:54:49 |
| 35 | 模型結構搜尋之RegNet | 2021-10-25 18:33:17 |
| 36 | GAN詳解 | 2021-09-09 21:10:23 |
| 37 | 場景文字檢測之EAST | 2021-08-19 18:16:12 |
| 38 | Anchor-Free之FCOS | 2021-08-11 20:37:12 |
| 39 | 可變形卷積網之DCN v1和DCN v2 | 2021-08-01 17:50:17 |
| 40 | Dropout詳解 | 2021-07-19 11:19:13 |
| 41 | Vision Transformer 之CSWin Transformer | 2021-07-09 15:59:27 |
| 42 | Transformer目標檢測之DETR | 2021-07-06 14:30:49 |
| 43 | 語意分割之Deeplab系列 | 2021-06-30 11:39:16 |
| 44 | 人像摳圖之Background Matting v2 | 2021-06-18 17:11:09 |
| 45 | NIC之Show Attend and Tell | 2021-06-15 14:58:47 |
| 46 | 語意分割之FCN | 2021-06-09 21:04:47 |
| 47 | 網路結構搜尋之EfficientDet | 2021-06-04 14:39:03 |
| 48 | 骨幹網路搜尋之NAS-FPN | 2021-06-01 16:13:55 |
| 49 | 損失函數之Focal-EIoU Loss | 2021-05-27 16:01:45 |
| 50 | 損失函數之DIoU Loss和CIoU Loss | 2021-05-24 19:53:50 |
| 51 | 損失函數之GIoU Loss | 2021-05-22 16:23:12 |
| 52 | 雙向融合：PANet | 2021-05-20 17:47:17 |
| 53 | 全連接？ ：MLP-Mixer | 2021-05-12 16:45:22 |
| 54 | 單階段檢測之YOLO v4 | 2021-05-07 18:45:59 |
| 55 | Anchor Free之CornerNet Lite | 2021-04-30 18:37:32 |
| 56 | Anchor Free之CenterNet | 2021-04-27 11:48:15 |
| 57 | Anchor Free之CornerNet | 2021-04-23 15:01:00 |
| 58 | 模型結構搜尋之MobileNet v3 | 2021-04-15 16:43:18 |
| 59 | BERT魔改之MT-DNN，RoBERTa，XLM，ALBERT | 2021-04-09 16:32:23 |
| 60 | 模型搜尋之EfficientNet v2 | 2021-04-06 22:34:39 |
| 61 | CV+Transformer之Swin Transformer | 2021-03-31 17:46:08 |
| 62 | 詞向量之ERNIE（百度）和ERNIE 2.0 | 2021-03-27 16:23:45 |
| 63 | 詞向量之ERNIE-T（清華大學） | 2021-03-23 22:21:09 |
| 64 | 模型結構搜尋之MNasNet | 2021-03-12 18:25:49 |
| 65 | 模型搜尋之EfficientNet | 2021-03-09 11:58:07 |
| 66 | 詞向量之XLNet | 2021-03-05 18:01:53 |
| 67 | iGPT詳解 | 2021-02-23 16:48:37 |
| 68 | DPN詳解（Dual Path Networks） | 2021-02-18 13:09:23 |
| 69 | 預訓練語言模型之GPT-1，GPT-2和GPT-3 | 2021-02-08 14:54:45 |
| 70 | 詞向量之ELMo | 2021-01-28 21:04:00 |
| 71 | HAN詳解（Heterogeneous graph attention network） | 2021-01-24 17:34:32 |
| 72 | Attention 圖解 | 2021-01-06 11:59:24 |
| 73 | GAT詳解 | 2020-12-23 20:58:13 |
| 74 | GraphSAGE詳解 | 2020-12-11 18:19:05 |
| 75 | 詳解Transformer-XL | 2020-11-02 17:55:46 |
| 76 | 基於Seq2Seq的公式識別引擎 | 2020-08-13 19:35:29 |
| 77 | Background Matting詳解 | 2020-06-14 19:34:20 |
| 78 | MTL for OCR原始碼解析 | 2020-02-25 23:32:46 |
| 79 | OCR之Bi-STR | 2020-02-24 22:10:05 |
| 80 | OCR之PixelLink | 2020-02-13 23:53:37 |
| 81 | Image Caption: Show and Tell | 2019-11-17 22:45:34 |
| 82 | 模型優化之Switchable Normalization | 2019-02-27 12:33:04 |
| 83 | AmoebaNet詳解 | 2019-02-23 16:21:17 |
| 84 | 文件分類之HAN | 2019-02-19 16:03:08 |
| 85 | 模型優化之Group Normalization | 2019-02-13 16:42:43 |
| 86 | 模型優化之Instance Normalization | 2019-02-12 19:22:42 |
| 87 | 影像風格遷移詳解 | 2019-01-29 13:07:11 |
| 88 | RNN語言模型 | 2019-01-28 14:41:10 |
| 89 | 模型優化之Weight Normalization | 2019-01-17 16:25:54 |
| 90 | 模型優化之Layer Normalization | 2019-01-10 14:41:45 |
| 91 | 模型優化之Batch Normalization | 2019-01-06 14:54:01 |
| 92 | 實例解析：12306驗證碼破解 | 2018-12-26 15:18:00 |
| 93 | 卷積網路綜述（從AlexNet到PNASNet） | 2018-12-24 23:51:29 |
| 94 | PNASNet詳解 | 2018-12-19 20:16:44 |
| 95 | NASNet詳解 | 2018-12-17 20:50:55 |
| 96 | NAS詳解 | 2018-12-15 19:21:04 |
| 97 | PolyNet詳解 | 2018-12-11 18:27:26 |
| 98 | CondenseNet詳解 | 2018-12-10 14:04:12 |
| 99 | ShuffNet v1 與ShuffleNet v2 | 2018-12-04 18:54:29 |
| 100 | ResNeXt詳解 | 2018-11-28 17:06:24 |
| 101 | Xception詳解 | 2018-11-26 18:14:13 |
| 102 | MobileNet v1 和MobileNet v2 | 2018-11-16 10:43:18 |
| 103 | SqueezeNet詳解 | 2018-11-12 17:10:54 |
| 104 | 物體偵測之Focal Loss及RetinaNet | 2018-11-08 16:39:12 |
| 105 | 詞向量之BERT | 2018-11-05 16:41:21 |
| 106 | 詳解Transformer （Attention Is All You Need） | 2018-11-04 15:25:46 |
| 107 | Squeeze-and-Excitation Networks | 2018-10-23 22:47:19 |
| 108 | 物體檢測之SNIPER | 2018-10-15 16:01:48 |
| 109 | OCR之RRPN | 2018-09-27 19:27:38 |
| 110 | UnitBox詳解 | 2018-09-12 09:19:37 |
| 111 | OCR之HMCP | 2018-09-10 14:15:58 |
| 112 | 人臉偵測之DenseBox | 2018-09-07 22:19:32 |
| 113 | 影像分割之U-Net | 2018-09-06 19:27:37 |
| 114 | 邊緣檢測之HED | 2018-09-03 10:41:16 |
| 115 | 基於CNN的端對端文字檢測與識別 | 2018-08-29 23:05:34 |
| 116 | 物體偵測歷史 | 2018-08-29 08:52:17 |
| 117 | OCR之CTPN | 2018-08-28 13:50:57 |
| 118 | OCR之RARE | 2018-08-27 14:30:01 |
| 119 | OCR之Deep TextSpotter | 2018-08-27 09:08:40 |
| 120 | OCR之DeepText | 2018-08-24 15:56:21 |
| 121 | 物體檢測之YOLOv3 | 2018-08-24 15:40:17 |
| 122 | 物體檢測之YOLOv2 | 2018-08-24 15:26:50 |
| 123 | 物體檢測之R-FCN | 2018-08-24 14:51:19 |
| 124 | 物體偵測之SSD | 2018-08-23 21:30:45 |
| 125 | 物體檢測之YOLO | 2018-08-23 15:38:53 |
| 126 | 物體檢測之MaskX R-CNN | 2018-08-23 11:21:03 |
| 127 | 物體檢測之FPN及Mask R-CNN | 2018-08-23 11:03:12 |
| 128 | 物件檢測之Faster R-CNN | 2018-08-23 10:38:10 |
| 129 | 物體檢測之Fast R-CNN | 2018-08-23 10:12:47 |
| 130 | 物體偵測之SPP-Net | 2018-08-23 08:54:34 |
| 131 | 物體檢測之R-CNN | 2018-08-23 08:40:33 |
| 132 | Attention in RNN | 2018-08-23 00:03:15 |
| 133 | RNN Encoder-Decoder and GRU | 2018-08-22 23:45:41 |
| 134 | 詳解CTC | 2018-08-22 22:46:48 |
| 135 | 詳解LSTM | 2018-08-22 22:14:36 |
| 136 | DenseNet | 2018-08-22 19:41:59 |
| 137 | 詳解殘差網絡 | 2018-08-22 19:30:49 |
| 138 | GoogLeNet, Maxout and NIN | 2018-08-22 19:04:58 |
| 139 | VGG | 2018-08-22 17:23:22 |
| 140 | LeNet5 and AlexNet | 2018-08-22 17:01:02 |
| 141 | Spatial Transformer Networks | 2018-08-22 16:44:27 |
劉聰NLP
介紹： 專業煉丹師，專治疑難雜症,NLP演算法工程師，個人微信：logCong，新增時請備註：知乎—姓名—公司/研究方向。 。
| 序號 | 佳作 | 時間 |
|---|
| 1 | 如何快速提升大模型的向量表徵效果能力？ | 2024-04-11 22:36:46 |
| 2 | RAG系統中答案無關片段對LLMs生成答案有何影響？ | 2024-04-08 20:50:36 |
| 3 | Qwen1.5開源32B模型-將開源進行到底 | 2024-04-06 20:45:13 |
| 4 | InternLM2技術報告 | 2024-04-01 21:48:21 |
| 5 | Qwen1.5-MoE模型：2.7B的活化參數量達到7B模型的表現 | 2024-03-29 03:19:23 |
| 6 | RAG與Long-Context之爭—沒必要爭 | 2024-03-25 21:08:08 |
| 7 | 大型語言模型場景調優實踐｜打造「賀歲靈感模型」 | 2024-03-22 20:56:23 |
| 8 | 指令微調資料的高效篩選方法-排序&聚類-CaR方法 | 2024-03-19 09:33:31 |
| 9 | 自我蒸餾方法-減輕大模型微調過程中的災難性遺忘 | 2024-03-12 09:57:25 |
| 10 | Yi技術報告細節分享 | 2024-03-08 22:26:04 |
| 11 | Anthropic發布Claude3，效果已超越GPT4 | 2024-03-04 23:30:01 |
| 12 | Mistral AI發表Mistral Large模型 | 2024-02-27 10:58:14 |
| 13 | 大模型增量預訓練新技巧-防止模型災難性遺忘 | 2024-01-23 22:06:39 |
| 14 | 智譜GLMs初體驗 | 2024-01-16 15:30:45 |
| 15 | 如何提高LLMs的文本表徵(Text Embedding)能力? | 2024-01-08 10:04:45 |
| 16 | DEITA-大模型指令微調的資料高效篩選方法 | 2024-01-03 21:56:40 |
| 17 | 1-2B參數規模大模型使用心得及模型匯總 | 2023-12-21 11:10:38 |
| 18 | 大模型微調項目-更新說明 | 2023-12-13 16:33:09 |
| 19 | 大模型微調技巧| 高品質指令資料篩選方法-MoDS | 2023-12-08 17:26:53 |
| 20 | 闢謠！微軟撤回聲稱ChatGPT為20B參數的論文，並給予解釋。 | 2023-11-02 10:13:37 |
| 21 | 通義千問-Qwen技術報告細部分享 | 2023-09-26 00:16:39 |
| 22 | 如何從資料集中自動識別高品質的指令資料-IFD指標的使用 | 2023-09-24 17:34:47 |
| 23 | BaiChuan2技術報告細節分享&個人想法 | 2023-09-16 00:18:11 |
| 24 | 領域大模型-訓練Trick&落地思考 | 2023-08-08 19:12:15 |
| 25 | 大模型LLM微調專案-更新 | 2023-08-06 17:32:42 |
| 26 | 是我們在訓練大模型，還是大模型在訓練我們？ | 2023-07-22 13:18:35 |
| 27 | 「NLP工作站」成立技術交流群 | 2023-07-21 21:40:53 |
| 28 | Llama2技術細節&開源影響 | 2023-07-20 00:16:38 |
| 29 | 水可載舟亦可覆舟-AI，可信AI！ | 2023-07-18 12:04:29 |
| 30 | 垂直領域大模型的一些思考及開源模型總結 | 2023-07-10 14:40:18 |
| 31 | LLMs評估綜述 | 2023-07-07 14:36:32 |
| 32 | 大模型流水線並行（Pipeline）實戰 | 2023-06-13 09:58:50 |
| 33 | 支援多模態的ChatGLM模型-VisualGLM-6B | 2023-05-18 10:29:56 |
| 34 | 大模型時代-不進則退 | 2023-04-29 23:50:22 |
| 35 | 大模型LLM-微調經驗分享&總結 | 2023-04-11 11:41:51 |
| 36 | 官方ChatGLM-6B模型微調方法 | 2023-03-31 14:22:00 |
| 37 | ChatGPT-所見、所聞、所感 | 2023-02-11 01:26:56 |
| 38 | CORGI-PM：首個中文性別偏見探索與緩解資料集 | 2023-02-03 17:31:42 |
| 39 | 中文多模態對話資料集-TikTalk | 2023-01-21 11:41:55 |
| 40 | 事件擷取資料增強方法-Mask-then-Fill | 2023-01-20 10:06:40 |
| 41 | AAAI2023 | 基於統一語意配對的一般資訊擷取架構-USM | 2023-01-13 19:56:27 |
| 42 | Dual-Cross-Encoder：面向稠密向量檢索的Query深度交互作用的文檔多視角表徵 | 2022-08-15 22:45:23 |
| 43 | 清華開源了1300億開源的雙語預訓練模型-GLM-130B | 2022-08-05 14:16:37 |
| 44 | IJCAI2022 | DictBert：採用對比學習的字典描述知識增強的預訓練語言模型 | 2022-08-04 22:43:44 |
| 45 | neo4j學習筆記-持續更新ing | 2022-07-07 22:38:01 |
| 46 | CC-Riddle：漢字謎語問答資料集 | 2022-07-04 21:50:04 |
| 47 | 中文NER資料集整理 | 2022-06-16 11:09:17 |
| 48 | ACL2022 | DCSR：一種面向開放域段落檢索的句子知覺的對比學習方法 | 2022-06-11 12:45:55 |
| 49 | ACL2022 | NoisyTune：微調前加入少量噪音可能會有意想不到的效果 | 2022-06-03 10:50:10 |
| 50 | ACL2022 | DictBERT：透過低頻字典增強預訓練模型表徵方法 | 2022-06-02 15:27:03 |
| 51 | ACL2022論文分類總表-Prompt、句子表徵、檢索排序&摘要 | 2022-05-25 21:15:13 |
| 52 | 總結|Prompt在NER場景的應用 | 2022-05-22 11:47:21 |
| 53 | EASE：一種融合實體資訊的句子嵌入對比學習方法 | 2022-05-17 22:35:22 |
| 54 | NAACL2022-Prompt相關論文&對Prompt的看法 | 2022-05-10 17:42:34 |
| 55 | PolyLoss：一種將分類損失函數加入泰勒展開式的損失函數 | 2022-05-07 11:33:32 |
| 56 | PERT：一種基於亂序語言模型的預訓練模型 | 2022-05-05 15:41:39 |
| 57 | DiffCSE：結合句子間差異的無監督句子嵌入對比學習方法 | 2022-04-29 12:51:25 |
| 58 | SIGIR2022論文篩選 | 2022-04-27 15:04:52 |
| 59 | 演算法不會前端，也可以做出好看的介面-Streamlit | 2022-02-20 11:46:28 |
| 60 | OpenAI：基於對比學習的預訓練文本&程式碼表徵技術 | 2022-02-19 12:53:29 |
| 61 | PairSCL：句子對等級的有監督對比學習方法 | 2022-02-04 16:06:40 |
| 62 | COLD：中文冒犯性語言偵測資料集 | 2022-02-01 11:48:51 |
| 63 | SNCSE：一種基於軟負例的無監督句向量對比學習方法 | 2022-01-30 11:04:21 |
| 64 | ExtraPhrase：一種針對抽象式（生成式）摘要的資料增強方法 | 2022-01-27 17:41:29 |
| 65 | MatchSum-一個基於語意配對的抽取式摘要框架 | 2022-01-26 17:05:30 |
| 66 | BertSum-基於BERT模型的抽取式文字摘要 | 2022-01-25 20:43:48 |
| 67 | CPT模型：一種中文兼顧NLU與NLG的非平衡預訓練語言模型 | 2022-01-12 21:29:31 |
| 68 | 中文文字匹配資料集整理 | 2022-01-06 21:01:22 |
| 69 | SimCSE論文精讀 | 2022-01-03 21:04:58 |
| 70 | EMNLP2021 Findings會議-305篇長文及119篇短文分類-附論文連結（下） | 2021-11-07 20:47:49 |
| 71 | EMNLP2021 Findings會議-305篇長文及119篇短文分類-附論文連結（上） | 2021-11-07 20:46:38 |
| 72 | EMNLP2021主會議-191篇短文分類-附論文鏈接 | 2021-11-06 17:13:46 |
| 73 | EMNLP2021主會議-656篇長文分類-附論文連結（下） | 2021-11-03 23:58:54 |
| 74 | EMNLP2021主會議-656篇長文分類-附論文連結（上） | 2021-11-03 23:56:41 |
| 75 | 一個讓模型訓練速度提升20%的Trick-BlockShuffle | 2021-09-28 20:21:27 |
| 76 | EMNLP2021會議PaperList | 2021-09-26 11:05:54 |
| 77 | 帶有詳細註釋的PaddlePaddle的情緒識別項目 | 2021-09-21 14:11:36 |
| 78 | EMNLP 2021之SF：一種預訓練語言模型的片段微調（Span Fine-tuning）方法 | 2021-09-15 22:52:00 |
| 79 | EMNLP2021之AEDA：一種更簡單的文字分類資料增強技術 | 2021-09-09 22:47:03 |
| 80 | 常用預訓練語言模式（PTMs）總結 | 2021-09-03 21:53:13 |
| 81 | 回顧BART模型 | 2021-08-12 20:50:51 |
| 82 | 中文機器閱讀理解（片段抽取）資料集整理 | 2021-08-03 22:30:12 |
| 83 | ACL2021論文之ChineseBERT：融合字形與拼音資訊的中文預訓練模型 | 2021-07-28 22:29:16 |
| 84 | 授人以魚不如授人以漁-如何有效率取得前沿論文？ | 2021-07-07 22:04:04 |
| 85 | ACL2021 Findings論文彙整及分類 | 2021-07-03 15:46:08 |
| 86 | ACL2021主會議論文彙整及分類 | 2021-06-29 23:32:50 |
| 87 | ACL2021論文 | 2021-06-28 17:31:32 |
| 88 | 難負例如何影響向量檢索模型？ | 2021-06-27 23:38:08 |
| 89 | SIGIR2021論文：基於Text-to-Text多視圖學習的段落重新排序 | 2021-06-22 21:54:42 |
| 90 | SIGIR2021之DvBERT模型：雙視圖蒸餾的句向量BERT模型 | 2021-06-15 22:13:24 |
| 91 | SIGIR2021之IDCM模型: 文件內部級聯選擇段落服務於文件排序 | 2021-06-12 15:33:08 |
| 92 | SIGIR 2021論文篩選 | 2021-06-08 14:46:41 |
| 93 | 小布助手對話短文本語意配對-週周星分享 | 2021-03-29 18:16:50 |
| 94 | 中文摘要資料集匯總 | 2021-01-02 21:04:25 |
| 95 | 超詳細中文註釋的GPT2新聞標題生成項目 | 2020-12-21 09:21:20 |
| 96 | 一種新的漲分神器！構造code-switching增廣數據進行fine-tuning！ | 2020-09-27 14:47:43 |
| 97 | MacBERT：MLM as correction BERT | 2020-09-20 17:55:30 |
| 98 | BERT-QE: 基於上下文化查詢擴充功能的文檔ReRank | 2020-09-20 15:31:42 |
| 99 | AMBERT模型：一個多粒度Tokenization的預訓練語言模型 | 2020-09-04 00:31:25 |
| 100 | SIGIR 2020之MarkedBERT模型：加入傳統檢索線索的Rerank模型 | 2020-08-30 11:16:44 |
| 101 | 誇誇式閒聊機器人之Unilm對話生成 | 2020-08-07 23:11:02 |
| 102 | SIGIR 2020之DC-BERT模型：解耦問題-文件編碼，提速QA-Rerank模組 | 2020-08-02 13:47:44 |
| 103 | SIGIR會議文本表徵、檢索重排序、閱讀理解論文整理 | 2020-07-26 11:05:23 |
| 104 | 開源啦！開源啦！ UNILM中文模型開源啦！ | 2020-07-25 17:44:42 |
| 105 | ACL2020論文整理之問題生成、自然語言推理、預訓練語言模型及部分應用、QA問答系統及機器閱讀理解 | 2020-07-05 20:16:35 |
| 106 | 教你如何動態配置字權重，檢索系列文章之HDCT論文筆記 | 2020-06-21 11:46:52 |
| 107 | 智慧擴充機器人的「標準問」庫之Query生成 | 2020-06-20 13:18:47 |
| 108 | Web服務部署深度學習模式-續集 | 2020-06-14 15:05:01 |
| 109 | 教你如何動態配置字權重，檢索系列文章之DeepCT論文筆記 | 2020-06-14 12:32:51 |
| 110 | Web服務部署深度學習模型 | 2020-05-26 16:09:53 |
| 111 | Sentence-Bert論文筆記 | 2020-03-29 20:51:04 |
| 112 | UniLM-v2論文閱讀筆記 | 2020-03-26 11:30:29 |
| 113 | UniLM論文閱讀筆記 | 2020-03-20 21:11:18 |
| 114 | 傳統方法BM25解決短文本相似度問題 | 2020-03-16 20:01:10 |
| 115 | 傳統方法TF-IDF解決短文本相似度問題 | 2020-03-14 10:16:08 |
| 116 | 你保存的BERT模型為什麼那麼大？ | 2020-03-08 11:31:49 |
| 117 | 短文本相似度演算法研究 | 2020-03-07 10:09:47 |
| 118 | 閱讀筆記：開放域檢索問答（ORQA） | 2020-02-17 21:43:17 |
| 119 | NEZHA（哪吒）論文閱讀筆記 | 2019-12-29 22:09:40 |
| 120 | DuReader資料集之資料預處理程式碼解析 | 2019-12-29 15:21:54 |
| 121 | 機器閱讀理解之DuReader資料集描述 | 2019-11-29 22:32:32 |
| 122 | 文本蘊含之孿生網絡（Siamese Network） | 2019-07-27 11:27:35 |
| 123 | 論文閱讀筆記：文本蘊含之DIIN | 2019-07-20 09:24:39 |
| 124 | 論文閱讀筆記：文本蘊含之ESIM | 2019-07-13 13:18:02 |
| 125 | 論文閱讀筆記：文本蘊含之BiMPM | 2019-07-06 11:49:24 |
北冥乘海生
介紹： 大數據仁波切公號「計算廣告」(Comp_Ad),《計算廣告》作者，微信公號「計算廣告」。
| 序號 | 佳作 | 時間 |
|---|
| 1 | 聊聊商業化必備的"底線思維" | 2024-03-24 21:25:16 |
| 2 | 從手游到小遊戲，「全場景成長」怎麼做 | 2024-02-01 16:23:59 |
| 3 | 打通公私域的科學化經營時代來了！ | 2024-01-29 08:41:49 |
| 4 | 這6個字，為你照亮24年的商業化道路 | 2024-01-17 14:20:53 |
| 5 | 用上GroMore智能管家，「躺平」也能多賺錢 | 2024-01-12 07:48:51 |
| 6 | AI 做的創意，是怎麼比我們還懂生意的？ | 2024-01-10 08:36:47 |
| 7 | 2024商業化新機：混合變現雙贏之路 | 2024-01-06 10:14:48 |
| 8 | 買量難+成本高，用戶增長卷又卷不贏，躺也躺不平？ | 2023-12-14 08:43:07 |
| 9 | 深度解析揚楫：AI廣告引擎如何運作 | 2023-11-28 11:19:52 |
| 10 | 廠商行銷不止應用市場！ | 2023-11-06 11:00:03 |
| 11 | 換個思路，撬動十倍成長！ | 2023-08-21 11:57:55 |
| 12 | 遊戲成長，不再是買量遊戲！ | 2023-08-15 10:17:21 |
| 13 | 版號常態化發放時代，遊戲的“全生命週期智能增長” | 2023-07-07 12:26:55 |
| 14 | 生成式AI，將如何重塑行銷？ | 2023-06-25 18:30:32 |
| 15 | 裁掉的碼農，不過是戲裡的龍套 | 2023-06-24 07:42:29 |
| 16 | 做行銷，大模型真的有用麼？ | 2023-06-21 10:26:50 |
| 17 | 開發者青睞的變現平台，要有“專業” | 2023-06-20 09:56:07 |
| 18 | 大模型只有"大"一條路嗎？ | 2023-05-25 21:24:42 |
| 19 | 巨量千川全面升級，協助商家有效率經營 | 2023-04-29 19:33:17 |
| 20 | 工具開發者的新春天，就要來了！ | 2023-04-27 12:04:47 |
| 21 | 你賣的不是廣告，是商品！ | 2023-04-12 14:33:22 |
| 22 | 瑞士，扯下了"規矩"的底褲 | 2023-04-05 08:14:38 |
| 23 | 巨量千川商品卡推廣－抖音電商賣家的新型武器 | 2023-03-22 13:30:20 |
| 24 | ChatGPT吹牛逼大賽，誰能勝出？ | 2023-02-17 08:53:00 |
| 25 | 2023，廣告平台變遷的七大趨勢 | 2023-01-19 12:41:34 |
| 26 | 讓變現“潤物細無聲”，優量彙與開發者的共同探索 | 2023-01-05 12:30:47 |
| 27 | 成長變現一體化的利器，現在開放了！ | 2022-12-16 11:05:15 |
| 28 | 廣告行銷怎麼擺脫玄學？ | 2022-10-16 17:02:15 |
| 29 | ?連線王玥波：網路就是個江湖 | 2022-09-23 09:36:46 |
| 30 | 全域一盤棋，聊聊投放一體化與降本增效 | 2022-09-19 09:35:25 |
| 31 | 穿山甲大開放：從變現工具到商業生態 | 2022-08-30 21:33:49 |
| 32 | 演算法監管：碳與矽的博弈 | 2022-07-09 15:45:13 |
| 33 | 千億參數的廣告模型，是怎麼煉成的？ | 2022-07-02 09:43:53 |
| 34 | 酒香怎破巷子深？從「啟動七留雙出價」看智慧投放進展 | 2022-06-30 13:35:33 |
| 35 | 你要潤麼？先想清幾件事… | 2022-06-17 17:30:02 |
| 36 | 防疫長城背後的雲端政務，強在何處？ | 2022-04-19 19:16:46 |
| 37 | 數位行銷正走向全球經營 | 2022-01-26 15:49:48 |
| 38 | 2022，開發者變現的生機何在？ | 2022-01-06 10:06:24 |
| 39 | 濃眉大眼的Google也「叛變」了？從Adsense放棄二價談起 | 2021-11-09 17:18:55 |
| 40 | 許家印與袁世凱的訊息繭房 | 2021-10-13 11:28:46 |
| 41 | 產品經理的哲學三問 | 2021-07-19 18:49:05 |
| 42 | 網服廣告商品化－與廣告主共創未來成長點 | 2021-06-23 11:05:47 |
| 43 | 在大廠上班，你屌什麼勁？ | 2021-06-17 08:42:23 |
| 44 | 找準“增值”突破口，金融業行銷的“道”與“數” | 2021-06-17 08:38:48 |
| 45 | 數位行銷服務，是獨善其身還是百花齊放？ | 2021-06-02 08:47:10 |
| 46 | 進擊的315，沒落的央視 | 2021-03-26 10:08:06 |
| 47 | 廣告主玩數據，有個大迷思 | 2021-03-05 19:17:59 |
| 48 | 我們做了個“自動賣貨引擎” | 2021-02-25 18:41:26 |
| 49 | 粗放式增長過後，「分層拉活」正興起 | 2021-01-21 08:31:27 |
| 50 | 猝死碼農的半生福報，壟斷巨頭的三把鐮刀 | 2021-01-12 18:25:10 |
| 51 | 白手起家的三條土豪路，你選哪一條？ | 2021-01-07 18:36:03 |
| 52 | 數據產品叫好不叫座，如何破局 | 2020-12-08 20:52:56 |
| 53 | 大公司，你不講武德！ | 2020-12-03 08:16:45 |
| 54 | 職業教育成長，正在“電商化” | 2020-11-30 17:54:22 |
| 55 | 螞蟻市值25兆？網路的「後棚」買賣，你我都逃不過 | 2020-10-30 08:54:38 |
| 56 | 源代碼審查能否成為國際慣例？ | 2020-10-07 21:48:34 |
| 57 | 從流量到成長，行銷產品有何趨勢？ | 2020-09-25 20:46:06 |
| 58 | 廣告優化是一門玄學麼？ | 2020-09-25 16:58:12 |
| 59 | 捉放Tiktok，川普擺了一場鴻門宴 | 2020-09-22 10:24:17 |
| 60 | 聽完吳聲的演講，我覺得智商阻塞了 | 2020-08-27 13:22:02 |
| 61 | 幹掉Tiktok只是打響了第一槍 | 2020-08-07 10:33:39 |
| 62 | 騰訊廣告終於迎來全面整合 | 2020-07-07 19:10:09 |
| 63 | KPI是怎麼湊出來的？號 | 2020-06-17 21:38:52 |
| 64 | 約砲，是權與利交易的剪綵儀式 | 2020-04-28 12:37:39 |
| 65 | 平地摳餅型公司，CXO怎麼分工？ | 2020-04-27 11:10:37 |
| 66 | 隱私保護，在法規以外更依賴技術 | 2020-04-03 18:22:54 |
| 67 | 被Google剪掉命根子的出海應用，沒幾個冤枉的 | 2020-03-21 19:51:46 |
| 68 | 誰家公司還沒幾F4呢？ | 2020-02-28 08:01:31 |
| 69 | 這場疫情，敲響了電影院線的喪鐘 | 2020-01-28 20:54:18 |
| 70 | 職場新人打怪升級，這兩招最管用 | 2020-01-07 17:43:06 |
| 71 | 憤青是怎麼煉成的 | 2019-12-30 15:54:28 |
| 72 | 真的有人想反作弊嗎？ | 2019-12-11 20:24:09 |
| 73 | 關於品效合一的經濟學分析 | 2019-10-30 20:00:22 |
| 74 | 天下產品一大抄 | 2019-10-10 11:29:59 |
| 75 | 25歲的年輕人，想清兩件事 | 2019-09-10 20:33:12 |
| 76 | 網路貪腐見聞拾萃 | 2019-08-28 07:40:22 |
| 77 | 一文搞懂網路廣告的計算原理 | 2019-07-04 19:59:29 |
| 78 | 素質教育，讓令郎輸在受精卵上 | 2019-06-13 07:20:19 |
| 79 | 深受讀者愛戴的十大負能量雄文 | 2019-05-16 07:41:25 |
| 80 | 996其實沒什麼卵用 | 2019-04-17 18:32:52 |
| 81 | 願你飽覽群書，歸來仍是屌絲 | 2019-04-03 17:55:08 |
| 82 | 沒事少聽創業導師瞎逼逼 | 2019-02-27 20:59:07 |
| 83 | 後AI時代的沒羞沒臊生活指南 | 2019-01-23 21:50:54 |
| 84 | 去中心化交易能比VISA還快麼？ | 2018-12-26 18:48:29 |
| 85 | 為什麼外商有那麼多奇葩老闆？ | 2018-09-28 21:11:43 |
| 86 | 網路+拯救不了強哥奶茶的品味 | 2018-09-03 13:39:40 |
| 87 | 為什麼說大多數ICO都是詐騙？ | 2018-08-29 18:33:28 |
| 88 | 碼農四十不如狗 | 2018-08-06 22:20:22 |
| 89 | 做劣幣，賺大錢 | 2018-06-28 20:44:48 |
| 90 | 圖靈測試離我們還有多遠？ | 2018-06-07 20:41:33 |
| 91 | 我懷了誰的孩子？ ——一部安卓手機的情感史 | 2018-05-28 20:02:48 |
| 92 | 如何迅速提高公司估值？ | 2018-05-22 21:21:31 |
| 93 | 財務自由是個大騙局 | 2018-05-02 22:02:07 |
| 94 | 怎樣收智商稅 | 2018-03-27 22:20:57 |
| 95 | 勤勞致貧 | 2018-03-04 22:43:17 |
| 96 | 2018，廣告科技公司路在何方？ | 2018-01-25 09:51:48 |
| 97 | 被叔叔猥褻，我有親身經歷 | 2017-12-06 22:12:09 |
| 98 | 怎麼在大公司混成中層幹部？ | 2017-11-23 20:56:49 |
| 99 | 產品狗的聖戰 | 2017-10-18 09:04:17 |
| 100 | 二十年前的北京四中到底哪裡牛？ | 2017-10-01 21:26:07 |
| 101 | 從薛之謙到林心如，大V們有多少殭屍粉？ | 2017-09-27 22:39:58 |
| 102 | 從初夜權到網路廣告－拍賣中的趣味與玄機 | 2017-09-19 22:47:37 |
| 103 | 假裝成功是成功之母－屌絲測不準原理 | 2017-08-31 20:10:54 |
| 104 | 印度，一個盛產主管與狗的國度 | 2017-08-15 22:05:14 |
| 105 | 為什麼你賺錢比別人慢？ ——屌絲第一守恆定律 | 2017-07-27 22:10:35 |
| 106 | 從馬雲鬥王衛，看網路的三場大戰 | 2017-07-04 15:31:40 |
| 107 | 20萬、50萬、100萬的演算法工程師，到底有什麼差別？ | 2017-05-23 22:52:56 |
| 108 | 魏方丹、李靜思：下流才是內容創業的王道 | 2017-05-05 08:37:08 |
| 109 | 月月靈欠的三千萬廣告費，小紅還能要回來麼？ | 2017-04-12 22:05:49 |
| 110 | 局長私訪售樓處，怒了！ | 2017-04-09 21:27:42 |
| 111 | 一個大數據屌絲的一天 | 2017-03-22 22:06:31 |
| 112 | 共享經濟+坐檯=？ | 2017-03-14 21:20:31 |
| 113 | 手把手教你網路流量作弊 | 2017-03-09 20:46:20 |
| 114 | Facebook的廣告成效真的那麼好呢？ | 2017-03-01 17:45:40 |
| 115 | 數據分析真的能驅動用戶快速成長麼？ | 2016-07-31 11:10:48 |
李rumor
介紹： 公眾號“李rumor”，AI算法小姐姐，谷歌開發者專家,還沒呢。
| 序號 | 佳作 | 時間 |
|---|
| 1 | 大模型對齊階段的Scaling Laws | 2024-04-01 09:52:29 |
| 2 | APO｜利用GAN的思想訓練RLHF中的RM | 2023-12-27 12:00:07 |
| 3 | OpenAI的Weak-to-Strong在說什麼 | 2023-12-21 13:10:21 |
| 4 | 一些RLHF的平替總表（2023.11） | 2023-11-16 13:20:33 |
| 5 | 接近23年底，有哪些GenAI產品做起來了？ | 2023-09-19 21:51:10 |
| 6 | 百川的大模型KnowHow | 2023-09-13 11:53:05 |
| 7 | OpenAI的Superalignment策略：計算為王 | 2023-08-21 09:40:22 |
| 8 | 蹲一個CV的ChatGPT時刻 | 2023-06-27 13:54:37 |
| 9 | RLHF的其他最佳化方向 | 2023-03-09 13:10:28 |
| 10 | 復現ChatGPT的難點與平替 | 2023-02-20 13:35:36 |
| 11 | 如何優化大模型的In-Context Learning效果？ | 2023-01-06 13:36:41 |
| 12 | 2022年對話技術整理：科學研究進度、產品創新 | 2022-11-08 13:08:10 |
| 13 | 虛擬角色對話：AI產品新花樣 | 2022-10-13 18:04:48 |
| 14 | Action Transformer(ACT-1)，通用AI助手 | 2022-09-16 13:13:26 |
| 15 | MetaAI的融合怪：BlenderBot | 2022-08-19 12:44:28 |
| 16 | 最近一些Embodied AI工作的摘要(SayCan/LM-Nav/WebShop/Gato/VPT/MINEDOJO) | 2022-07-14 13:25:06 |
| 17 | HuggingFace推出Evaluate庫！所以它賺了嗎？ | 2022-06-02 13:10:04 |
| 18 | 文字匹配｜雙塔的效果如何追上互動？ | 2022-05-23 13:10:38 |
| 19 | DeepMind出手！多模態小樣本打敗精調 | 2022-05-09 13:04:56 |
| 20 | 預訓練模型的下一步？突破Impossible Triangle | 2022-04-19 19:41:39 |
| 21 | 谷歌PaLM｜推理能力大幅提升，Pathways給予的第一份答案卷 | 2022-04-06 13:13:47 |
| 22 | 騰訊SkillNet｜NLU任務的全能網絡，對Pathways架構的初步嘗試 | 2022-03-09 18:15:26 |
| 23 | 谷歌LaMDA｜工業級端到端預訓練對話模型 | 2022-01-26 13:03:50 |
| 24 | 預訓練時代下的文本生成｜模型&技巧 | 2022-01-18 12:17:37 |
| 25 | 【急招】美團-NLP中心圖學習（GNN）方向實習生 | 2022-01-05 09:47:42 |
| 26 | 清華x商湯｜統一21年的各類對比學習框架 | 2021-12-28 13:44:38 |
| 27 | 開放域問答綜述｜四種方案+資料集 | 2021-12-10 13:28:25 |
| 28 | PromptBERT｜結合Prompt+對比學習，超越SimCSE兩個多點 | 2021-12-03 13:53:40 |
| 29 | GPT3 API 「全面」開放，變現模式開啟 | 2021-11-22 09:41:28 |
| 30 | 清華P-tuning v2、GoogleSPoT｜Prompt可以超越精調了嗎？ | 2021-10-19 18:54:10 |
| 31 | 哈工大｜15種NLP資料增強方法總結與對比 | 2021-10-11 18:48:30 |
| 32 | 谷歌UDG｜Prompt新用法，直接產生訓練數據 | 2021-09-23 22:04:55 |
| 33 | Instruction Tuning｜谷歌Quoc V.Le團隊提出又一精簡範式 | 2021-09-08 12:09:49 |
| 34 | Sentence-T5｜谷歌提出文本表示新SOTA | 2021-08-24 18:05:08 |
| 35 | Prompt範式第二階段｜Prefix-tuning、P-tuning、Prompt-tuning | 2021-08-17 19:14:06 |
| 36 | Prompt範式的緣起｜Pattern-Exploiting Training | 2021-08-06 12:59:15 |
| 37 | 業界總結｜搜尋中的Query理解 | 2021-07-28 13:13:12 |
| 38 | ERNIE3.0 Demo試玩，捲到了 | 2021-07-08 09:44:34 |
| 39 | 43頁預訓練模式綜述（清華、復旦、人大） | 2021-06-16 20:14:09 |
| 40 | ConSERT｜用對比學習做NLP都有哪些坑？ | 2021-06-07 13:06:25 |
| 41 | 盤點文字相關性在搜尋、廣告、推薦三大場景的應用 | 2021-04-27 12:53:51 |
| 42 | 21個經典深度學習句間關係模型｜程式碼&技巧 | 2021-03-17 18:00:55 |
| 43 | 深度學習文本分類模型綜述+程式碼+技巧 | 2021-02-03 19:04:38 |
| 44 | 2021年NLP入門書籍推薦｜理論&實踐 | 2021-01-07 09:52:05 |
| 45 | GPT-2的資訊外洩問題 | 2020-12-17 19:58:31 |
| 46 | 自監督對比學習（Contrastive Learning）綜述+程式碼 | 2020-12-08 19:53:24 |
| 47 | BERT-flow：CMUx位元組提出的文本表示新SOTA | 2020-11-28 18:36:34 |
| 48 | CCKS20與會小結：知識圖譜在工業界的落地 | 2020-11-19 19:14:45 |
| 49 | 如何用對比學習提升BERT？史丹佛+Facebook的最新力作 | 2020-11-07 20:54:02 |
| 50 | BERT模型蒸餾完全指南（原理/技巧/程式碼） | 2020-11-04 13:37:39 |
| 51 | Bort: 亞馬遜最新4層小模型，效果超越BERT-large | 2020-10-22 13:19:25 |
| 52 | Cross-Thought：微軟為文字表示所打造的全新預訓練任務 | 2020-10-10 09:43:42 |
| 53 | 關於校招Offer選擇的一些建議 | 2020-10-09 12:07:33 |
| 54 | GooglepQRNN：輕量級文字分類模型 | 2020-10-02 18:14:57 |
| 55 | ACL2020奇葩論文標題大賞 | 2020-07-18 14:08:53 |
| 56 | DynaBERT：動態伸縮訓練 | 2020-05-22 18:38:21 |
| 57 | Arxiv每日論文小工具 | 2020-05-07 00:10:02 |
| 58 | FastBERT：快速又穩的推理快速方法 | 2020-04-09 12:14:33 |
| 59 | BatchNorm在NLP任務中的問題與改進 | 2020-04-07 22:55:20 |
| 60 | 談談我對ELECTRA源碼放出的看法 | 2020-03-12 23:08:01 |
| 61 | 神經網路分佈式訓練、混合精準度訓練、梯度累積...一文帶你優雅訓練大型模型 | 2020-03-02 11:36:25 |
| 62 | 一文搞懂NLP中的對抗訓練FGSM/FGM/PGD/FreeAT/YOPO/FreeLB/SMART | 2020-01-20 18:50:03 |
| 63 | 結構剪枝：要個4層的BERT有多難？ | 2019-11-22 18:51:07 |
| 64 | ELECTRA: 超越BERT, 19年最佳NLP預訓練模型 | 2019-11-02 11:54:27 |
| 65 | NLP極簡資料增強+源碼 | 2019-10-29 10:04:22 |
| 66 | Google T5速讀 | 2019-10-24 21:38:42 |
| 67 | BERT句子表示的可視化 | 2019-10-22 18:05:55 |
| 68 | Google ALBERT原理解說 | 2019-09-27 21:07:50 |
| 69 | 一文搞懂神經網路混合精準度訓練 | 2019-09-26 13:31:20 |
| 70 | 英偉達Fastertransformer源碼解讀 | 2019-09-03 19:49:29 |
| 71 | 神經網路模型Inference推理速度優化 | 2019-08-18 00:12:54 |
| 72 | NLP基礎模型之詞向量 | 2019-07-15 21:17:25 |
| 73 | 深度神經網路模型蒸餾Distillation | 2019-07-03 11:20:12 |
| 74 | TF XLNet源碼解讀 | 2019-06-26 19:29:40 |
| 75 | Google XLNet原理解讀 | 2019-06-21 22:50:17 |
| 76 | 神經網路分散式訓練 | 2019-06-10 21:05:09 |
| 77 | BERT生成式之UNILM解讀 | 2019-06-07 23:46:37 |
| 78 | BERT生成式之MASS解讀 | 2019-05-31 23:34:05 |
| 79 | ELMo/GPT/BERT對比 | 2019-04-22 20:57:03 |
| 80 | OpenAI GPT2原文理解讀 | 2019-02-20 23:37:08 |
| 81 | MT-DNN原理解讀 | 2019-02-16 14:44:45 |
| 82 | Tensorflow版BERT中文模型踩坑總結 | 2018-12-06 20:21:35 |
| 83 | NLP分詞演算法深度綜述 | 2018-11-24 16:20:38 |
| 84 | You May Not Need Attention詳解 | 2018-11-03 20:49:17 |
| 85 | 【NLP】Google BERT模型原理詳解 | 2018-10-13 15:15:01 |
| 86 | Universal Transformers原理解讀 | 2018-09-16 15:02:11 |
| 87 | 【NLP】Transformer模型原理詳解 | 2018-09-14 19:52:21 |
| 88 | NLP中的Attention原理與原始碼解析 | 2018-09-01 15:50:38 |
| 89 | NLP之語言模型與遷移學習 | 2018-08-21 21:01:24 |
魚遇雨欲語與餘
介紹： 公眾號：Coggle資料科學，《機器學習演算法競賽實戰》作者,一對一學習指導，可私訊我。 數據演算法競賽愛好者，國內競賽方案最佳分享者，目前已獲得五冠六亞一季的成績。 2022，WSDM-xmRec cup，亞軍2020，騰訊廣告演算法比賽，冠軍2020，TIANCHI-數位中國創新大賽-智慧海洋建設，冠軍2019，TIANCHI-全球數據智能大賽【賽場二】，亞軍2019，TIANCHI-安泰杯--跨國電商智慧演算法比賽，冠軍2019，騰訊廣告演算法比賽，冠軍2019，KDD Cup: Context-Aware Multi-Modal Transportation Recommendation，亞軍2018，科大訊飛行銷演算法大賽，冠軍2019，TIANCHI-OGeek演算法挑戰賽，亞軍2019，JDATA-用戶對品類下店舖的購買預測，亞軍2019，第四屆魔鏡杯比賽數據應用比賽，亞軍2019，TIANCHI-全球城市AI挑戰賽，季軍。
| 序號 | 佳作 | 時間 |
|---|
| 1 | 時隔兩年！我的《機器學習演算法競賽實戰》英文版在Springer 發表囉！ | 2023-12-13 15:57:56 |
| 2 | 深入理解推薦系統：微軟xDeepFM原理與實踐 | 2022-06-21 11:31:28 |
| 3 | 深入理解推薦系統：大廠如何進行CTR增量訓練 | 2022-06-21 11:27:38 |
| 4 | 深入理解推薦系統：阿里DIN原理與實踐 | 2022-06-21 11:23:17 |
| 5 | 深入理解推薦系統：CTR平滑問題 | 2022-06-21 11:18:37 |
| 6 | 2022 WSDM-Xmrec：跨境電商推薦挑戰賽題方案 | 2022-06-21 11:11:31 |
| 7 | GraphEmbedding實戰系列：Node2vec原理與程式碼實戰 | 2022-06-21 11:07:11 |
| 8 | 深入理解推薦系統：如何多種業務場景合併建模 | 2022-06-21 11:02:56 |
| 9 | 科大訊飛：電信客戶流失預測賽方案 | 2022-06-21 10:54:15 |
| 10 | 我的新書「機器學習演算法競賽實戰」，專注競賽 | 2021-09-25 23:46:54 |
| 11 | 冠軍10w美金! ! ! 備戰2021騰訊廣告演算法大賽最新指南 | 2021-03-02 16:21:02 |
| 12 | 消費金融場景下的用戶購買預測【冠軍方案】分享 | 2021-02-06 01:29:45 |
| 13 | Kaggle知識點：文本相似度計算方法 | 2021-02-06 01:22:37 |
| 14 | Kaggle知識點：類別特徵處理 | 2021-02-06 01:13:48 |
| 15 | Kaggle知識點：缺失值處理 | 2021-02-05 16:39:46 |
| 16 | 深入理解推薦系統：超長用戶行為序列建模 | 2020-12-14 23:33:53 |
| 17 | 機器學習中「距離與相似度」計算總結 | 2020-12-14 23:24:03 |
| 18 | 時序預測競賽之異常檢測演算法綜述 | 2020-12-14 23:03:13 |
| 19 | 數據競賽之常見數據抽樣方式 | 2020-12-10 18:00:15 |
| 20 | 深入理解推薦系統：特徵交叉組合模型演化簡史 | 2020-10-29 11:03:30 |
| 21 | 深入理解推薦系統：推薦系統中的attention機制 | 2020-10-29 09:36:42 |
| 22 | 2020騰訊廣告演算法大賽方案分享（亞軍） | 2020-08-16 00:21:03 |
| 23 | 2020騰訊廣告演算法大賽方案分享（冠軍） | 2020-08-05 00:06:28 |
| 24 | 深入理解推薦系統：Fairness、Bias和Debias | 2020-07-23 14:53:24 |
| 25 | 廈門國際銀行「數創金融盃」數據建模競賽-冠軍分享 | 2020-06-22 13:49:01 |
| 26 | 競賽總結：天池OGeek演算法挑戰賽 | 2020-06-18 00:38:52 |
| 27 | 2020騰訊廣告演算法大賽：高分進階 | 2020-06-07 09:43:41 |
| 28 | 2020騰訊廣告演算法競賽：如何突破分數瓶頸？ | 2020-05-24 12:59:32 |
| 29 | 2020騰訊廣告演算法競賽：賽題理解與解題思路 | 2020-05-16 00:49:30 |
| 30 | 深入理解推薦系統：排序 | 2020-05-07 00:04:15 |
| 31 | 2020 KDD Cup：Debiasing phase4 baseline 0.25 | 2020-05-04 10:56:16 |
| 32 | 冠軍7w美金，2020騰訊廣告演算法比賽正式開始！ ！ ！ | 2020-04-15 17:17:46 |
| 33 | KDD Cup 2020 推薦系統賽道—數據分析 | 2020-04-10 00:09:21 |
| 34 | 備戰2020騰訊廣告演算法大賽：武功秘籍 | 2020-04-06 18:54:58 |
| 35 | 深入理解推薦系統：召回 | 2020-04-01 21:01:44 |
| 36 | 深入理解YouTube推薦系統演算法 | 2020-03-24 01:26:01 |
| 37 | 深入理解XGBoost：分散式實現 | 2020-03-15 00:55:23 |
| 38 | 基於GNN的圖表示學習及其應用 | 2020-03-14 22:09:50 |
| 39 | 天池-安泰杯跨境電商智慧演算法比賽分享（冠軍） | 2020-01-03 11:38:53 |
| 40 | 一文梳理2017騰訊廣告演算法大賽決賽方案 | 2019-12-05 00:45:21 |
| 41 | 2019CCF-BDCI-乘用車細分市場銷售預測方案（Top1%） | 2019-11-25 22:17:00 |
| 42 | TIANCHI-全球數據智慧比賽【賽場二】演算法賽方案分享（亞軍） | 2019-10-29 21:48:59 |
| 43 | 一文整理2019年騰訊廣告演算法大賽冠軍方案 | 2019-10-07 23:51:29 |
| 44 | 一文總結機器學習常見知識點 | 2019-10-07 21:56:37 |
| 45 | CCF乘用車細分市場銷售預測-0.63模型框架 | 2019-09-13 20:44:36 |
| 46 | CCF乘用車細分市場銷售預測baseline(0.51+) | 2019-08-27 10:48:40 |
| 47 | 【震驚】2019騰訊廣告演算法大賽-冠軍代碼複盤解析 | 2019-08-21 09:33:50 |
| 48 | 這兩年：我的數據競賽之路 | 2019-08-17 00:18:40 |
| 49 | GNN 系列（三）：GraphSAGE | 2019-08-09 10:13:18 |
| 50 | GNN 系列（二）：圖神經網路的「開山之作」GCN模型 | 2019-08-05 08:13:48 |
| 51 | GNN 系列（一）：Graph 基礎知識介紹 | 2019-08-01 13:08:08 |
| 52 | 拍拍貸第四屆魔鏡盃大賽-冠亞季軍方案梳理 | 2019-08-01 00:46:40 |
| 53 | 第四屆魔鏡盃大賽數據應用賽方案分享（亞軍） | 2019-07-23 00:46:22 |
| 54 | TIANCHI安泰盃—跨國電商智慧演算法比賽Baseline | 2019-07-18 10:34:31 |
| 55 | 2019騰訊廣告演算法大賽方案分享（冠軍） | 2019-07-14 13:43:28 |
| 56 | 2019騰訊廣告演算法大賽-冠軍之路 | 2019-07-09 03:07:48 |
| 57 | 2019JDATA-用戶對品類下店舖的購買預測方案及代碼分享（亞軍） | 2019-07-02 21:59:14 |
| 58 | 2019騰訊廣告演算法大賽方案分享（初賽冠軍） | 2019-06-25 14:39:51 |
| 59 | 2019騰訊廣告演算法比賽初賽分享-Part3（冠軍篇） | 2019-05-23 13:34:56 |
| 60 | 2019騰訊廣告演算法比賽入門-Part2（初賽生存篇） | 2019-05-11 17:42:16 |
| 61 | 2019騰訊廣告演算法比賽入門-Part1（競賽小白晉升之路） | 2019-04-25 16:35:40 |
| 62 | TIANCHI-全球城市運算挑戰賽-完整方案及關鍵程式碼分享（季軍） | 2019-04-13 14:23:27 |
| 63 | DF消費者族群畫像—信用智能評分方案分享（top5） | 2019-04-13 12:20:55 |
| 64 | 2019騰訊廣告演算法大賽開始報名囉！ | 2019-03-26 11:17:02 |
| 65 | TIANCHI全球城市計算AI挑戰賽baseline | 2019-03-21 23:28:37 |
| 66 | TIANCHI-津南數位製造演算法挑戰賽【賽場一】基本分析&Baseline | 2018-12-31 18:55:13 |
| 67 | TIANCHI天池-OGeek演算法挑戰賽分享及完整程式碼（亞軍） | 2018-12-03 12:02:08 |
| 68 | 2018 CCF《套餐個人化配對模型》（亞軍）分享 | 2018-12-03 00:12:37 |
| 69 | JDD2018-人口動態普查與預測baseline0.1417 | 2018-11-22 21:09:09 |
| 70 | TF-IDF與餘弦相似度 | 2018-11-18 01:22:08 |
| 71 | JDATA如期而至-用戶購買時間預測Rank9 | 2018-10-29 18:50:02 |
| 72 | 2018科大訊飛AI行銷演算法比賽總結及完整程式碼（冠軍） | 2018-10-27 16:15:55 |
| 73 | 天池-OGeek演算法挑戰賽Baseline(0.7016) | 2018-10-11 12:38:42 |
| 74 | 2018科大訊飛AI行銷演算法比賽Baseline0.4255 | 2018-09-20 00:02:55 |
| 75 | 2018騰訊廣告演算法比賽總結/0.772229/Rank11 | 2018-06-13 14:16:24 |
| 76 | IJCAI-18 阿里媽媽搜尋廣告轉換預測總結( 29 / 0.13939 ) | 2018-05-20 02:06:43 |
| 77 | 機器學習/資料探勘面試總結 | 2018-03-29 14:59:28 |
| 78 | 機器學習面試乾貨精講 | 2018-02-15 22:52:24 |
| 79 | 數論及數論四大定理 | 2018-02-06 01:52:13 |
| 80 | 動態規劃問題總結 | 2018-02-05 00:36:39 |
| 81 | 機器學習進階：我的競賽之路 | 2018-01-09 21:00:23 |
| 82 | 特徵選擇 | 2018-01-09 19:04:08 |
| 83 | LDA線性判別分析 | 2018-01-05 21:41:54 |
| 84 | 判別模型與生成模型 | 2018-01-05 14:53:23 |
| 85 | 模型選擇之交叉驗證 | 2018-01-04 20:17:51 |
| 86 | 奇異值分解(SVD)原理 | 2018-01-04 14:24:44 |
| 87 | 整合學習概述 | 2018-01-01 17:51:07 |
| 88 | PCA主成分分析學習總結 | 2017-12-28 15:41:23 |
亦一
介紹： 公號：播播筆記(推薦演算法)，吾之(生活思考),在不堪一擊的現實裡還孤行一意地保有百無一用的浪漫主義；歡迎關注公眾號：播播筆記(推薦演算法相關) ，吾之(生活體驗)。
| 序號 | 佳作 | 時間 |
|---|
| 1 | 大模型| meta2024 wukong: 推薦模型本身如何做大 | 2024-04-15 00:00:02 |
| 2 | 粗排|三塔: 缺交叉就補交叉 | 2024-04-04 08:38:37 |
| 3 | 特徵交叉| autoInt: 將attention運用於交叉 | 2024-03-05 22:59:30 |
| 4 | 粗排系列匯總 | 2024-02-07 19:03:50 |
| 5 | 粗排|基於整個推薦鏈路看粗排 | 2024-01-28 13:40:01 |
| 6 | 《圍城》：為什麼方鴻漸桃花運不斷 | 2023-10-15 23:08:47 |
| 7 | 多場景多目標系列總結 | 2023-10-03 16:10:23 |
| 8 | 多場景多目標| 多場景模組基於POSO思路 | 2023-10-03 15:55:53 |
| 9 | 特徵交叉| 業界方法實際應用與思考總結 | 2023-08-16 19:47:31 |
| 10 | 值得去一次的地方 | 2023-08-16 09:18:55 |
| 11 | 特徵交叉| CAN: LR思維巧用MLP後重獲活力 | 2023-07-31 21:28:13 |
| 12 | 多場景多目標| [快手2023]PEPNet 模型如何做到大而全 | 2023-07-22 21:44:32 |
| 13 | 多場景| 基於獨立建模的資訊融合 | 2023-07-22 10:26:10 |
| 14 | 損失函數| weighted log loss: 基於交叉熵分類損失實現迴歸問題 | 2023-07-01 11:21:24 |
| 15 | 損失函數: triplet loss | 2023-06-24 11:10:02 |
| 16 | 損失函數：focal loss | 2023-06-23 13:41:57 |
| 17 | 損失函數：交叉熵損失 | 2023-06-18 12:32:21 |
| 18 | 損失函數：常用的分類與迴歸損失 | 2023-06-17 16:51:47 |
| 19 | 去海口可以玩什麼 | 2023-06-11 11:38:18 |
| 20 | 多目標模型結構如何一步一步從簡到繁 | 2023-04-29 12:35:39 |
| 21 | 多目標| 樣本權重: DTP以結果回饋為導向雙管齊下 | 2023-04-22 11:21:07 |
| 22 | 多目標| 樣本權重：概覽 | 2023-04-16 15:28:39 |
| 23 | 《圍城》：人會在生活中找到生活的邏輯 | 2023-04-09 19:02:52 |
| 24 | 《圍城》：命運偏愛地給了方鴻漸一段愛情 | 2023-04-08 22:31:44 |
| 25 | 多目標| 模型結構: (AAAI2023)FDN引入約束做特徵分解，緩解負遷移 | 2023-04-05 18:56:24 |
| 26 | 多目標| 模型結構: PLE明確細化expert表徵 | 2023-04-04 22:36:16 |
| 27 | 多場景| 聯合建模: star結構在參數層面拆分與融合 | 2023-04-02 19:31:19 |
| 28 | 損失函數：模型學習的指揮棒 | 2023-03-31 21:53:24 |
| 29 | 多場景| 聯合建模: mmoe拆分資訊表徵 | 2023-03-19 14:43:28 |
| 30 | 多目標| 模型結構: MMoE實際應用，改進必不可少 | 2023-03-18 14:43:30 |
| 31 | 多目標| 模型結構：MMoE開闢新方向 | 2023-03-15 23:56:30 |
| 32 | 多目標| 模型結構: ESM2細化目標依賴路徑 | 2023-03-13 22:39:45 |
| 33 | 多目標| 模型結構: ESMM從目標關係出發 | 2023-03-12 23:04:08 |
| 34 | 多目標匯總 | 2023-03-11 10:17:50 |
| 35 | 多場景| 聯合建模: bias tower另起爐灶學習場景信息 | 2023-03-09 00:34:41 |
| 36 | 多場景| 聯合建模: 巧用poso gate強化場景訊息 | 2023-03-07 00:47:18 |
| 37 | 多場景| 聯合建模: hard-share未必不行 | 2023-03-05 16:39:03 |
| 38 | 多場景系列匯總 | 2023-03-05 16:24:56 |
| 39 | 多場景建模| 概覽 | 2023-03-04 15:39:19 |
| 40 | 長序列建模| ETA: 端對端建模實現目標一致性 | 2023-02-25 08:18:29 |
| 41 | 長序列建模| SIM: 樸素的往往是有效的 | 2023-02-15 22:31:10 |
| 42 | 特徵交叉| xDeepFM: 站在DeepFM和DCN的肩膀上 | 2023-01-19 20:23:42 |
| 43 | 特徵交叉| DCN-m: 顯式高階特徵交叉進階版 | 2023-01-14 09:50:31 |
| 44 | 特徵交叉| DCN-v: 顯式高階特徵交叉不是夢 | 2023-01-07 20:43:43 |
| 45 | 特徵交叉| DCN系列：解放高階交叉的人工設計 | 2023-01-07 19:31:15 |
| 46 | BN有效性分析及其應用 | 2023-01-03 09:58:27 |
| 47 | 一文讀懂Batch Normalization | 2022-12-31 11:07:25 |
| 48 | 神經網路基礎知識總結 | 2022-12-31 11:04:35 |
| 49 | 推薦基礎知識匯總 | 2022-12-31 10:58:41 |
| 50 | 使用者行為序列建模匯總 | 2022-12-31 10:47:26 |
| 51 | 特徵交叉方法匯總 | 2022-12-31 10:40:59 |
| 52 | 特張交叉| DeepFM: 繞不開的業界強base | 2022-12-19 13:51:13 |
| 53 | 特徵交叉| PNN: product層實現特徵交叉 | 2022-12-19 13:38:02 |
| 54 | 特徵交叉| FNN和NFM: FM與DNN輸入的結合 | 2022-12-17 11:13:44 |
| 55 | 特徵交叉| FwFM和AFM: 明確特徵交叉權重精細化 | 2022-12-11 21:36:01 |
| 56 | 特徵交叉| FFM: 顯式特徵交叉按域精細化 | 2022-12-08 21:54:42 |
| 57 | 特徵交叉| FM：embedding化特徵交叉鼻祖 | 2022-12-03 14:09:55 |
| 58 | 特徵交叉：wide&deep開啟DNN模型特徵交叉時代 | 2022-11-29 22:57:17 |
| 59 | 使用者行為長序列建模MIMN方法與思考 | 2022-11-19 20:08:23 |
| 60 | 過度擬合-dropout原理和在模型中多種應用 | 2022-11-06 19:01:51 |
| 61 | 使用者行為長序列建模SDM方法 | 2022-10-29 20:52:01 |
| 62 | 使用者行為長序列建模概覽 | 2022-10-29 20:36:31 |
| 63 | AUC離線與線上表現不一致問題：兩個維度 | 2022-10-16 15:40:54 |
| 64 | 使用者行為序列建模din系列方法總結 | 2022-10-01 13:11:02 |
| 65 | 使用者行為序列建模dsin方法 | 2022-09-30 22:08:28 |
| 66 | 使用者行為序列建模dien方法 | 2022-09-24 16:18:41 |
| 67 | 使用者行為序列建模din方法與實際應用 | 2022-09-11 11:43:55 |
| 68 | 使用者行為序列建模self attention和具體實現 | 2022-09-06 23:52:53 |
| 69 | 使用者行為序列建模概覽 | 2022-08-24 21:52:32 |
| 70 | 多目標樣本權重-DTP和不確定性加權 | 2022-08-08 20:25:35 |
| 71 | 多目標樣本權重-GradNorm和DWA原理詳解與實現 | 2022-07-16 13:27:26 |
| 72 | POSO方法的實際應用與分析思考 | 2022-07-01 22:11:25 |
| 73 | 用戶冷開POSO論文詳讀 | 2022-06-26 19:55:18 |
| 74 | 多目標模型結構PLE詳解與效果分析 | 2022-06-18 17:42:13 |
| 75 | 多目標模型結構-MMoE與實際應用思考 | 2022-06-10 21:49:22 |
| 76 | 多目標模型結構-ESMM與ESM2 | 2022-06-04 19:14:19 |
| 77 | 推薦中多目標的必要性與實現思路 | 2022-05-14 12:40:15 |
| 78 | 激活函數選擇和具體應用以及相關面試題 | 2022-05-03 09:16:49 |
| 79 | 深入理解深度學習中常見激活函數 | 2022-05-01 20:20:17 |
| 80 | ctr模型特徵交叉結構總結與業務應用與思考 | 2022-04-16 22:26:55 |
| 81 | 特徵交叉| 從曾經的王者LR開始 | 2022-03-04 16:05:37 |
| 82 | 一句話理解tensorflow中的乘法 | 2022-02-25 18:54:59 |
| 83 | 如何防止過擬合(1)-正規化 | 2022-02-20 15:28:52 |
| 84 | 從偏差方差角度理解擬合 | 2022-02-06 19:56:13 |
| 85 | 如何計算AUC | 2022-01-28 16:31:01 |
| 86 | 什麼是好的推薦，重新理解AUC | 2022-01-22 13:27:55 |
| 87 | 為什麼需要推薦 | 2022-01-16 15:35:17 |
| 88 | 寫在前面 | 2022-01-16 15:28:14 |
張小磊
介紹： 小小又大大的夢想,小小又大大的夢想。
| 序號 | 佳作 | 時間 |
|---|
| 1 | CIKM2023 | 序列推薦中的自適應多模態融合 | 2023-10-11 09:09:28 |
| 2 | WWW2023 | 基於去雜訊對比學習的序列推薦 | 2023-08-23 19:44:34 |
| 3 | ICML2023推薦系統論文整理 | 2023-08-03 16:46:27 |
| 4 | 推薦系統範式之爭，LLM vs. ID？ | 2023-07-12 09:27:30 |
| 5 | RecSys2023推薦系統論文整理(長文) | 2023-07-04 09:22:45 |
| 6 | IJCAI2023 | 當符號學習遇到推薦系統: 基於機率邏輯推理的序列推薦方法 | 2023-07-01 21:27:54 |
| 7 | KDD2023 | 外送推薦情境中使用者雙重時段變化偏好建模 | 2023-06-23 22:13:25 |
| 8 | SIGIR2023 | 多行為自監推薦系統 | 2023-06-21 10:02:11 |
| 9 | SIGIR2023 | ID vs 模態: 推薦系統ID範式有望被顛覆？ | 2023-06-01 10:36:04 |
| 10 | IJCAI2023推薦系統相關論文集錦 | 2023-05-15 10:14:40 |
| 11 | 生成式推薦: 邁向下一代推薦系統新典範 | 2023-04-12 12:22:31 |
| 12 | WWW2023 | 高效自監督多模態推薦演算法BM3 | 2023-04-11 22:05:55 |
| 13 | 論文週報| 推薦系統領域最新研究進展，含SIGIR、AAAI、CIKM等頂會論文 | 2023-04-11 21:58:00 |
| 14 | DiffuRec: 如何使用擴散模型進行序列推薦 | 2023-04-11 21:54:43 |
| 15 | 深挖ChatGPT 背後原理, 快速開發AI應用 | 2023-03-31 17:44:28 |
| 16 | 如何利用ChatGPT實現推薦模型的能力？ | 2023-03-31 09:29:29 |
| 17 | WWW2023 | 比較協同過濾冷啟動推薦演算法 | 2023-03-14 22:23:56 |
| 18 | 論文週報| 推薦系統領域最新研究進展（0213-0219），含ICLR、WWW、AAAI、ECIR等頂會論文 | 2023-02-21 11:22:57 |
| 19 | AAAI2023 | Transformer對時序預測真的有效嗎？且看線性模型如何大戰變形金剛 | 2023-02-21 11:22:20 |
| 20 | 深度多工推薦系統最新研究進展總結 | 2023-02-16 19:20:40 |
| 21 | WWW2023推薦系統論文搶鮮整理，附pdf合集下載鏈接 | 2023-02-14 14:17:56 |
| 22 | AAAI2023推薦系統相關論文集錦 | 2023-02-10 10:49:54 |
| 23 | 論文週報| 推薦系統領域最新研究進展，含WWW、AAAI等頂會論文 | 2023-02-07 14:58:29 |
| 24 | WWW2023 | 基於使用者興趣對齊的跨域推薦演算法, 利用對比學習和梯度對齊提升雙域效能 | 2023-02-07 14:57:30 |
| 25 | 論文週報| 推薦系統領域最新研究進展 | 2023-02-02 09:15:47 |
| 26 | 昆士蘭大學最新自動深度推薦系統綜述，143篇文獻詳細闡述多種自動搜尋技術 | 2023-02-02 09:14:45 |
| 27 | TKDE2023 | 基於語意與結構模型融合的社會推薦演算法 | 2023-02-02 09:01:41 |
| 28 | CCF優博論文| 基於使用者決策行為的個人化推薦方法及應用研究 | 2023-01-11 16:35:53 |
| 29 | 論文週報0102-0108 | 推薦系統領域最新研究進展 | 2023-01-09 11:09:09 |
| 30 | SIGIR2022 | 基於生成對抗思想的冷啟動推薦演算法 | 2023-01-08 21:02:12 |
| 31 | 麥基爾大學最新搜尋與推薦多元研究綜述，多角度介紹其研究進展 | 2023-01-05 21:51:38 |
| 32 | WWW2022 | 基於領域增強的圖對比協同過濾方法+程式碼實踐 | 2022-12-12 15:46:34 |
| 33 | 2022最新基於圖神經網路的社交推薦演算法綜述 | 2022-12-12 15:44:34 |
| 34 | 騰訊聯合西湖大學發布首個大規模多用途推薦系統資料集, 可評估超10種推薦任務 | 2022-11-02 19:01:52 |
| 35 | 悉尼科技大學最新可信賴推薦綜述，提出可信賴推薦生態系統並概括9個面向的發展 | 2022-10-30 18:34:37 |
| 36 | 最新可信推薦系統綜述, 6個維度71頁463篇文獻介紹其前沿進展 | 2022-09-30 11:36:38 |
| 37 | 最新綜述| 基於因果推論的推薦系統 | 2022-09-01 11:09:39 |
| 38 | 論文週報| 推薦系統領域最新研究進展 | 2022-08-24 21:26:53 |
| 39 | 基於對抗學習的隱私保護推薦演算法 | 2022-08-24 21:20:04 |
| 40 | 350篇文獻總結可信推薦系統前沿進展 | 2022-08-01 22:24:24 |
| 41 | 論文週報| 推薦系統領域最新研究進展 | 2022-08-01 22:23:01 |
| 42 | WWW2022 | 基於交叉成對排序的無偏推薦演算法 | 2022-07-28 22:14:57 |
| 43 | KDD2022推薦系統論文集錦(附pdf下載) | 2022-07-23 22:28:28 |
| 44 | TransRec: 基於混合模態回饋的可遷移推薦系統 | 2022-07-14 09:47:58 |
| 45 | RecSys2022推薦系統論文集錦 | 2022-07-10 22:50:01 |
| 46 | 推薦系統相關資源介紹（書籍、程式碼、綜述、教學等內容） | 2022-07-05 17:55:53 |
| 47 | 上交最新深度元學習推薦演算法綜述 | 2022-06-13 21:11:46 |
| 48 | SimpleX: 一個簡單且有效的協同過濾框架 | 2022-06-12 22:08:41 |
| 49 | SIGIR2022 | UCCR: 以使用者為中心的對話推薦系統 | 2022-06-11 21:28:26 |
| 50 | WWW2022 | Recommendation Unlearning | 2022-06-02 18:35:27 |
| 51 | SIGIR2022 | 基於Prompt的使用者自選公平性推薦演算法 | 2022-05-30 21:23:20 |
| 52 | SIGIR2022 | SimGCL: 面向推薦系統的極簡圖對比學習方法 | 2022-05-05 11:39:08 |
| 53 | 論文週報| 推薦系統領域最新研究進展（0410-0417） | 2022-04-18 20:28:32 |
| 54 | 論文週報(0404-0410) | 推薦系統領域最新研究進展 | 2022-04-11 08:37:40 |
| 55 | 首篇自監督學習推薦系統綜述: 150篇文獻概述四大類方法(含開源演算法庫SELFRec) | 2022-04-05 21:23:13 |
| 56 | TKDE2022 | 最新深度學習推薦系統綜述：從協同過濾到資訊增強的推薦系統 | 2022-03-28 09:52:42 |
| 57 | SIGIR2021@Elliot | 一個全新且全面的推薦系統Benchmark | 2022-02-08 17:37:18 |
| 58 | AAAI2022推薦系統論文集錦 | 2022-01-10 08:53:50 |
| 59 | 一文整理聯邦學習推薦系統研究進展 | 2021-09-09 22:51:56 |
| 60 | RecSys2021推薦系統論文集錦 | 2021-08-23 09:24:35 |
| 61 | RSPapers | 基於自監督學習推薦系統論文集 | 2021-06-15 10:18:01 |
| 62 | WWW2021 | 最新深度學習推薦系統教學 | 2021-04-27 15:35:22 |
| 63 | 推薦系統中的對抗機器學習技術總結 | 2021-03-08 00:00:27 |
| 64 | AAAI2021推薦系統論文清單 | 2021-01-04 13:44:01 |
| 65 | KDD2020最佳論文: 關於個人化排序任務評價指標的大討論 | 2020-08-30 19:35:17 |
| 66 | SIGIR2020 | 基於GCN的穩健推薦系統研究 | 2020-08-10 21:40:56 |
| 67 | ABPR: 利用對抗訓練技術增強的BPR | 2020-07-17 11:23:18 |
| 68 | 推薦系統之FM與MF傻傻分不清楚 | 2020-06-17 23:10:55 |
| 69 | 利用對抗技術權衡推薦精準度與用戶隱私 | 2020-06-15 21:59:15 |
| 70 | SIGIR2020推薦系統論文聚焦 | 2020-06-09 23:25:04 |
| 71 | IJCAI'20最新推薦系統論文聚焦 | 2020-05-28 11:49:35 |
| 72 | 最新邊資訊推薦系統綜述 | 2020-04-13 09:31:07 |
| 73 | 在家無聊？ 16篇最新推薦系統論文送你 | 2020-03-06 11:03:42 |
| 74 | AAAI2020推薦系統論文集錦 | 2020-01-15 22:06:27 |
| 75 | 社會化推薦淺談 | 2019-12-22 22:59:04 |
| 76 | IJCAI'19最新推薦系統論文分享 | 2019-07-20 17:51:40 |
| 77 | 當推薦系統邂逅深度學習 | 2018-12-29 23:04:44 |
| 78 | 由協同過濾聯想到的... | 2018-08-03 20:28:55 |
| 79 | 極大似然估計與最大後驗機率估計 | 2018-07-18 22:46:57 |
| 80 | 推薦系統之矩陣分解家族 | 2018-06-11 20:48:23 |
| 81 | Logistic Regression所聯想到的... | 2018-01-09 22:04:35 |
| 82 | 網路表示學習概述 | 2017-12-31 12:17:58 |
| 83 | 反向傳播之我見 | 2017-08-27 10:44:50 |
| 84 | 推薦系統從入門到接著入門 | 2017-06-21 23:39:04 |
sliderSun
介紹： https://github.com/sliderSun,https://blog.csdn.net/weixin_37947156。
| 序號 | 佳作 | 時間 |
|---|
| 1 | LLMs源碼閱讀之（四）Mistral系列 | 2024-03-21 15:37:17 |
| 2 | LangChain：程式碼世界的魔法師，原始碼解讀帶你笑看技術黑洞 | 2024-02-29 16:48:32 |
| 3 | LLMs源碼閱讀（二）Baichuan | 2024-02-26 14:47:13 |
| 4 | 知識盛宴：探秘LLMs、Sora和LWM的神奇世界 | 2024-02-21 13:17:31 |
| 5 | 使用PEFT微調LLMs | 2023-04-22 14:56:17 |
| 6 | ChatGLM-6B P-Tuning v2 教程 | 2023-04-04 17:14:52 |
| 7 | The Illustrated Stable Diffusion | 2023-01-04 22:20:43 |
| 8 | 【Linux】多個版本的CUDA切換 | 2022-12-05 21:44:25 |
| 9 | InfoCSE：資訊聚合對比學習的句子表示 | 2022-10-20 22:07:35 |
| 10 | MixCSE ：混合負樣本無監督句子表示的對比學習 | 2022-08-20 16:32:31 |
| 11 | MoCoSE : 比較學習中負樣本的影響 | 2022-08-20 00:10:17 |
| 12 | DisCo：句子表示的比較知識蒸餾 | 2022-08-19 23:00:52 |
| 13 | ArcCSE | 基於角度margin的對比學習 | 2022-08-19 00:02:20 |
| 14 | EASE：實體感知的句子Embedding比較學習 | 2022-05-11 23:32:58 |
| 15 | DiffCSE：結合對比學習和ELECTRA的句子表示 | 2022-04-25 17:52:24 |
| 16 | VIRT:透過虛擬互動改進基於表示的文本匹配模型 | 2021-12-10 18:26:49 |
| 17 | NLP對比表示中的對抗學習 | 2021-12-03 17:57:25 |
| 18 | TRANS-ENCODER：自蒸餾和互蒸餾的無監督句對模型 | 2021-11-25 20:28:18 |
| 19 | Dynamic-TinyBERT：透過動態序列長度提TinyBERT的推理效率 | 2021-11-24 22:35:42 |
| 20 | S-SimCSE：基於抽樣子網絡的句子嵌入對比學習 | 2021-11-24 16:24:15 |
| 21 | KroneckerBERT：基於Kronecker分解的知識蒸餾的語言模型 | 2021-09-29 14:24:51 |
| 22 | DyLex：將動態詞彙結合到BERT中以進行序列標註 | 2021-09-23 20:26:02 |
| 23 | PAUSE：基於PU損失和多項式退火的未標記的句子嵌入訓練方法 | 2021-09-13 18:01:29 |
| 24 | ESimCSE：無監督句子嵌入對比學習的增強樣本建構方法 | 2021-09-11 10:17:25 |
| 25 | 短文本多意圖語意解析 | 2021-08-30 18:29:46 |
| 26 | 細粒度的實體類型的Prompt-Learning | 2021-08-25 20:25:28 |
| 27 | AL-TextCNN：基於embedding壓縮的一種輕量級TextCNN | 2021-08-09 15:33:39 |
| 28 | ACT：一種高效文字分類的注意卷積變換 | 2021-07-05 13:11:09 |
| 29 | ELBERT：基於置信視窗早期退出的Fast ALBERT | 2021-07-05 10:14:11 |
| 30 | RDCNN: 使用加權殘差連接的深度動態卷積模型 | 2021-06-30 15:45:59 |
| 31 | RomeBERT：多出口BERT的穩健訓練 | 2021-02-05 20:16:11 |
| 32 | CLEAR:將SimCLR應用於NLP句子表徵 | 2021-01-28 16:29:08 |
| 33 | 一種新穎的命名實體識別（NER）評估技術 | 2021-01-16 16:32:19 |
| 34 | 圖解GPT3的工作原理 | 2021-01-16 11:46:38 |
| 35 | Switch Transformer：Google萬億參數的語言模型 | 2021-01-13 20:16:03 |
| 36 | Poor Man's BERT: 更小更快的Transformer模型 | 2021-01-10 16:22:25 |
| 37 | TernaryBERT：可感知蒸餾的三值化BERT | 2020-10-30 17:38:09 |
| 38 | 一文詳解文本深度學習模型的壓縮 | 2020-10-19 20:47:26 |
| 39 | Cluster-Former：基於聚類的稀疏Transformer，用於遠距離相關性編碼 | 2020-10-09 17:00:04 |
| 40 | 那些悄悄拍了拍Transformer的奔湧的後浪們 | 2020-08-07 05:00:38 |
| 41 | DeLighT：超深輕型Transformer | 2020-08-07 00:07:34 |
| 42 | 「芝麻街」Big Bird : Sparse Attention 再填新成員 | 2020-07-31 18:58:28 |
| 43 | 預訓練的應用挑戰與實務探索 | 2020-07-25 23:20:22 |
| 44 | 開放域對話系統：現況與未來 | 2020-07-25 22:56:56 |
| 45 | SqueezeBERT:關於高效率的神經網絡，電腦視覺能教NLP什麼? | 2020-07-11 18:18:18 |
| 46 | End2End NLU：Joint Model(Intent+Slot) | 2020-07-11 15:19:39 |
| 47 | TUPE:重新思考語言預訓練中的位置編碼 | 2020-07-09 18:22:33 |
| 48 | Memory Transformer | 2020-07-05 11:45:53 |
| 49 | Match2：相似問題識別的匹配模型 | 2020-06-27 18:57:20 |
| 50 | Transformer與Bert相關知識解答 | 2020-06-20 17:56:01 |
| 51 | 語言模型的位置掩碼 | 2020-06-20 09:34:28 |
| 52 | MC-BERT：透過元控制器進行有效的語言預訓練 | 2020-06-18 14:50:59 |
| 53 | Linformer:具有線性複雜性的自註意力機制 | 2020-06-14 16:39:45 |
| 54 | Funnel-Transformer:過濾掉順序冗餘以實現高效率的語言處理 | 2020-06-09 00:04:43 |
| 55 | TriggerNER:學習使用實體觸發器來解釋命名實體識別 | 2020-06-07 16:32:49 |
| 56 | AWE：Attention Word Embedding | 2020-06-02 13:26:43 |
| 57 | Highway Transformer：自選門增強了自關注網絡 | 2020-06-01 09:55:55 |
| 58 | SYNTHESIZER:重新思考Transformer模型中的自我注意 | 2020-05-31 17:28:12 |
| 59 | Soft-Masked BERT用於拼字糾錯 | 2020-05-28 17:56:18 |
| 60 | NLP中的自我監督表示學習 | 2020-05-28 12:13:59 |
| 61 | lite-transformer | 2020-05-23 04:20:49 |
| 62 | 圖解SimCLR框架 | 2020-05-23 01:18:28 |
| 63 | ICLR 2020上，Transformers 有何新動向？ | 2020-05-18 14:47:16 |
| 64 | Illustrating the Reformer | 2020-05-09 17:24:42 |
| 65 | DeeBERT: 動態提前退出加速BERT推理 | 2020-05-09 12:18:35 |
| 66 | DeFormer:分解預先訓練的Transformers，以更快回答問題 | 2020-05-08 14:03:15 |
| 67 | ColBERT：一種新穎的後製互動範式的檢索模型 | 2020-05-07 17:19:50 |
| 68 | 對話狀態追蹤與預訓練編碼器的多域Trask-oriented對話系統 | 2020-05-01 14:34:08 |
| 69 | Keyword-Attentive Deep Semantic Matching | 2020-04-26 17:47:27 |
| 70 | MPNet: 掩碼語言建模和排列語言建模結合的預訓練語言模型 | 2020-04-22 14:05:34 |
| 71 | PALM:情境條件產生預訓練一個自動編碼與自迴歸語言模型 | 2020-04-17 17:50:14 |
| 72 | ProFormer：走向基於設備LSH投影的變壓器 | 2020-04-16 11:14:39 |
| 73 | LADABERT：混合模型壓縮的輕量級自適應BERT | 2020-04-12 23:02:31 |
| 74 | 更快且同樣準確:Transformer模型的簡單分解 | 2019-10-08 17:20:38 |
| 75 | 改進RNN的門控機制 | 2019-10-08 14:16:11 |
| 76 | Sparse Transformer | 2019-09-30 14:03:57 |
絕密伏擊
介紹： 九天驚雷撼乾坤，一指破空九萬裡,一位籃球愛好者。
| 序號 | 佳作 | 時間 |
|---|
| 1 | 挑戰Transformer：全新架構Mamba 詳解 | 2024-02-28 17:44:37 |
| 2 | Sora技術報告—世界模擬器 | 2024-02-17 22:19:11 |
| 3 | 假如GPT-4目前只能解決人類任務的10%，GPT-5應該是15%或20% | 2024-01-21 21:04:45 |
| 4 | 深入淺出ChatGPT：技術原理一探究竟 | 2024-01-20 20:49:14 |
| 5 | RoPE外推優化－支援192K上下文長度 | 2024-01-19 20:38:38 |
| 6 | 群魔亂舞：MoE大模型詳解 | 2024-01-15 21:05:42 |
| 7 | 再說大模型位置編碼及其外推性 | 2023-12-29 23:20:21 |
| 8 | 大模型混合精準訓練 | 2023-12-22 19:15:59 |
| 9 | 如何建構自己的大模型（萬字長文） | 2023-12-21 11:38:53 |
| 10 | 使用者序列建模 | 2023-12-01 18:02:38 |
| 11 | 大模型輕量微調（LoRA）：訓練速度、顯存佔用分析 | 2023-11-09 21:53:40 |
| 12 | 一文讀懂Llama 2（原理到實戰） | 2023-08-30 20:09:45 |
| 13 | LLaMa-1 技術詳解 | 2023-08-08 19:15:58 |
| 14 | 大模型文字生成－解碼策略（Top-k & Top-p & Temperature） | 2023-08-04 19:10:29 |
| 15 | 十分鐘讀懂旋轉編碼（RoPE） | 2023-08-01 18:52:37 |
| 16 | Sparse Transformer | 2023-07-15 23:28:57 |
| 17 | 6年推薦系統經驗總結－「推薦系統技術原理與實務」 | 2023-07-03 16:13:22 |
| 18 | 清華大學通用預訓練模型：GLM | 2023-06-17 20:16:34 |
| 19 | 循環神經網路詳解（RNN/LSTM/GRU） | 2023-06-13 21:16:42 |
| 20 | 壓縮即智能：為什麼ChatGPT 擁有智能？ | 2023-06-02 20:12:29 |
| 21 | 谷歌大模型指令微調：The Flan Collection | 2023-05-31 14:51:51 |
| 22 | 大模型CoT（思維鏈）總結 | 2023-05-13 21:14:31 |
| 23 | 大模型微調實作：ChatGLM-6B全參數微調 | 2023-05-08 19:49:43 |
| 24 | 大模型微調總結 | 2023-05-08 15:59:14 |
| 25 | LORA：大模型輕量級微調 | 2023-04-21 17:58:02 |
| 26 | ChatGPT技術原理解析 | 2023-03-31 20:52:49 |
| 27 | OpenAI ChatGPT（四）：十分鐘讀懂GPT-3 | 2023-03-25 19:32:34 |
| 28 | GPT-4技術文檔 | 2023-03-16 18:36:09 |
| 29 | OpenAI ChatGPT（三）：Tensorflow實現GPT-2 | 2023-03-14 21:17:17 |
| 30 | OpenAI ChatGPT（三）：十分鐘讀懂GPT-2 | 2023-03-14 18:32:03 |
| 31 | OpenAI ChatGPT（二）：Tensorflow實作GPT-1 | 2023-02-15 17:26:01 |
| 32 | OpenAI ChatGPT（二）：十分鐘讀懂GPT-1 | 2023-02-09 20:45:42 |
| 33 | ChatGPT Is All you Need | 2023-02-04 21:43:02 |
| 34 | OpenAI ChatGPT（一）：Tensorflow實作Transformer | 2023-02-03 20:55:02 |
| 35 | OpenAI ChatGPT（一）：十分鐘讀懂Transformer | 2023-01-28 00:04:49 |
| 36 | 十分鐘讀懂Stable Duffision | 2023-01-20 21:00:06 |
| 37 | 十分鐘讀懂Diffusion：圖解Diffusion擴散模型 | 2023-01-18 19:03:44 |
| 38 | 爆火的ChatGPT，到底怎麼樣？ | 2022-12-29 20:44:06 |
| 39 | AIGC爆火的背後－擴散模型DDPM淺析 | 2022-12-11 00:10:56 |
| 40 | AIGC爆火的背後－對抗生成網路GAN淺析 | 2022-11-04 19:14:25 |
| 41 | 長序列建模（二）：美團SDIM（Sampling-based Deep Interest Modeling）模型 | 2022-09-02 20:17:26 |
| 42 | 阿里ETA模式—實踐篇 | 2022-08-21 20:07:02 |
| 43 | 長序列建模（一）：阿里ETA（End-to-end Target Attention）模型 | 2022-07-28 20:05:56 |
| 44 | SIGIR2022：阿里多任務學習最新論文ESCM2 | 2022-06-09 18:36:04 |
| 45 | 多場景建模 | 2021-12-17 16:30:26 |
| 46 | 【總結】推薦系統－精排【3】DIN/DIEN/BST/DSIN/MIMN/SIM/CAN | 2021-11-14 18:29:53 |
| 47 | 【總結】推薦系統—精排篇【2】WDL/DCN/DCN-v2 | 2021-11-14 13:19:41 |
| 48 | 【總結】推薦系統－精排【1】FM/FFM/GBDT+LR/MLR | 2021-11-13 21:21:44 |
| 49 | 元學習在推薦系統的應用 | 2021-11-12 19:31:58 |
| 50 | 【總結】推薦系統中知識蒸餾應用 | 2021-05-16 15:41:44 |
| 51 | 知識蒸餾在推薦系統的應用 | 2021-04-22 16:27:54 |
| 52 | 【總結】推薦系統－召回篇【4】 | 2021-03-19 21:41:33 |
| 53 | 【總結】推薦系統－召回篇【3】 | 2021-03-09 20:52:33 |
| 54 | 【總結】推薦系統－召回篇【2】 | 2021-03-01 19:45:10 |
| 55 | 【總結】推薦系統－召回篇【1】 | 2021-02-21 22:29:45 |
| 56 | 推薦系統中的使用者留存優化 | 2021-02-08 17:05:35 |
| 57 | SIGIR2020最佳論文：如何消除建議系統中的曝光偏差 | 2020-12-23 21:04:12 |
| 58 | 多目標學習在推薦系統的應用(MMOE/ESMM/PLE) | 2020-11-14 04:25:24 |
| 59 | 模型的參數初始化 | 2020-04-26 20:40:48 |
| 60 | RALM: 即時Look-alike 演算法在微信看一看的應用 | 2020-01-20 10:52:22 |
| 61 | 回顧阿里經典CTR預估模式DIN | 2020-01-17 15:23:22 |
| 62 | 深度學習中激活函數總結 | 2020-01-10 18:26:35 |
| 63 | 回顧Google經典CTR預估模式WDL | 2020-01-03 21:53:46 |
| 64 | 回顧阿里經典CTR預估模式MLR | 2020-01-01 13:59:27 |
| 65 | 回顧阿里經典CTR預估模式：MLR(mixed logistic regression) | 2019-12-31 17:07:07 |
| 66 | 2019年度總結：深度學習在推薦系統中的應用 | 2019-12-26 23:10:00 |
| 67 | 有趣的證明 | 2019-12-13 16:09:49 |
| 68 | 推薦系統論文DSIN：Deep Session Interest Network | 2019-12-12 22:29:10 |
| 69 | 推薦系統論文：Behavior Sequence Transformer | 2019-12-09 20:33:42 |
| 70 | 行列式點過程DPP在推薦系統的應用(續) | 2019-12-06 15:17:41 |
| 71 | 行列式點過程DPP在推薦系統的應用 | 2019-12-05 22:08:58 |
| 72 | 深度學習中Batch Normalization和Dice激活函數 | 2019-08-19 18:44:15 |
| 73 | LR訓練優化-稀疏特徵過濾 | 2018-12-09 17:57:16 |
| 74 | 優先隊列的使用 | 2018-11-04 20:26:19 |
| 75 | 阿里論文《Deep Interest Evolution Network》 | 2018-09-25 18:21:53 |
Houye
介紹： 化學本，電腦博。私訊不看，有問題付費諮詢。 ,微信Houye93 公號:【圖與推薦】，有問題歡迎值乎。 。
| 序號 | 佳作 | 時間 |
|---|
| 1 | 最新綜述| A Review of Graph Neural Networks in Epidemic Modeling | 2024-04-14 08:53:09 |
| 2 | 導師：瞞著我發水刊，你退學吧！ | 2024-04-11 06:20:35 |
| 3 | 邁向公平圖學習的新基準：電子科大等發布全新綜合資料集與統一評估方法 | 2024-04-09 05:37:24 |
| 4 | 大廠校招實習內推群. 無內鬼, 速來. | 2024-03-20 22:46:44 |
| 5 | VLDB2024 | 基於動態圖神經網路的多元時間序列預測 | 2024-03-16 06:01:34 |
| 6 | LLM+GNN=GraphEdit | 2024-03-12 06:23:30 |
| 7 | 2024 最新綜述| 當知識圖譜遇上多模態學習 | 2024-02-27 22:43:39 |
| 8 | 京東, 招募推薦演算法實習生, 有頂會論文發表機會 | 2024-02-22 05:01:51 |
| 9 | 大模型時代，圖在推薦系統中的前沿應用探索 | 2024-01-30 00:44:09 |
| 10 | NeurIPS'23 | 圖數據蒸餾vs 影像資料蒸餾, | 2024-01-24 01:28:01 |
| 11 | 開放申請| 2024騰訊犀牛鳥精英人才計劃 | 2024-01-17 06:22:45 |
| 12 | 推薦系統解釋生成研究進展速覽 | 2024-01-13 06:08:47 |
| 13 | 綜述：LLM驅動的生成式資訊抽取 | 2024-01-11 06:20:00 |
| 14 | 最新綜述| GNN如何處理表格？ | 2024-01-11 05:52:04 |
| 15 | 淘寶主搜：大模型在長尾Query改寫召回上的實踐 | 2024-01-10 10:43:32 |
| 16 | 論文週報| 推薦系統領域最新研究進展 | 2024-01-10 06:18:47 |
| 17 | 大模型天才少年！ 「智譜星」計畫等你來 | 2024-01-02 17:43:21 |
| 18 | 谷歌出品| TIGER:生成式檢索推薦系統 | 2023-12-26 22:54:43 |
| 19 | 香港中文領銜港科廣、復旦重磅發布：邁向通用圖智能的新方法，圖提示學習進展與挑戰 | 2023-12-05 08:27:41 |
| 20 | 零基礎入門深度學習，學習路線及步驟參考 | 2023-09-19 15:08:06 |
| 21 | JD 招募推薦演算法工程師 | 2023-05-25 11:01:49 |
| 22 | 最新綜述解讀| 圖比學習的典範, 最佳化目標等 | 2023-04-05 10:53:59 |
| 23 | Hulu北京大裁員，規模超90%。 。 | 2023-04-05 10:53:53 |
| 24 | 2023.3.29, 圖機器學習論文快訊 | 2023-03-30 12:58:36 |
| 25 | 史丹佛CS224W《幾何圖學習》2023課程！ 入門必看! | 2023-03-24 17:47:11 |
| 26 | WWW23推薦系統論文集錦，GNNRec 依然火熱 | 2023-03-23 06:25:53 |
| 27 | 大淘寶| 招AIGC方向阿里星(對比華為天才少年) | 2023-03-23 06:25:52 |
| 28 | ICLR'23 | 圖表示學習遇到類別不平衡怎麼辦? | 2023-03-22 06:10:28 |
| 29 | 頂會審稿者分享圖神經網路的應用與挑戰！ | 2023-03-22 06:10:27 |
| 30 | 交流群&資料群 | 2023-03-21 06:03:06 |
| 31 | 3萬美金獎金! KDD CUP 2023 競賽正式啟動 | 2023-03-21 06:03:05 |
| 32 | 阿里, 招演算法工程師 | 2023-03-21 06:03:04 |
| 33 | ChatGPT背景下，知識圖譜該何去何從？ | 2023-03-17 21:10:07 |
| 34 | 京東, 招搜尋召回與排序演算法實習生, 待遇超好 | 2023-03-17 21:10:05 |
| 35 | 程式碼開源！阿里媽媽展示廣告Match底層技術架構最新進展 | 2023-03-17 21:10:04 |
| 36 | 位元組, 招NLP 演算法實習生(急招日常實習, base北京) | 2023-03-15 21:10:05 |
| 37 | 華為中央研究院, 招圖計算科學研究實習生 | 2023-03-15 06:10:22 |
| 38 | AI有哪些方向比較容易發論文？ | 2023-03-15 06:10:20 |
| 39 | 百度大搜| 招GNN/Transformer/圖網+問答+搜尋方向實習生 | 2023-03-14 05:55:10 |
| 40 | 關於Kaiming面試MIT教職這件事, 我問了問ChatGPT | 2023-03-10 00:56:42 |
| 41 | DGL 1.0, 讓所有人都能快速使用圖機器學習。 | 2023-03-08 21:10:49 |
| 42 | 最新綜述| 圖上知識蒸餾怎麼做？ | 2023-03-08 06:10:52 |
| 43 | GNN論文週報| 來自劍橋、港大、華中科大等機構前沿論文研究 | 2023-03-07 05:29:17 |
| 44 | 騰訊招研型演算法實習生(犀牛鳥精英人才) | 2023-03-07 05:29:16 |
| 45 | 對標OGB!新一代大規模GNN資料集IGB來啦~ | 2023-03-05 00:10:23 |
| 46 | ICLR 2023 | LightGCL: 簡單且有效率的圖對比學習推薦系統 | 2023-03-04 01:17:55 |
| 47 | 358 篇論文, 最新知識圖譜KG綜述 | 2023-03-04 01:17:54 |
| 48 | 招全獎博士| 圖神經網路+強化學習方向 | 2023-03-02 05:46:25 |
| 49 | AAAI'23 | 推薦系統相關論文整理 | 2023-03-01 06:01:14 |
| 50 | 超硬核！ ！ ！超圖（Hypergraph）研究一覽: Survey, 學習演算法，理論分析，tutorial，資料集，Tools! | 2023-03-01 06:01:13 |
| 51 | 麥考瑞大學最新知識圖譜建構綜述，37頁內容358篇文獻系統闡述大數據視野下知識圖譜建構全過程方法及其最新進展 | 2023-03-01 06:01:12 |
| 52 | 「WWW'23 | 快手」短影片推薦系統中提升用戶留存演算法 | 2023-02-28 09:49:13 |
| 53 | 史丹佛博士論文| 雙曲空間中的圖表示學習 | 2023-02-28 09:49:12 |
| 54 | ICLR23 | 具有引力-斥力機制的GNN | 2023-02-26 02:10:26 |
| 55 | 寒冬中少數的HC | 快手招圖學習+多模態+推薦方向實習生 | 2023-02-26 02:10:25 |
| 56 | 降本提效| 如何將工業推薦模型的參數量降低1000倍? | 2023-02-25 05:38:18 |
| 57 | Nat. Mach. Intell：圖機器學習的軟硬體協同 | 2023-02-25 05:38:17 |
| 58 | CIKM2022: LTE4G：圖神經網路中的長尾專家 | 2023-02-22 23:50:28 |
| 59 | 知識增強的圖機器學習在藥物發現的應用 | 2023-02-22 23:50:27 |
| 60 | GNN領域最新的研究綜述以及研究趨勢| 附論文下載 | 2023-02-22 06:10:48 |
| 61 | 知乎精選| 長遠看演算法崗真的比開發崗香嗎？ | 2023-02-21 05:20:53 |
| 62 | 劍橋|幾何圖神經網路表達能力如何？附Slides與視頻 | 2023-02-16 08:38:05 |
| 63 | 【劍橋大學博士論文】圖神經網路的實用處理與加速，190頁pdf | 2023-02-15 06:10:17 |
| 64 | AAAI'23教學| 圖神經網路:基礎、前緣與應用，209頁ppt全面闡述GNN最新進展 | 2023-02-14 06:33:12 |
| 65 | Awesome！搜尋/推薦/廣告近400篇優質文章整理 | 2023-02-11 01:05:02 |
| 66 | AAAI'23傑出論文一作分享：如何將推薦系統訓練提速72 倍？ | 2023-02-11 01:05:01 |
| 67 | 阿里媽媽向量化召回實踐：量化索引->樹索引->圖索引 | 2023-02-10 06:46:15 |
| 68 | PyG 官方教程| 開箱即用的圖神經網路解釋框架 | 2023-02-10 06:46:14 |
| 69 | 中科院計算所招募特別研究助理/博士後：社會計算、圖神經網路、AI for Social Science | 2023-02-09 06:10:02 |
| 70 | ICML'22 | 時間-then-圖vs 時間-and-圖 | 2023-02-07 08:37:30 |
| 71 | 【經典書】圖論第二版，654頁pdf | 2023-02-07 08:37:29 |
| 72 | 8篇ICLR 2023 高分GNN論文 | 2023-02-04 00:52:28 |
| 73 | 最新綜述| GNN如何建模時空資訊？ | 2023-02-04 00:52:27 |
| 74 | 頂會審稿人:論文的這些坑不要踩！ | 2023-02-02 06:12:02 |
| 75 | 史丹佛@AAAI2021 | 身分感知圖神經網絡 | 2021-01-30 22:17:07 |
Microstrong
介紹： 微信公眾號：Microstrong，大規模分散式演算法工程師,歡迎關注微信公眾號【Microstrong】，我寫過4年Android程式碼，了解前端、熟悉後台，現在主要的研究興趣是機器學習、深度學習、推薦系統、自然語言處理等相關內容，喜歡分享學習過程中的閱讀、思考筆記。歡迎加我微信：Microstrong_AI，一起學習交流進步！ 我的CSDN部落格：https://microstrong.blog.csdn.net/ 我的GitHub網址：https://github.com/Microstrong0305。
| 序號 | 佳作 | 時間 |
|---|
| 1 | AUC詳解與Python實現 | 2023-09-02 20:08:18 |
| 2 | 漲點利器：推薦系統中雙塔模型的各種改造升級 | 2023-01-28 16:06:11 |
| 3 | 推薦系統在工業界的N+1條實戰經驗 | 2022-02-11 00:33:00 |
| 4 | 變分自編碼器(VAEs)在協同過濾的應用論文精讀 | 2021-10-04 16:07:51 |
| 5 | KDD'2018 Best Paper-Embedding技術在Airbnb即時搜尋排序中的應用 | 2021-09-18 23:01:32 |
| 6 | YouTube採樣修正的雙塔模型論文精讀 | 2021-05-31 02:16:17 |
| 7 | 深度學習中的知識蒸餾技術(下)-知識蒸餾與推薦系統 | 2021-03-22 00:26:14 |
| 8 | 深度學習中的知識蒸餾技術 | 2021-01-19 01:51:52 |
| 9 | 多目標學習在推薦系統的應用 | 2020-11-06 22:17:16 |
| 10 | BERT4Rec:使用Bert進行序列推薦 | 2020-10-15 01:36:02 |
| 11 | BERT模型精講 | 2020-07-05 02:51:45 |
| 12 | From Static Embedding to Contextualized Embedding | 2020-06-21 14:10:27 |
| 13 | 一張圖搞懂《從Word Embedding到Bert模型—自然語言處理中的預訓練技術發展史》 | 2020-06-11 19:58:28 |
| 14 | 基於知識圖譜和圖卷積神經網路的應用和開發 | 2020-06-07 19:28:36 |
| 15 | 深度學習推薦系統中各類流行的Embedding方法（下） | 2020-05-23 18:07:21 |
| 16 | 深度學習推薦系統中各類流行的Embedding方法（上） | 2020-05-11 01:02:33 |
| 17 | Doc2vec原理解析及程式碼實踐 | 2020-04-25 00:10:26 |
| 18 | Embedding技術在房產推薦的應用 | 2020-04-19 23:51:29 |
| 19 | 深入淺出Word2Vec原理解析 | 2020-03-26 22:49:23 |
| 20 | 智慧推薦演算法在直播場景中的應用 | 2020-03-14 23:00:10 |
| 21 | XLNet詳解 | 2020-03-07 22:00:53 |
| 22 | NLP的任務 | 2020-02-27 00:33:31 |
| 23 | 從BERT到ALBERT | 2020-02-23 01:02:29 |
| 24 | 從Transformer到BERT模型 | 2020-02-21 19:05:16 |
| 25 | Self-Attention與Transformer | 2020-02-19 19:52:23 |
| 26 | 詞向量與ELMo模型 | 2020-02-16 23:34:20 |
| 27 | 深入理解CatBoost | 2020-02-10 19:34:14 |
| 28 | 2019已結束，2020再出發 | 2020-01-12 22:22:53 |
| 29 | 一張圖搞懂《推薦系統技術演進趨勢：從召回到排序再到重排》 | 2020-01-08 01:02:20 |
| 30 | 深入理解LightGBM | 2020-01-04 21:19:46 |
| 31 | 深入理解XGBoost | 2019-12-22 02:04:11 |
| 32 | 深入理解GBDT多分類演算法 | 2019-11-27 21:15:16 |
| 33 | 深入理解GBDT二分類演算法 | 2019-11-14 02:07:18 |
| 34 | 對數損失函數 | 2019-11-01 13:34:02 |
| 35 | 深入理解GBDT回歸演算法 | 2019-10-26 02:58:41 |
| 36 | 梯度提升（Gradient Boosting）演算法 | 2019-10-13 04:29:21 |
| 37 | 深入理解提升樹（Boosting tree）演算法 | 2019-10-01 04:42:28 |
| 38 | Regression Tree 迴歸樹 | 2019-09-16 02:05:19 |
| 39 | 機器學習中的判別式模型與生成式模型 | 2019-08-25 16:39:01 |
| 40 | 《生成式對抗網絡GAN的研究進展與展望》論文筆記 | 2019-08-15 01:24:39 |
| 41 | 一張圖搞懂《GAN萬字長文綜述》 | 2019-08-14 22:37:44 |
| 42 | 2019秋招算法崗複盤 | 2019-07-07 22:48:56 |
| 43 | 基於隨機森林的電信用戶流失模型 | 2019-05-17 16:40:49 |
| 44 | 理解LSTM網絡 | 2019-04-30 12:24:53 |
| 45 | 帶師妹輕鬆過筆試 | 2019-02-26 20:41:53 |
| 46 | 聊天機器人的各種架構剖析 | 2019-01-18 20:56:49 |
| 47 | 機器學習在自動駕駛（電腦視覺）中的案例分析 | 2019-01-17 23:25:52 |
| 48 | 如何給文章自動產生摘要 | 2019-01-11 10:35:52 |
| 49 | 我的2018年總結 | 2019-01-04 17:42:23 |
| 50 | 深度學習中的注意力機制 | 2018-12-25 21:26:24 |
| 51 | 卷積神經網路（CNN）綜述 | 2018-12-11 16:26:48 |
| 52 | 循環神經網路（RNN） | 2018-11-03 22:59:11 |
| 53 | Code2Pix-用於圖形使用者介面的深度學習編譯器 | 2018-11-01 12:14:50 |
| 54 | 美團大腦智享生活 | 2018-10-24 22:33:34 |
| 55 | Linux基本操作（一） | 2018-10-08 17:27:59 |
| 56 | EM演算法詳解 | 2018-07-31 21:25:33 |
| 57 | 貝葉斯分類器 | 2018-07-27 01:25:39 |
| 58 | 對Dilated Convolution理解 | 2018-07-12 22:31:44 |
| 59 | 卷積神經網路中感受野的詳細介紹 | 2018-07-08 12:06:45 |
| 60 | 偏差（Bias）與方差（Variance） | 2018-07-04 13:25:52 |
| 61 | 深度學習優化方法-AdaGrad | 2018-06-20 21:25:00 |
| 62 | 深度學習中Dropout原理解析 | 2018-06-18 21:56:30 |
| 63 | 主成分分析（PCA）原理詳解 | 2018-06-08 22:00:45 |
| 64 | 機器學習中SVD總結 | 2018-05-20 15:23:32 |
| 65 | 分類中解決類別不平衡問題 | 2018-05-10 20:21:59 |
| 66 | 用Tensorflow建構一個神經網絡 | 2018-05-04 15:57:47 |
石塔西
介紹： CDA持證人，推薦演算法說書人～公眾號：推薦道,如果有問題諮詢，請走「付費諮詢」管道，謝謝理解支持。 。
| 序號 | 佳作 | 時間 |
|---|
| 1 | 新年雜感：從4號坦克談到大模型與NFT | 2024-02-19 09:57:43 |
| 2 | 《網路大廠推薦演算法實戰》出版上架了！ | 2024-01-05 09:15:17 |
| 3 | 大步向前：評Google針對推薦場景改進的Adagrad演算法 | 2023-10-16 16:23:53 |
| 4 | 忽冷忽熱：簡評騰訊的Cold & Warm Net | 2023-09-27 14:57:04 |
| 5 | 簡評Airbnb基於多任務學習的搜尋演算法Journey Ranker | 2023-09-08 09:43:52 |
| 6 | 似曾相識：評阿里促銷季CVR預估算法HDR | 2023-09-04 07:22:33 |
| 7 | Fresh Attention: 評Google的多通道物料冷開演算法 | 2023-09-01 11:53:42 |
| 8 | 個人化目標權重：簡評Pinterest的TransAct | 2023-08-25 06:04:04 |
| 9 | 禁止摸魚：簡評用戶長期興趣召回模型PinnerFormer | 2023-08-24 06:51:31 |
| 10 | 似曾相識：談Google CDN長尾物料推薦 | 2023-08-23 05:59:08 |
| 11 | 腳踏實地：來自Google的企業級推薦演算法實踐 | 2023-06-02 16:30:50 |
| 12 | 授人以漁：學算法，我是如何記筆記的？ | 2023-05-19 07:22:28 |
| 13 | 《網路大廠推薦演算法實戰》心智圖福利 | 2023-05-10 11:43:46 |
| 14 | 網路大廠的這些推薦演算法面試題，你都能答上來嗎？ | 2023-05-08 08:42:45 |
| 15 | 《網路大廠推薦演算法實戰》上線囉！ | 2023-04-23 08:59:12 |
| 16 | 《網路大廠推薦演算法實戰》的目錄 | 2023-03-28 12:47:12 |
| 17 | 一橋飛架雙塔：騰訊「虛擬核心」雙塔 | 2022-08-22 08:04:04 |
| 18 | 再見Attention：建模使用者長期興趣的新典範 | 2022-07-12 11:48:47 |
| 19 | 三問阿里的TDM召回 | 2022-06-29 16:03:46 |
| 20 | 一文搞懂Approximate Softmax：從公式到程式碼 | 2022-06-15 07:55:09 |
| 21 | 演算法週報：再思考PDN與DC-GNN | 2022-05-25 11:51:47 |
| 22 | 推薦演算法遇到後悔藥：評螞蟻的ESCM2模型 | 2022-05-17 16:10:56 |
| 23 | 演算法週報220510：Online Learning怎麼學了不忘 | 2022-05-11 10:36:08 |
| 24 | 動態權重：推薦演算法的新範式 | 2022-04-19 08:49:12 |
| 25 | 日久見人心：論建模使用者長期興趣的幾種姿勢 | 2022-04-08 08:45:14 |
| 26 | 新手福利！數據科學面試中的回家作業 | 2022-03-25 21:32:04 |
| 27 | 重溫經典之ps-lite源碼解析(4)：實現分散式FM | 2022-02-15 14:35:51 |
| 28 | 重溫經典之ps-lite源碼解析(3)：顧客、工人與伺服器 | 2022-02-15 14:23:57 |
| 29 | 重溫經典之ps-lite源碼解析(2)：郵局與郵車 | 2022-02-15 14:16:06 |
| 30 | 重溫經典之ps-lite源碼解析(1)：基礎 | 2022-02-15 12:43:06 |
| 31 | 授人以漁：分享我的演算法學習經驗 | 2022-01-28 20:46:04 |
| 32 | 初來乍到：幫助新用戶冷開機的演算法技巧 | 2022-01-18 11:19:57 |
| 33 | 刀功：談推薦系統特徵工程中的幾個高階技巧 | 2021-12-22 20:08:52 |
| 34 | 先入為主：將先驗知識注入推薦模型 | 2021-12-08 18:01:43 |
| 35 | 少數派報告：談推薦場景下的對比學習 | 2021-11-21 16:08:52 |
| 36 | 久別重逢話雙塔 | 2021-11-02 10:24:49 |
| 37 | 萬變不離其宗：用統一框架理解向量化召回 | 2021-01-19 12:32:13 |
| 38 | FM：推薦演算法中的瑞士軍刀 | 2021-01-10 10:12:12 |
| 39 | 四化大業：論演算法工程師的自我修養 | 2021-01-02 15:42:14 |
| 40 | 推薦演算法的"五環之歌" | 2020-12-13 18:56:19 |
| 41 | 阿里ESAM：用遷移學習解決回想中的樣本偏差 | 2020-12-10 14:14:05 |
| 42 | 無中生有：論推薦演算法中的Embedding思想 | 2020-11-29 19:24:20 |
| 43 | 知識圖譜上的雙塔回想：阿里的IntentGC模型 | 2020-11-25 20:50:13 |
| 44 | Google PPRGo: 兩分鐘分類千萬節點的最快GNN | 2020-11-17 17:44:30 |
| 45 | 親兄弟明算帳：快速了解阿里的M2GRL模型 | 2020-11-11 18:42:05 |
| 46 | PinSAGE有伴了! 快速了解PinnerSAGE模型 | 2020-11-10 20:07:27 |
| 47 | GraphSAGE+FM+Transformer強強聯手：評微信的GraphTR模型 | 2020-11-08 15:08:23 |
| 48 | PinSAGE召回模型及源碼分析(3)：PinSAGE模型及訓練 | 2020-11-06 15:06:58 |
| 49 | PinSAGE召回模型及原始碼分析(2)：資料管道 | 2020-11-06 14:54:37 |
| 50 | PinSAGE 召回模型及原始碼分析(1): PinSAGE 簡介 | 2020-11-06 14:49:36 |
| 51 | 負樣本為王：評Facebook的向量化回想演算法 | 2020-07-29 17:28:39 |
| 52 | 再評Airbnb的經典Embedding論文 | 2020-07-21 15:21:27 |
| 53 | 一圖勝千言: 解讀阿里的Deep Image CTR Model | 2019-02-19 10:48:32 |
| 54 | 也評Deep Interest Evolution Network | 2019-01-14 18:28:33 |
| 55 | 用NumPy手工打造Wide & Deep | 2018-12-24 14:53:50 |
| 56 | 走馬觀花Google TF-Ranking的源碼 | 2018-12-15 15:32:53 |
| 57 | 看漫畫學強化學習 | 2018-12-05 19:33:09 |
| 58 | 學習Airbnb是如何將"業務"與"演算法"結合的 | 2018-11-16 15:27:44 |
| 59 | 看Google如何實作Wide & Deep模型(3) | 2018-11-01 20:38:56 |
| 60 | 用TensorFlow實現支援多值、稀疏、共享權重的DeepFM | 2018-10-30 20:18:00 |
| 61 | 看Google如何實現Wide & Deep模型（2.2） | 2018-10-29 21:03:52 |
| 62 | 看Google如何實現Wide & Deep模型（2.1） | 2018-10-29 20:55:25 |
| 63 | 看Google如何實作Wide & Deep模型(1) | 2018-10-21 16:10:44 |
| 64 | 看Youtube怎麼利用深度學習做推薦 | 2018-10-15 21:12:14 |
阿水
介紹： 公眾號【Coggle資料科學】,資料探勘/電腦視覺從業人員資料競賽愛好者。
| 序號 | 佳作 | 時間 |
|---|
| 1 | 優化預測速度部署ML模型的7點 | 2023-01-07 15:41:45 |
| 2 | Python知識點：調試和優化程式碼 | 2022-09-02 06:32:39 |
| 3 | 時序資料總結：模型和常見庫對比 | 2022-08-12 17:53:46 |
| 4 | 60種特徵工程操作：使用自訂聚合函數 | 2022-07-13 15:51:08 |
| 5 | Kaggle知識點：XGBoost迭代讀取資料集 | 2022-06-27 11:22:16 |
| 6 | 從0學習CV：科大訊飛神經影像疾病預測 | 2022-06-23 11:34:32 |
| 7 | 競賽總結：CHIP2020醫學命名實體識別 | 2022-06-23 10:32:59 |
| 8 | 科大訊飛活躍競賽總結（建議/NLP/CV） | 2022-06-23 10:28:34 |
| 9 | Kaggle知識點：缺失值處理方法 | 2021-10-26 23:19:00 |
| 10 | 薅羊毛Colab使用外部資料的7種方法！ | 2021-09-13 13:23:34 |
| 11 | 拉通對齊梳理Kaggle競賽組合拳！ | 2021-09-10 07:13:36 |
| 12 | Kaggle時間序列比賽總結 | 2021-09-10 07:09:54 |
| 13 | 競賽總結：Kaggle外星訊號搜索 | 2021-08-26 21:18:37 |
| 14 | Kaggle知識點：深度學習程式碼規範 | 2021-08-14 10:54:31 |
| 15 | Pytorch Debug指南：15個重要建議 | 2021-08-14 10:48:30 |
| 16 | NeurIPS 2021 比賽總結 | 2021-07-31 11:35:13 |
| 17 | Kaggle知識點：40個Linux資源查看指令 | 2021-07-13 10:15:37 |
| 18 | Kaggle從零到實踐：使用Word2Vec和BILSTM識別Quora重複提問 | 2021-07-11 09:43:33 |
| 19 | 如何一小時殺入天池OCR比賽前排？ | 2021-07-10 16:38:19 |
| 20 | Kaggle從零到實踐：Bert中文文字分類 | 2021-07-09 08:46:52 |
| 21 | 競賽總結：Kaggle Shopee多模態檢索 | 2021-05-21 09:48:05 |
| 22 | 競賽總結：Kaggle HuBMAP腎絲球比賽 | 2021-05-14 08:45:37 |
| 23 | ICCV 2021競賽總結 | 2021-05-12 14:20:06 |
| 24 | Kaggle知識點：記憶體最佳化方法 | 2021-03-25 06:55:38 |
| 25 | 競賽總結：京東AI時尚挑戰賽 | 2021-03-13 10:36:24 |
| 26 | CVPR 2021 競賽總結 | 2021-03-05 21:02:43 |
| 27 | Treelite：樹模型部署加速工具（支援XGBoost、LightGBM和Sklearn） | 2021-01-27 21:14:36 |
| 28 | Coggle一週年：與競賽愛好者一路同行 | 2020-12-17 02:19:44 |
| 29 | CCF貝殼房產聊天問答匹配高分思路 | 2020-11-25 23:26:59 |
| 30 | 你應該知道的LightGBM各種操作！ | 2020-10-19 20:54:51 |
| 31 | SMP2020微博情緒分類比賽總結 | 2020-10-11 18:52:28 |
| 32 | KDD Cup歷年比賽介紹合集 | 2020-10-06 23:24:44 |
| 33 | 打包帶走，競賽必備的NLP庫 | 2020-09-25 21:39:34 |
| 34 | 競賽總結：Cornell Birdcall比賽複盤 | 2020-09-25 20:49:02 |
| 35 | DCIC演算法分析賽完整方案分享 | 2020-09-14 19:44:43 |
| 36 | Kaggle知識點：入門到進階的10個問題 | 2020-09-05 13:02:09 |
| 37 | 演算法分析賽：從資料中挖掘價值，72萬個獎金，DCIC 2020 大數據賽道來了！ | 2020-09-03 23:19:10 |
| 38 | 比賽總結：Kaggle SIIM-ISIC比賽複盤 | 2020-08-24 11:52:09 |
| 39 | 競賽總結：海南大數據創新演算法賽 | 2020-08-11 23:40:13 |
| 40 | 競賽總結：新冠期間餓了麼騎士行為預估 | 2020-07-25 07:52:10 |
| 41 | Kaggle年度競賽：Google地標檢索 | 2020-07-15 04:13:57 |
| 42 | Kaggle知識點：時序資料與Embedding | 2020-05-27 19:02:20 |
| 43 | 零基礎入門CV賽事：賽題介紹與Baseline | 2020-05-23 00:03:26 |
| 44 | Kaggle知識點：數據分析EDA | 2020-05-17 10:34:47 |
| 45 | Kaggle知識點：Adversarial Validation | 2020-04-24 21:21:37 |
| 46 | Kaggle知識點：資料擴增方法 | 2020-04-18 18:47:17 |
| 47 | 視訊版權檢測優勝解決方案 | 2020-04-05 20:18:11 |
| 48 | Kaggle Bengali 比賽完整總結 | 2020-03-27 14:39:38 |
| 49 | 數據競賽2019年年鑑發表（250頁競賽方案獨家呈現） | 2020-02-18 19:37:57 |
| 50 | DCIC 2020-天池智慧海洋建設演算法賽：獨家Baseline！ | 2020-01-06 17:41:25 |
| 51 | DataFountain | 工件負載率預測冠軍分享 | 2020-01-01 10:24:53 |
| 52 | 愛可可推薦！關於競賽思路，方法與程式碼實踐，Datawhale資料競賽Baseline開源分享！ | 2019-12-15 20:21:43 |
| 53 | FFmpeg影片抽幀那些事 | 2019-10-11 17:35:26 |
| 54 | 【競賽分享】首屆中誠信徵信比賽冠軍MOMO總結 | 2019-09-22 18:10:40 |
| 55 | 阿水總結的數據競賽Tricks | 2019-09-14 12:44:10 |
| 56 | Pandas常見的效能最佳化方法 | 2019-09-07 20:26:01 |
| 57 | 阿水TopLine比賽開源-帶你上TOP5 | 2019-08-31 17:01:08 |
| 58 | 【競賽分享】VideoNet影片內容辨識挑戰賽 | 2019-08-24 16:09:41 |
| 59 | 【競賽總結】從Quick Draw看影像分類比賽 | 2019-08-17 17:56:45 |
| 60 | 【競賽分享】第三屆阿里雲安全賽季軍-0day | 2019-08-10 14:40:13 |
| 61 | 【競賽分享】JDATA絕對語意辨識挑戰賽-季軍 | 2019-08-03 17:38:18 |
| 62 | 【競賽分享】TinyMind人民幣面值及編碼識別-第五名 | 2019-07-27 11:37:20 |
吳海波
介紹： 機器學習,蘑菇街VP，WeShop全球化。
| 序號 | 佳作 | 時間 |
|---|
| 1 | WeShop 2023秋冬季顧客案例精選 | 2024-02-19 16:41:27 |
| 2 | 我們發布了WeShop商拍1.5版----分享一些最近的思考 | 2024-02-05 20:28:10 |
| 3 | 以WeShop為例嘗試回答一些常被問到的AIGC產品業務問題 | 2023-07-29 18:18:38 |
| 4 | 談談在做WeShop過程中對AIGC產品的一些思考----寫在WeShop正式版上線 | 2023-05-31 12:53:45 |
| 5 | 和大家報告下我們電商AI模特兒產品WeShop beta版本開放測試 | 2023-05-13 23:54:47 |
| 6 | 電商數位模特兒生成技術實務分享 | 2023-04-14 17:18:07 |
| 7 | 應用視角下ChatGPT背後的關鍵技術討論 | 2023-02-26 20:31:01 |
| 8 | Diffusion Models導讀 | 2022-12-14 12:51:07 |
| 9 | MakeItTalk之Speech Content分支訓練總結 | 2022-01-07 14:46:07 |
| 10 | 關於talking face generation兩篇論文解讀 | 2021-11-07 17:42:50 |
| 11 | 電商直播流量分配演算法最佳化總結 | 2020-07-06 21:05:00 |
| 12 | 強烈建議一個播放數十萬的B站機器學習UP主shuhuai008 | 2019-09-20 18:48:48 |
| 13 | 如果你剛好對春秋戰國有興趣，大概沒有比這更好的入門書了 | 2019-08-24 22:49:42 |
| 14 | 如果你剛好對春秋戰國有興趣，大概沒有比這更好的入門書了 | 2019-08-14 23:35:16 |
| 15 | 以youtube的RL論文學習如何在推薦場景應用RL | 2019-08-10 14:39:43 |
| 16 | 電商多目標優化小結 | 2019-08-02 20:20:29 |
| 17 | 知乎機器學習精華整理【持續更新-7.31】 | 2019-07-31 18:34:28 |
| 18 | 建了個新專欄 | 2019-07-18 22:09:02 |
| 19 | 強化學習入門簡述 | 2019-04-29 13:20:21 |
| 20 | 入門推薦：只用numpy 200行python程式碼擼一個玩具DNN | 2019-01-22 22:57:30 |
| 21 | 2018年讀過的書（非技術） | 2019-01-22 08:56:50 |
| 22 | 2018我的深度學習應用落地元年 | 2019-01-03 19:58:37 |
| 23 | 亂彈機器學習評量指標AUC | 2018-12-21 11:32:06 |
| 24 | 記在2018杭州Google GDG的分享 | 2018-11-26 13:11:28 |
| 25 | 推薦一個非常優秀的深度學習教學：史丹佛CS231n | 2018-11-22 22:50:58 |
| 26 | 一個值得討論的問題:word2vec與SVD/LSA等的關係 | 2018-11-16 18:59:39 |
| 27 | 不一樣的論文解讀2018 KDD best paper: Embeddings at Airbnb | 2018-11-13 14:19:04 |
| 28 | 談機器學習演算法相關配套系統 | 2018-11-09 08:19:45 |
| 29 | Github上7k+星的Pytorch教學與2w+星的tensorflow教學推薦 | 2018-11-06 22:54:27 |
| 30 | 演算法工程師又不只是工程師 | 2018-11-01 19:27:19 |
| 31 | 讀《槍砲、病菌與鋼鐵》 | 2018-10-15 18:25:16 |
| 32 | NLP應用之智慧會話機器人（BOT）技術綜述 | 2018-10-08 20:41:09 |
| 33 | 論演算法工程師首先是個工程師之深度學習在排序應用踩坑總結 | 2018-09-12 00:07:20 |
| 34 | 為騰訊開源的PS平台Angel打call | 2018-08-21 18:29:49 |
| 35 | AUC與線上點擊率指標不一致問題分析 | 2018-08-20 20:16:41 |
| 36 | 一個有趣的議題：A/B測試的理論基礎 | 2018-08-17 22:46:34 |
| 37 | 基於深度學習的電商服飾搭配推薦實作討論 | 2018-07-31 17:45:49 |
| 38 | Tensorflow實務問題總結系列一 | 2018-07-15 08:42:50 |
| 39 | NLP入門課程推薦：史丹佛cs224N | 2018-06-22 20:17:02 |
| 40 | 大規模特徵建構實務總結 | 2018-05-31 20:34:07 |
| 41 | 搜尋下拉框的演算法和實踐 | 2018-05-09 17:29:51 |
| 42 | 線上學習（Online Learning）導讀 | 2018-05-04 13:05:19 |
| 43 | 寫在校招季，談談網路公司機器學習從業人員的Offer選擇 | 2018-04-21 09:42:17 |
| 44 | 神經網路基礎 | 2018-04-19 23:57:36 |
| 45 | Embedding向量召回在蘑菇街的實踐 | 2018-04-10 12:33:52 |
| 46 | 換個角度談談優秀的機器學習團隊 | 2018-01-31 14:02:59 |
| 47 | 2017年專欄總結及展望 | 2018-01-04 17:57:36 |
| 48 | 試玩RNN | 2017-11-30 18:33:29 |
| 49 | 基於spark大規模LR模型調優總結 | 2017-11-22 20:43:51 |
| 50 | 計算廣告學&專有名詞 | 2017-07-21 10:09:52 |
| 51 | 蘑菇街推薦工程實踐 | 2017-07-20 18:07:24 |
| 52 | 基於深度學習的圖像搜尋系統 | 2017-07-19 17:59:37 |
| 53 | 電商搜尋廣告召回匹配 | 2017-07-12 21:02:17 |
| 54 | 美麗聯合（蘑菇街）業務升級下的機器學習應用 | 2017-05-03 10:09:17 |
王喆
介紹：廣告/推薦Engineering Manager,廣告/推薦, Engineering Manager, 首頁http://wzhe.me, 知乎專欄/微信公眾號：王喆的機器學習筆記。
| 序號 | 佳作 | 時間 |
|---|
| 1 | 專門寫給程式設計師，工程師們的一本理財書 | 2023-02-13 08:44:22 |
| 2 | 「深度」學習計算廣告 | 2022-12-22 09:27:17 |
| 3 | 「理工男談理財8」聊聊比特幣，一年跌了70%！是不是到了抄底的時候？ | 2022-12-05 08:27:02 |
| 4 | 當Parameter Server遇上GPU－大規模平行訓練平台HugeCTR | 2022-10-28 08:18:11 |
| 5 | 演算法工程師的「天地之間」 | 2022-10-17 08:18:11 |
| 6 | 排得更好VS估得更準VS搜的更全「推薦、廣告、搜尋」演算法間到底有什麼差別？ | 2021-11-16 09:05:29 |
| 7 | 我的財富管理課程「程式設計師的個人財富課」 | 2021-10-21 08:51:07 |
| 8 | 「AI大咖談」阿里演算法專家談大規模推薦系統粗排層的設計與實現 | 2021-05-10 10:32:28 |
| 9 | 「DLP-KDD 2021徵文」及上屆論文全集，包含深度學習推薦/廣告系統、多目標、模型服務等 | 2021-04-26 13:32:26 |
| 10 | DLP-KDD 2021徵文：搜尋、推薦、廣告領域深度學習實踐國際研討會 | 2021-04-14 14:28:30 |
| 11 | 「AI大咖談」FLAG資深工程師談ML Infra與分散式模式服務 | 2021-03-29 08:46:56 |
| 12 | 如何解決深度推薦系統中的Embedding冷啟動問題？ | 2021-02-22 08:39:23 |
| 13 | 我的實戰課程「深度學習推薦系統實戰」-王喆的機器學習筆記 | 2021-01-05 08:49:20 |
| 14 | 「AI大咖談」DLP-KDD最佳論文作者談「圖神經網路」的特性、發展與應用 | 2020-09-28 08:41:31 |
| 15 | 「AI大咖談」ex-Google，ex-Facebook，現微博廣告核心技術負責人談演算法與資料中台 | 2020-09-15 12:18:03 |
| 16 | 見微知著，你真的搞懂Google的Wide&Deep模型了嗎？ | 2020-05-25 08:02:21 |
| 17 | 回顧經典，Netflix的推薦系統架構 | 2020-05-12 14:49:21 |
| 18 | DLP-KDD全部文章及資源，涵蓋GNN、Graph Emb、Transformer等業界前沿領域 | 2020-04-24 14:48:36 |
| 19 | DLP-KDD 2020徵文：第二屆高維度稀疏資料的深度學習實踐國際研討會 | 2020-04-21 14:27:17 |
| 20 | 《深度學習推薦系統》勘誤與勘誤獎勵 | 2020-04-13 15:59:35 |
| 21 | 關於深度學習推薦系統領域的15個問題 | 2020-04-03 11:03:51 |
| 22 | 我的新書「深度學習推薦系統」-王喆的機器學習筆記 | 2020-03-30 08:19:31 |
| 23 | 從阿里的User Interest Center看模型線上即時serving方法 | 2020-03-12 12:35:58 |
| 24 | 為什麼有些深度學習網路要加入Product層？ | 2020-03-09 14:14:59 |
| 25 | 透過濃濃工業風的Facebook深度學習推薦系統論文 | 2019-09-24 15:10:22 |
| 26 | 一文讀懂「Parameter Server」的分散式機器學習訓練原理 | 2019-09-16 08:27:29 |
| 27 | 分散式機器學習之－Spark MLlib平行訓練原理 | 2019-09-11 08:24:19 |
| 28 | 如何準備演算法工程師面試，斬獲一線網路公司機器學習崗offer？ | 2019-08-19 08:54:14 |
| 29 | 如何解決推薦系統工程難題－深度學習推薦模型線上serving？ | 2019-08-12 08:43:08 |
| 30 | 如何增強推薦系統模型更新的「即時性」？ | 2019-08-05 10:01:34 |
| 31 | 天下武功，唯快不破，論推薦系統的「 實時性」 | 2019-07-31 13:27:09 |
| 32 | 推薦系統中比模型結構更重要的是什麼？ [附阿里蓋坤，朱小強留言] | 2019-07-15 08:33:04 |
| 33 | 不要犯下策略性的失誤－如何合理制定推薦系統的最佳化目標？ | 2019-07-08 10:13:09 |
| 34 | Netflix推薦系統模型的快速線上評估方法—Interleaving | 2019-06-10 08:03:28 |
| 35 | Embedding在深度推薦系統中的3大應用方向 | 2019-05-28 13:19:52 |
| 36 | 畢卡索的「公牛」與機器學習的「特徵工程」 | 2019-05-13 13:17:41 |
| 37 | 關於Node2vec演算法中Graph Embedding同質性與結構性的進一步探討 | 2019-05-06 13:18:20 |
| 38 | 深度學習中不得不學的Graph Embedding方法 | 2019-04-29 14:29:19 |
| 39 | Google、阿里、微軟等10大深度學習CTR模型最全演化圖譜【推薦、廣告、搜尋領域】 | 2019-04-22 08:21:34 |
| 40 | 揭開YouTube深度推薦系統模型Serving之謎 | 2019-04-09 14:55:11 |
| 41 | 前深度學習時代CTR預估模式的演化之路 | 2019-04-02 14:26:18 |
| 42 | Embedding從入門到專家必讀的十篇論文 | 2019-03-11 08:14:55 |
| 43 | 回顧Facebook經典CTR預估模型 | 2019-03-04 13:56:33 |
| 44 | Airbnb如何解決Embedding的資料稀疏問題？ | 2019-02-25 14:46:11 |
| 45 | 從KDD 2018 Best Paper看Airbnb即時搜尋排序中的Embedding技巧 | 2019-01-22 15:04:47 |
| 46 | 為什麼說演算法工程師的面試是一門玄學？ | 2019-01-14 08:49:23 |
| 47 | 演算法工程師必須知道的面試技能雷達圖 | 2019-01-07 08:58:34 |
| 48 | 萬物皆Embedding，從經典的word2vec到深度學習基本操作item2vec | 2018-12-26 14:26:13 |
| 49 | YouTube深度學習推薦系統的十大工程問題 | 2018-12-17 08:10:38 |
| 50 | 重讀Youtube深度學習推薦系統論文，字字珠璣，驚為神文 | 2018-12-12 13:36:28 |
| 51 | 推薦系統中的注意力機制－阿里深度興趣網（DIN） | 2018-12-05 15:13:19 |
| 52 | 王喆的機器學習筆記－關注推薦系統、計算廣告前沿 | 2018-11-30 03:39:04 |
zenRRan
介紹： 公眾號：「深度學習自然語言處理」，小小NLPer~,不做螺絲釘，學以致用撒~。
| 序號 | 佳作 | 時間 |
|---|
| 1 | 直播分享！ LLM事實性、幻覺、評估與編輯 | 2023-12-13 11:07:22 |
| 2 | 打起來了~ 最小SOTA模型：Mistral 7B，各方面碾壓LLaMA2 13B和LLaMA1 34B | 2023-09-28 17:40:39 |
| 3 | NAACL2024投稿交流群已開啟~ | 2023-09-26 10:01:33 |
| 4 | 這篇究極諷刺的文章一出，NLP無了 | 2023-09-25 17:23:56 |
| 5 | NLPCC2023開會將近，入群提前認識夥伴~ | 2023-09-22 16:18:37 |
| 6 | EMNLP2023要開獎了，進群交流 | 2023-09-22 10:45:37 |
| 7 | 北大| 摘要生成還有未來嗎？ | 2023-09-20 18:41:33 |
| 8 | OpenBA：開源模型家族再添一員！從頭訓練的15B中英非對稱Encoder-Decoder結構雙語模型 | 2023-09-20 18:28:02 |
| 9 | 微軟最新視覺語言預訓練(VLP)綜述：基礎知識、最新進展與未來趨勢，適合所有階段讀者閱讀 | 2023-08-10 10:30:39 |
| 10 | 尋找國內PhD offer、滿足畢業要求、找教職等，也非常推薦COLING的，最簡單b會之一，投稿交流群已建立~ | 2023-08-09 11:22:27 |
| 11 | 清華大學劉知遠老師的大模型公開課程來吧！ | 2023-08-04 10:02:52 |
| 12 | UnIVAL：第一個支援圖像、視訊、音訊和文字任務的大一統模型！ | 2023-08-03 09:54:19 |
| 13 | 陳丹琦重新定義了文本相似性問題，提出C-STS，GPT-4也無法很好解決 | 2023-08-02 10:15:34 |
| 14 | 劉知遠等眾多機構提出ToolLLM：促進大型語言模型掌握16000+真實世界的APIs | 2023-08-01 10:07:57 |
| 15 | 基礎模型定義視覺新時代：綜述與展望 | 2023-07-31 10:03:20 |
| 16 | LLM時代NLP研究何去何從？一個博士生的角度出發 | 2023-05-26 17:24:35 |
| 17 | 上交清華提出中文大模型的知識評估基準C-Eval，輔助模型開發而非打榜 | 2023-05-23 12:29:12 |
| 18 | NLP中關於資料增強的最新綜述 | 2023-03-14 19:23:33 |
| 19 | AIGC最新綜述：從GAN 到ChatGPT 的AI生成歷史 | 2023-03-10 17:29:19 |
| 20 | 上交提出：更好的語言模型預訓練需要更好的Masking | 2023-03-08 11:02:57 |
| 21 | 史丹佛+南洋理工等五大機構對ChatGPT做了在NLP任務上的優劣勢的詳細分析 | 2023-02-16 10:52:13 |
| 22 | 解讀ChatGPT 背後的技術重點：RLHF、IFT、CoT、紅藍對抗 | 2023-02-07 16:22:41 |
| 23 | 訪談| 陳丹琦— 穿越多元文化，做獨具特色的科學研究 | 2023-02-02 14:27:10 |
| 24 | AAAI2023 | 百度+中科院提出USM：一種資訊擷取的大一統方法 | 2023-02-01 15:08:24 |
| 25 | COLING2022 | 中科院+北郵提出：具有Event-Argument相關性的事件因果關係提取方法 | 2023-01-31 12:42:37 |
| 26 | 陳丹琦提出：帶有語言約束的可控文本生成 | 2023-01-29 19:59:30 |
| 27 | 邱錫鵬提出：DiffusionBERT - 用擴散模型改進生成式遮罩語言模型 | 2022-12-05 17:02:57 |
| 28 | 微軟+上財提出GENIUS: 一個能根據草稿進行文字產生的「小天才」模型，也是一個即插即用的資料增強工具，程式碼開源 | 2022-11-27 20:16:51 |
| 29 | 谷歌提出Flan預訓練方法，一個模型解決可所有NLP任務，並發布Flan-T5模型 | 2022-11-25 20:32:41 |
| 30 | COLING'22 | SelfMix：針對有雜訊資料集的半監督學習方法 | 2022-10-14 10:14:42 |
| 31 | 近200篇文章彙整而成的機器翻譯非自迴歸產生最新綜述，揭示其挑戰與未來研究方向 | 2022-06-29 10:17:48 |
| 32 | AAAI2022 | 吐血整理了NLP相關的論文，包括資訊抽取、機翻、NER、多模態、資料增強、問答、多語言、KD、文本糾錯等 | 2022-03-11 19:00:20 |
| 33 | NLP演算法面試的一些個人建議 | 2022-03-10 18:50:28 |
| 34 | ACL'22 | 浙大提出基於強化學習的實體對齊方法 | 2022-03-10 18:43:59 |
| 35 | ACL'22 | 基於雙語文字填入任務的互動式機器翻譯方法 | 2022-03-09 18:42:25 |
| 36 | 多模態| 復旦推出跨視覺-語言預訓練模型，並達到SOTA | 2022-03-09 13:33:29 |
| 37 | ACL'22 | 使用對比學習增強多標籤文字分類中的k近鄰機制 | 2022-03-09 13:23:05 |
| 38 | ACL'22 | 一文解讀復旦黃萱菁、邱錫鵬等老師NLP實驗室的12篇長文 | 2022-03-03 14:42:53 |
| 39 | 清華ACL'22 | 一文讀懂劉知遠和劉洋老師所在實驗室18篇論文詳情 | 2022-03-02 14:24:24 |
| 40 | 一種全新易用的基於Word-Word關係的NER統一模型，刷新了14種資料集並達到新SoTA | 2022-02-23 22:14:18 |
| 41 | 阿里+北大| 在梯度上做簡單mask竟有如此的神奇效果 | 2022-02-23 22:11:00 |
| 42 | 博士招生| 北京大學和中山大學博士申請考核還有名額，門檻不高，速來 | 2021-11-25 23:41:48 |
| 43 | NAACL2021 | 陳丹琦又打破常規，最近流行的實體識別和關係抽取要回到最初狀態？ | 2021-09-28 09:43:58 |
| 44 | 清華劉知遠聯合新加坡國立大學提出CPT：基於預訓練視覺-語言模型的跨模態Prompt-Tuning | 2021-09-28 09:26:20 |
| 45 | 讓人深思：句法真的很重要嗎？邱錫鵬組提出一種基於Aspect的情感分析的強大基線 | 2021-09-16 12:58:18 |
| 46 | 復旦邱錫鵬Lab提出：一個統一的面向基於Aspect的所有情緒分析子任務的生成式方法 | 2021-09-16 12:54:44 |
| 47 | 哈爾濱工業大學（深圳）張民教授團隊招收自然語言處理推廣碩博研究生 | 2021-09-12 12:02:24 |
| 48 | 清華提出：用於細粒度實體分類的Prompt-Learning，並提出可訓練Prompt模板 | 2021-09-10 10:05:09 |
| 49 | ACL2021 | 一種巧妙解決NER覆蓋和不連續問題的方法 | 2021-09-10 10:00:35 |
| 50 | NAACL2021 | 蘇大&阿里提出：一種統一的基於跨度的意見挖掘方法 | 2021-09-07 17:34:19 |
| 51 | 一種巧妙且簡單的資料增強方法- MixUp 小綜述 | 2021-09-05 18:06:58 |
琦琦
介紹： 一個愛跳舞的程式猿,建議盡量不要私訊我，極有可能漏看。 有疑問可在文章下評論，我看到了會回覆的謝謝。
| 序號 | 佳作 | 時間 |
|---|
| 1 | 略談LLM與工業界控制系統結合—一文概覽agent的前沿應用 | 2024-04-06 21:06:23 |
| 2 | [萬字長文]一篇文章帶你理解Stable Diffusion是如何運作的 | 2024-04-05 20:24:47 |
| 3 | 溫涼河畔，南陽古城，拜諳醫聖－三和書院醫道傳承第十次主幹課感悟 | 2024-03-18 21:59:48 |
| 4 | 春節寒假感悟 | 2024-02-27 22:54:19 |
| 5 | openAI文生影片sora的技術核心是什麼？將會對哪些行業產生影響？ | 2024-02-21 22:38:20 |
| 6 | 無需訓練/部署模型，一文學會圖像相似度演算法pHash原理與實戰 | 2024-01-27 22:15:01 |
| 7 | 如何用產假提升自己－遇見更好的自己 | 2023-12-25 19:55:58 |
| 8 | 基於擴散建模（Diffusion Modeling）的推薦系統－Part2 | 2023-12-19 16:43:32 |
| 9 | 基於擴散建模（Diffusion Modeling）的推薦系統－Part1 | 2023-12-18 19:49:36 |
| 10 | 讓所有大模型參數可調－Parameter-Efficient Fine-Tuning(PEFT)高效微調方法總結（系列4終結篇） | 2023-12-17 15:13:56 |
| 11 | 大模型Parameter-Efficient Fine-Tuning(PEFT)－參數高效微調方法技術總覽（系列3） | 2023-12-15 17:29:40 |
| 12 | 國內外類ChatGPT大模型總覽－含40頁PPT總結（系列2） | 2023-12-14 15:52:17 |
| 13 | 「學而時習之，不亦說乎？」——三和書院醫道傳承第九次主幹課感悟 | 2023-11-23 21:39:40 |
| 14 | 三和書院醫道傳承第七次主幹課感悟 | 2023-09-22 17:23:01 |
| 15 | 三和書院五屆同有班2023暑假作業 | 2023-08-31 10:12:03 |
| 16 | 推薦今年的一本新書《這就是推薦系統》 | 2023-08-26 20:37:12 |
| 17 | 針對建議任務調整LLM大語言模型 | 2023-06-28 18:10:18 |
| 18 | 基於ChatGPT的推薦系統 | 2023-06-21 21:33:28 |
| 19 | 無術不立，無道不遠－三和書院醫道傳承第六次主幹課感悟 | 2023-06-19 22:38:18 |
| 20 | [萬字硬核總結]透過個人化prompt結合語言建模與使用者行為－基於LLM的零樣本推薦系統 | 2023-06-17 21:53:10 |
| 21 | [亞馬遜]GPT4Rec解讀：用於個人化推薦與使用者興趣解釋的生成式框架－GPT在推薦系統中的應用 | 2023-06-14 18:52:17 |
| 22 | 開源家族－中文羊駝LLaMA & Alpaca大語言模型 | 2023-06-10 19:06:06 |
| 23 | 現代人之「傷寒」－三和書院醫道傳承第五次主幹課感悟 | 2023-06-05 21:24:34 |
| 24 | 開源大模型論文/程式碼/模型檔案匯總 | 2023-05-23 18:19:13 |
| 25 | 開源大模型史丹佛Alpaca（小羊駝）－指令調優的LLaMA模型－100美元媲美GPT3.5 | 2023-05-22 16:38:04 |
| 26 | 開源大模型LLaMA（羊駝）論文詳解－Facebook母公司Meta推出，超越GPT-3 | 2023-05-21 21:06:31 |
| 27 | 清華ChatGLM底層原理詳解－ChatGPT國內最強開源平替，單卡可運行 | 2023-05-17 18:01:52 |
| 28 | [萬字論文詳解]媲美ChatGPT——Google支持的Anthropic推出”更理性的Claude“ | 2023-05-14 11:27:21 |
| 29 | 揭開大型語言模型ChatGPT的神秘面紗 | 2023-05-07 19:05:07 |
| 30 | InstructGPT論文精讀－ChatGPT前身，從人類回饋中學習 | 2023-05-06 18:21:56 |
| 31 | [萬字長文]ChatGPT系列論文精讀—大模型經典論文GPT1、GPT2、GPT3 | 2023-05-03 21:15:42 |
| 32 | 一文讀懂GPT家族和BERT的底層差異－自回歸和自編碼語言模型詳解 | 2023-04-28 18:29:09 |
| 33 | ChatGPT相關技術必讀論文 | 2023-04-25 18:40:07 |
| 34 | 巫醫一家，從國學角度看中醫治病－三和書院醫道傳承第四次主幹課感悟 | 2023-04-16 21:16:12 |
| 35 | 君子慎始，差若毫釐，謬以千里－三和書院醫道傳承第三次主幹課感悟 | 2023-03-12 12:08:05 |
| 36 | 我是如何看待和應對新冠疫情的 | 2023-02-05 19:02:21 |
| 37 | 辨證求因，審因論治－三和書院醫道傳承大課「疫情當下，我們該如何應對」感悟 | 2022-12-18 18:48:13 |
| 38 | CS285深度強化學習筆記3－馬爾科夫決策過程& 強化學習目標& RL結構& RL類型 | 2021-03-11 20:04:38 |
| 39 | CS285深度強化學習筆記2－序列決策問題與imitation learning | 2021-03-08 19:39:53 |
| 40 | CS285深度強化學習筆記1－概覽 | 2021-03-04 20:51:37 |
| 41 | 多工學習－共享模式／權重選擇／attention融合論文剖析 | 2021-02-10 16:29:10 |
| 42 | 基於ESMM模型的MTL多目標最佳化實踐－使用者活躍度影響排序機制－蘑菇街首頁資訊流推薦 | 2021-02-08 18:50:15 |
| 43 | 基於ESMM模型的多目標最佳化實踐—蘑菇街商城篇 | 2021-01-08 16:16:49 |
| 44 | 蘑菇街增量學習番外篇三：deepFM的動態正規實踐 | 2020-12-18 15:35:17 |
| 45 | 蘑菇街增量學習番外篇二：優化器設計理論篇（AdamW、AdaDeltaW、FTRL） | 2020-12-17 18:06:37 |
| 46 | 蘑菇街增量學習番外篇一：動態正規之tensorflow中div轉mod設計（含程式碼實作） | 2020-11-27 21:02:52 |
| 47 | 蘑菇街首頁推薦多目標優化之reweight實踐：一把雙面刃？ | 2020-11-10 21:39:01 |
| 48 | 文字相關性在蘑菇街搜尋推薦排序系統中的應用 | 2020-10-30 21:39:43 |
| 49 | 蘑菇街推薦演算法之迷－self attention不如traditional attention？ | 2020-09-23 22:09:25 |
| 50 | 來嘮個嗑－深度學習之表示學習（理論結合實踐的思考） | 2020-09-16 22:06:08 |
| 51 | 蘑菇街首頁推薦視訊串流－增量學習與wide&deepFM實踐（工程+演算法） | 2020-09-03 21:17:57 |
吳恩達
| 序號 | 佳作 | 時間 |
|---|
| 1 | 吳恩達來信：智能體設計模式3：工具使用 | 2024-04-04 11:34:05 |
| 2 | 吳恩達來信： 智能體設計模式2：Reflection | 2024-03-28 11:50:19 |
| 3 | 吳恩達來信：智能體如何優化LLM性能 | 2024-03-21 12:00:17 |
| 4 | 吳恩達來信：低數據重力下的發展 | 2024-03-14 11:20:33 |
| 5 | 吳恩達來信：AI智能體的黎明時刻 | 2024-03-07 20:01:06 |
| 6 | 吳恩達來信：Python套件的管理難題 | 2024-02-29 14:55:06 |
| 7 | 吳恩達來信：AI企業家的三個主題 | 2024-02-22 15:06:00 |
| 8 | 吳恩達來信：大型語言模型變成商品會怎麼樣？ | 2024-02-12 13:08:17 |
| 9 | 吳恩達來信：這個世界需要智能 | 2024-02-05 11:16:41 |
| 10 | 吳恩達：席捲世界經濟論壇的AI議題 | 2024-01-26 11:24:07 |
| 11 | 吳恩達來信：實現AGI最簡單的方法 | 2024-01-22 17:03:24 |
| 12 | 吳恩達來信：紐約時報與OpenAI和微軟的版權較量 | 2024-01-05 13:29:29 |
| 13 | 吳恩達來信：迎接2024的變與不變 | 2024-01-01 20:11:49 |
| 14 | 吳恩達來信：蓬勃發展的LLM | 2023-12-04 12:20:24 |
| 15 | 吳恩達來信：勇敢發聲，為AI發展助力！ | 2023-11-23 17:10:08 |
| 16 | 吳恩達：AI Fund建立新創公司的小心得 | 2023-09-18 11:52:12 |
| 17 | 吳恩達來信：學習AI for Good, then do good！ | 2023-09-07 17:17:19 |
| 18 | 吳恩達來信：很久以前，LLMs...... | 2023-08-31 12:11:12 |
| 19 | 吳恩達來信：多了解LLMs一點吧~ | 2023-08-24 13:52:31 |
| 20 | 吳恩達來信：基於LLMs建立應用程式的小tips | 2023-08-17 17:01:09 |
| 21 | 吳恩達來信：LLMs能否理解世界？ | 2023-08-10 20:06:24 |
| 22 | 吳恩達來信：將一項工作分解為多個任務 | 2023-08-03 14:22:44 |
| 23 | 吳恩達來信：加註浮水印的利與弊 | 2023-07-27 18:28:48 |
| 24 | 吳恩達來信：進一步完善AI相關版權法 | 2023-07-21 10:05:48 |
| 25 | 吳恩達來信：快速構建，悉心調試 | 2023-07-13 13:40:13 |
| 26 | 吳恩達來信：基於提示的開發在加速 | 2023-07-10 17:00:14 |
| 27 | 吳恩達來信：關於AI監管 | 2023-06-29 17:06:12 |
| 28 | 吳恩達來信：AI的民主化 | 2023-06-15 12:52:59 |
| 29 | 吳恩達來信：吳老師喊你上課！ | 2023-06-01 11:51:11 |
| 30 | 吳恩達來信：更「省」資料的大型預訓練模型 | 2023-05-29 12:13:50 |
| 31 | 吳恩達來信：超越測試集－prompting改變了機器學習 | 2023-05-18 19:05:21 |
| 32 | 吳恩達來信：LLMs的美好未來 | 2023-04-21 11:14:50 |
| 33 | 吳恩達來信： 以合法公平的方式向前發展 | 2023-04-07 12:44:05 |
| 34 | 吳恩達來信：此GPT非彼GPT | 2023-03-31 10:35:20 |
| 35 | 吳恩達來信：持續推動AGI發展 | 2023-03-24 11:28:53 |
| 36 | 吳恩達來信：風浪面前，團結就是力量！ | 2023-03-16 13:05:15 |
| 37 | 吳恩達來信：區別人工智慧生成與人類生成 | 2023-03-09 16:23:24 |
| 38 | 吳恩達來信：LandingLens震撼發布，免費羊毛等你來薅！ | 2023-03-02 13:15:51 |
| 39 | 吳恩達來信：充滿希望的chat-based search | 2023-02-23 15:30:04 |
| 40 | 吳恩達來信：ChatGPT很酷，RL也很酷 | 2023-02-16 13:20:19 |
| 41 | 吳恩達來信：合法vs公平 | 2023-02-09 17:04:03 |
| 42 | 吳恩達來信：靠語言進化的LLMs | 2023-02-02 13:43:21 |
| 43 | 吳恩達來信：來自LLMs的巨大「威脅」？ | 2023-01-19 20:15:20 |
| 44 | 吳恩達來信：即將綻放的LLMs | 2023-01-12 15:42:34 |
| 45 | 吳恩達來信：2023人工智慧熱點展望 | 2023-01-05 11:30:41 |
| 46 | 吳恩達來信：一起暢想2023及未來吧！ | 2022-12-29 15:25:59 |
| 47 | 吳恩達來信：人工智慧的輝煌一年 | 2022-12-23 12:56:05 |
| 48 | 吳恩達來信：圍繞內容審核建立信任並做出權衡 | 2022-12-15 17:10:14 |
| 49 | 吳恩達來信：建立能夠展現不同置信度的模型 | 2022-12-08 18:58:02 |
阿里媽媽技術
| 序號 | 佳作 | 時間 |
|---|
| 1 | 尺寸魔術方塊：AIGC賦能下的視覺創意智慧延展 | 2024-04-11 18:08:12 |
| 2 | 阿里媽媽春季2025年實習生招募全球啟動！ | 2024-03-21 14:27:13 |
| 3 | AI產生儲存基座：自研超大規模向量資料庫Dolphin VectorDB | 2024-03-21 10:24:47 |
| 4 | 合約廣告中基於風險約束的Pacing演算法最佳化 | 2024-03-08 15:42:15 |
| 5 | 開放下載| 2023 阿里媽媽技術年刊來啦！ | 2024-03-01 17:32:50 |
| 6 | 開源| 影片尺寸魔術方塊：分層遮掩3D擴散模型在影片尺寸延展的應用 | 2024-03-01 17:30:15 |
| 7 | 強化學習在廣告自動出價場景的大規模落地實作（文末有小彩蛋） | 2024-01-15 14:32:18 |
| 8 | 請查收| 2023 阿里媽媽科技熱門文章 | 2024-01-15 14:24:56 |
| 9 | 大模型時代的阿里媽媽內容風控基礎服務體系建設 | 2023-12-15 11:48:38 |
| 10 | 阿里媽媽萬相台無界版和萬相實驗室獲「網路之光」首發成果獎 | 2023-11-29 10:16:29 |
| 11 | 邁步從頭越：阿里媽媽廣告智慧決策技術的演進之路 | 2023-11-28 09:15:09 |
| 12 | NeurIPS 2023 | Robust Graph Information Bottleneck：對抗雙邊圖噪音的穩健圖學習 | 2023-11-23 17:43:53 |
| 13 | Memorization Discrepancy：利用模型動態資訊發現累積性注毒攻擊 | 2023-09-21 15:48:19 |
| 14 | KDD'23 | CC-GNN：基於內容協同圖神經網路的電商召回方法 | 2023-09-13 10:08:06 |
| 15 | KDD'23 | Score-Weighted VCG：考慮外部性的智慧拍賣機制設計 | 2023-09-08 16:34:29 |
| 16 | 阿里媽媽秋季2024年應屆生招募正式啟動！ | 2023-08-25 17:41:22 |
| 17 | KDD'23 | PerBid：線上廣告個人化自動出價框架 | 2023-08-17 15:01:20 |
| 18 | ACM MM'23 | 4篇論文解析阿里媽媽廣告創意演算法最新進展 | 2023-08-11 17:55:06 |
| 19 | 阿里媽媽技術團隊8篇論文入選CIKM 2023 | 2023-08-11 17:13:44 |
| 20 | SIGIR'23 | 基於特徵自適應的多場景預估建模 | 2023-07-10 13:49:18 |
| 21 | 阿里媽媽AI 熱招崗位已就緒！還在等待才華洋溢的你~ | 2023-07-06 10:55:52 |
| 22 | KDD'23 | 轉換率預估新思路：基於歷史資料復用的大促轉換率精準預估 | 2023-06-29 14:42:25 |
| 23 | KDD'23 | 排序與準度聯合最佳化：一種基於混合生成/判別式建模的方案 | 2023-06-26 10:15:58 |
| 24 | 化繁為簡，精工細作－阿里媽媽直播智慧剪輯技術詳解 | 2023-06-21 14:03:53 |
| 25 | CVPR 2023 | 基於內容融合的字體生成方法 | 2023-06-01 10:20:20 |
| 26 | 【徵文】DLP@RecSys 2023：第五屆高維度稀疏資料的深度學習實踐國際研討會 | 2023-05-19 10:57:10 |
| 27 | AdaSparse: 自適應稀疏網路的多場景CTR預估建模 | 2023-05-11 11:35:33 |
| 28 | 就等你了！ MAX-Code首屆阿里媽媽極限代碼挑戰賽來吧~ | 2023-05-08 10:26:01 |
| 29 | 增廣拍賣－二跳頁下的拍賣機制探索 | 2023-04-21 11:35:33 |
| 30 | Auction Design in the Auto-bidding World系列一：異質目標函數廣告主的拍賣機制設計 | 2023-04-13 06:02:30 |
| 31 | Bidding模式訓練新典範：阿里媽媽產生式出價模式（AIGB）詳解 | 2023-04-04 10:33:10 |
| 32 | 萬字長文，漫談廣告技術中的拍賣機制設計（經典篇） | 2023-03-29 19:04:11 |
| 33 | 阿里媽媽智能診斷工程能力建設 | 2023-03-23 11:43:14 |
| 34 | 程式碼開源！阿里媽媽展示廣告Match底層技術架構最新進展 | 2023-03-15 15:48:36 |
| 35 | 貝葉斯分層模型應用之直播場景評分校準 | 2023-03-15 15:44:18 |
| 36 | 阿里媽媽春季2024年實習生招募正式啟動！ | 2023-03-14 19:11:55 |
| 37 | 積沙成塔－阿里媽媽動態算力技術的新演進與展望 | 2023-03-09 12:05:32 |
| 38 | 廣告行銷場景下的隱私運算實務：阿里媽媽行銷隱私運算平台SDH | 2023-03-09 12:02:43 |
| 39 | Dolphin：行銷場景的超融合多模智慧引擎 | 2023-02-15 19:08:51 |
| 40 | 廣告深度學習計算：向量回想索引的演進以及工程實現 | 2023-02-09 10:39:17 |
| 41 | 情境驅動的圖上文案生成 | 2023-02-02 13:52:14 |
| 42 | 視訊分割新範式：視訊感興趣物件實例分割VOIS | 2023-02-02 11:03:14 |
| 43 | 開放下載| 2022阿里媽媽技術年刊來啦！ | 2023-01-18 18:14:00 |
| 44 | 阿里媽媽內容風控模式預估引擎的探索與建設 | 2023-01-12 10:47:04 |
| 45 | 阿里媽媽Dolphin智慧運算引擎基於Flink+Hologres實踐 | 2023-01-12 10:31:26 |
| 46 | Dolphin Streaming即時運算，協助商家端演算法第二成長曲線 | 2023-01-12 10:29:42 |
| 47 | 請查收| 2022 阿里媽媽技術文章回顧 | 2023-01-12 10:26:08 |
| 48 | 新一代自動出價範式：線上強化學習SORL框架 | 2022-12-29 11:41:55 |
蘑菇先生
介紹： 個人公眾號: 蘑菇先生學習記& 某大廠演算法工程師。 ,勝不驕，敗不餒。 。
| 序號 | 佳作 | 時間 |
|---|
| 1 | 行動勝過言語: Meta落地工業界首個萬億等級參數的生成式推薦系統模型 | 2024-03-18 09:03:30 |
| 2 | WWW2024 | 工業界大模型與搜廣推工作梳理 | 2024-03-14 22:41:36 |
| 3 | CIKM'23 | 快手: QIN 搜尋長期行為序列建模 | 2023-12-19 13:42:25 |
| 4 | 美團內容智能分發的演算法實踐 | 2023-12-18 09:12:13 |
| 5 | WSDM'24 | 工業界搜廣推工作整理 | 2023-12-03 10:52:06 |
| 6 | WSDM2024 | 港大百度, LLMRec: 基於LLM增強的多模態圖神經網路推薦 | 2023-11-09 20:52:57 |
| 7 | 一文梳理推薦系統中如何應用大模型 | 2023-09-25 12:46:25 |
| 8 | KDD 2023 工業界搜廣推論文整理 | 2023-07-17 09:57:50 |
| 9 | KDD'23 | Ali, 排序與校準聯合建模: 讓listwise模型也能用於CTR預估 | 2023-06-20 19:33:27 |
| 10 | LLM技術發展、能力增強模式與應用雜談(一) | 2023-06-20 17:29:46 |
| 11 | 一文解讀Twitter開源推薦系統 | 2023-04-03 22:25:56 |
| 12 | 百度鳳巢| MTMS多工多場景統一精排模型 | 2023-03-25 20:45:36 |
| 13 | 千人千模| PEPNet: 2023快手多工多情境建模 | 2023-03-09 13:03:46 |
| 14 | WSDM'23 | 工業界搜推廣nlp論文整理 | 2022-12-26 12:09:41 |
| 15 | CIKM'22 | 淘寶GIFT: 基於Graph的冷啟動視訊點擊率預估 | 2022-09-11 14:07:23 |
| 16 | KDD'22 | 阿里：基於EE探索的CTR預估 | 2022-06-20 20:02:31 |
| 17 | SIGIR'22 | 阿里ESCM^2: 升級版全空間多工轉換率預估模型 | 2022-05-05 09:14:10 |
| 18 | P5 | NLP模型一統推薦系統? 談新型推薦系統建模範式 | 2022-04-11 12:07:22 |
| 19 | 2023年校招算法職位知識總結 | 2022-03-28 09:19:44 |
| 20 | 基於個人化Prompt的推薦：推薦系統和NLP的跨界融合 | 2022-03-21 09:47:00 |
| 21 | GraphCTR特徵互動新路線| 一文梳理基於Graph的特徵交互作用在CTR預估的應用 | 2022-02-21 09:26:25 |
| 22 | 基於GNN的推薦最新綜述 | 2022-02-19 23:36:54 |
| 23 | WSDM'22 | 工業界搜推廣nlp論文整理 | 2022-01-07 13:01:35 |
| 24 | 2021年度回顧| 分享演算法崗工作感悟 | 2022-01-06 13:34:16 |
| 25 | Top100圖神經網路論文大盤點 | 2021-10-22 23:27:17 |
| 26 | KDD'21 | 時間檢驗研究獎論文解讀 | 2021-10-10 21:01:32 |
| 27 | Recsys2021 | 推薦系統論文分類整理與導讀 | 2021-10-06 22:25:49 |
| 28 | KDD'21 | 揭秘Facebook升級版語意搜尋技術 | 2021-09-29 21:08:48 |
| 29 | KDD'21 | 淘寶搜尋中語意向量檢索技術 | 2021-09-12 08:23:23 |
| 30 | KDD 21 工業界搜推廣nlp論文整理 | 2021-07-12 09:23:02 |
| 31 | SIGIR'21|SGL基於圖自監督學習的建議系統 | 2021-05-23 20:28:58 |
| 32 | KDD'19|ConcepT 騰訊概念標籤體系 | 2021-01-31 09:34:04 |
| 33 | 演算法debug實戰|Ng演算法診斷理論的應用 | 2021-01-23 16:20:45 |
| 34 | 入職半年小結| 給應屆校招演算法同學的幾點建議 | 2021-01-11 23:35:51 |
| 35 | 特徵交互新路線|阿里Co-action Network論文解讀 | 2020-12-30 22:18:03 |
| 36 | 基於資訊傳遞框架的GNN編碼範式 | 2020-12-07 08:40:46 |
| 37 | PTMs| 2020最新NLP預訓練模型綜述 | 2020-11-28 14:00:27 |
| 38 | Nature 2016 | AlphaGo 強化學習論文解讀系列(一) | 2020-11-24 22:48:31 |
| 39 | 基於分離式表徵的圖神經網路調查 | 2020-11-21 08:50:13 |
| 40 | AAAI 2020 | MA-GNN 記憶增強的圖神經網路序列建議方法 | 2020-11-07 21:51:56 |
| 41 | SIGIR2020|GCE-GNN基於全域情境增強的圖神經網路序列建議方法 | 2020-10-25 21:16:32 |
| 42 | KDD CUP 2020之Debiasing賽道方案(Rush) | 2020-06-18 08:55:14 |
| 43 | 推薦系統中二分圖表示學習研究 | 2020-03-03 23:08:03 |
| 44 | 2021年校招算法職位知識點總結 | 2020-02-19 23:31:46 |
| 45 | 圖表示學習Encoder-Decoder框架 | 2020-02-13 18:44:38 |
張俊林
介紹： 你所不知道的事,Heil Hydra！嗯。
| 序號 | 佳作 | 時間 |
|---|
| 1 | 技術神秘化的去魅：Sora關鍵技術逆向工程圖解 | 2024-03-20 08:45:41 |
| 2 | Sora能作為物理世界模擬器嗎 | 2024-02-27 08:31:36 |
| 3 | 大模型「湧現現象」存在嗎 | 2024-01-11 09:23:20 |
| 4 | 大語言模型為何擁有智能 | 2023-12-29 08:41:58 |
| 5 | AIGC優質模型導讀：資料為王DALL-E 3 | 2023-11-30 09:34:42 |
| 6 | 世界的參數倒影：為何GPT透過Next Token Prediction可以產生智能 | 2023-05-28 15:07:48 |
| 7 | 目前煉製「大語言模型」的兩個現象 | 2023-04-16 19:51:04 |
| 8 | 大語言模型的湧現能力：現象與解釋 | 2023-04-12 20:17:37 |
| 9 | 通往AGI之路：大型語言模型（LLM）技術精要 | 2023-01-09 08:28:15 |
| 10 | ChatGPT會取代搜尋引擎嗎 | 2022-12-06 09:39:22 |
| 11 | 推薦系統排序環節的特徵Embedding建模 | 2022-10-14 18:33:04 |
| 12 | 對比學習觀點:重新檢視推薦系統的召回粗排模型 | 2021-10-28 19:35:14 |
| 13 | 利用Contrastive Learning對抗資料雜訊：對比學習在微博場景的實踐 | 2021-05-09 10:26:26 |
| 14 | 對比學習（Contrastive Learning）:研究進展精要 | 2021-04-24 10:41:59 |
| 15 | SENet雙塔模型：在推薦領域召回粗排的應用及其它 | 2021-03-21 17:56:21 |
| 16 | 乘風破浪的PTM：兩年來預訓練模式的技術進展 | 2020-09-20 09:01:54 |
| 17 | 知識蒸餾在推薦系統的應用 | 2020-05-24 10:04:23 |
| 18 | 推薦系統中稀疏特徵Embedding的最佳化表示方法 | 2020-05-17 09:49:00 |
| 19 | 推薦系統技術演進趨勢：從召回到排序再到重排 | 2019-12-29 12:11:44 |
| 20 | 2019人工智慧技術發展趨勢 | 2019-11-22 21:21:34 |
| 21 | 對NLP以及推薦系統未來發展趨勢的看法 | 2019-08-25 11:02:20 |
| 22 | XLNet:運作機制及和Bert的異同比較 | 2019-06-22 10:49:56 |
| 23 | Bert時代的創新（應用篇）：Bert在NLP各領域的應用進展 | 2019-06-09 10:31:09 |
| 24 | FFM及DeepFFM模型在推薦系統的探索 | 2019-06-02 12:19:11 |
| 25 | Bert時代的創新：Bert應用模式比較及其它 | 2019-05-12 12:17:33 |
| 26 | 推薦系統召回四款：沉重的FFM機型 | 2019-03-18 07:57:44 |
| 27 | 關於百度ERNIE及將知識圖譜引入Bert | 2019-03-17 11:55:02 |
| 28 | 推薦系統召回四款：全能的FM模型 | 2019-03-03 10:55:41 |
| 29 | 效果驚人的GPT 2.0模型：它告訴了我們什麼 | 2019-02-16 12:01:14 |
| 30 | 關於「中文字型深度學習模型Glyce+田字格CNN」的個人看法 | 2019-01-31 01:05:25 |
| 31 | 放棄幻想，全面擁抱Transformer：自然語言處理三大特徵抽取器（CNN/RNN/TF）比較 | 2019-01-13 10:08:49 |
| 32 | 天空之城：拉馬努金式思維訓練法 | 2018-12-09 10:18:48 |
| 33 | 從Word Embedding到Bert模型—自然語言處理的預訓練技術發展史 | 2018-11-11 15:00:27 |
| 34 | 深度學習中的Normalization模型 | 2018-08-28 23:55:15 |
| 35 | NF:整合人工生命和遺傳演算法自動發現神經網路最優結構 | 2018-08-16 23:41:48 |
| 36 | 機器碼農：深度學習自動編程 | 2018-07-15 09:39:09 |
| 37 | Batch Normalization導讀 | 2018-06-17 10:12:08 |
| 38 | 深度學習中的注意力模型（2017版） | 2018-06-02 09:45:57 |
| 39 | 2017年AI技術前沿進展與趨勢 | 2018-05-19 22:27:39 |
大林
| 序號 | 佳作 | 時間 |
|---|
| 1 | 大模型高速下載常用的幾種方法 | 2024-04-15 07:59:28 |
| 2 | 我發現了兩個很好用的kimi插件 | 2024-04-09 20:24:25 |
| 3 | 自那之後，heygen更新了蠻多功能的 | 2024-04-08 07:34:48 |
| 4 | 雲端如何部署測試Qwen1.5-MoE模型 | 2024-03-29 17:17:34 |
| 5 | OpenAI發布最新Sora視頻，來自民間創作者、導演、音樂家、藝術家、創意機構等 | 2024-03-26 10:29:43 |
| 6 | 就在剛剛，Claude 3發布了，推出了三個模型，Haiku、Sonnet 和Opus，效果又震驚四方 | 2024-03-05 01:11:50 |
| 7 | 誰也沒想到，阿里發布的新項目，竟然遭受了謾罵 | 2024-02-29 23:59:19 |
| 8 | Sora最新視頻，一騎絕塵 | 2024-02-24 15:43:54 |
| 9 | 緊跟著Sora，搞AI 的大廠都紛紛坐不住了。就在深夜，Stability AI 放出了SD3，文字控制效果爆炸 | 2024-02-23 15:44:48 |
| 10 | 谷歌剛發布開源大語言模型Gemma，對標LLAMA2，總結大家關注的一些問題 | 2024-02-22 17:36:15 |
| 11 | 加上AI音頻的Sora影片終於有了靈魂 | 2024-02-20 19:22:13 |
| 12 | 阿里最近推出AI專案的動作太過頻繁，腦子跟不上了，事出反常必有妖，盤點一下 | 2024-01-18 16:58:09 |
| 13 | 智譜GLM-4發布，評測效果逼近GPT4，直接說幾個比較重要的結論 | 2024-01-16 18:26:22 |
| 14 | GPT應用程式商店如約而至，和我們想的略有不同，與此同此也同步推出了付費方案的ChatGPT Team | 2024-01-11 07:49:56 |
| 15 | 體驗完阿里推出的AnyText，效果確實不錯，如果落地，AI加持下的電商會怎麼樣？ | 2024-01-07 19:20:25 |
| 16 | OpenAI 的GPT 應用程式商店將於下週推出 | 2024-01-05 12:33:04 |
| 17 | 2023年的最後一篇文章，祝大家元旦快樂。看到這種影片好多了，一直知道是DomoAI做的，但就是沒時間玩，今天去玩了玩 | 2023-12-29 15:17:50 |
| 18 | 今天看到Pika 全面放開的消息，瞬間炸鍋了，想到我前兩天拿到的pika 內測資格，瞬間不香了，今天玩下 | 2023-12-26 17:06:49 |
| 19 | 吳恩達發佈企業AI轉型手冊，AI Transformation Playbook，對公司高階主管、正在創業的AIer是不錯的指南。 | 2023-12-20 17:08:34 |
| 20 | 網路上有很多的Prompt模板，這次OpenAI發布了寫好Prompt的六個策略，很實用 | 2023-12-19 17:49:04 |
| 21 | OpenAI 發表的第一篇論文，值得一讀，Weak-to-Strong Generalization | 2023-12-15 22:59:24 |
| 22 | 老用戶搶先體驗MidJourney Alpha 網頁版，再見了Discord | 2023-12-13 16:13:22 |
| 23 | Google隆重介紹Gemini，中文版本以及技術報告下載 | 2023-12-07 08:23:04 |
| 24 | Heygen 80% 的問題，這篇文章搞定它 | 2023-11-25 17:38:44 |
| 25 | SD開啟免費測試，教你一分鐘加入嚐鮮 | 2023-07-15 22:16:38 |
| 26 | 親測OpenAI開放的最新功能：程式碼解譯器，效果很好 | 2023-07-10 22:22:44 |
| 27 | 萬字長文|從0-1系統性的了解大語言模式LLM研究進展 | 2023-05-17 07:14:43 |
| 28 | 緊跟AIGC風向知識庫開放 | 2023-05-08 22:18:14 |
| 29 | 到了一定年紀，回家過年都是感觸 | 2023-01-28 19:28:08 |
| 30 | 20230113-閱讀思考 | 2023-01-13 11:03:30 |
| 31 | 國慶日教你製作國旗微信頭像 | 2022-09-30 09:54:25 |
| 32 | Prompt Learning 那些不錯的文章合集 | 2022-09-06 20:00:09 |
| 33 | 網路職場晉升關鍵字 | 2022-08-28 23:21:07 |
| 34 | 一個不會寫sql的演算法工程師、一個不會寫sql的產品經理，能在公司活下去嗎 | 2022-08-19 10:39:48 |
| 35 | 被mentor質疑，我才知道這些網路的意義 | 2022-08-14 13:49:27 |
| 36 | 嘔心瀝血整理往年精華面經，2023秋招捲起來 | 2022-06-26 15:14:45 |
| 37 | 能夠輕鬆的熟練上面這幾個awk寫法，你已經超過了90%的身邊人。持續更新ing | 2022-06-23 10:20:58 |
| 38 | ACL2022知識圖譜、BERT論文合集，持續更新中 | 2022-04-15 09:14:32 |
緘默筆記
介紹： 公眾號"緘默筆記"，分享推薦系統學習筆記,
| 序號 | 佳作 | 時間 |
|---|
| 1 | 2023 推薦系統會議論文整理（上） | 2023-07-29 20:32:04 |
| 2 | 「2023 | 快手」PEPNet：融合個人化先驗資訊的多情境多工網絡 | 2023-03-05 01:19:53 |
| 3 | 「WWW'23 | 快手」推薦系統中提升用戶留存演算法 | 2023-02-26 01:02:03 |
| 4 | 推薦系統(36) 2022 Q4工業界推薦演算法實務經驗梳理 | 2023-01-09 01:10:22 |
| 5 | 推薦系統(35) 序列建模文章梳理 | 2022-11-07 01:02:41 |
| 6 | 推薦系統(33) 2022 Q3工業界推薦演算法實務經驗梳理 | 2022-10-08 00:05:55 |
| 7 | 推薦系統(32)「梳理」知識蒸餾優化粗排模型 | 2022-08-22 00:01:44 |
| 8 | 推薦系統(31)「阿里」自適應場景興趣網絡 | 2022-08-08 23:20:11 |
| 9 | 推薦系統(30)：2022頂會CTR相關論文梳理 | 2022-07-25 23:35:25 |
| 10 | 推薦系統(29)「AdaSparse: 自適應稀疏結構的多場景CTR模型 | 2022-07-20 00:32:03 |
| 11 | 推薦系統(28) 2022 Q2 推薦演算法綜述類文章梳理 | 2022-07-13 23:50:09 |
| 12 | 推薦系統(27)：「京東」基於候選Items對使用者隱式感知建模 | 2022-07-11 01:12:24 |
| 13 | 推薦系統(26) 2022 Q2工業界推薦演算法實務經驗梳理 | 2022-07-05 23:48:27 |
| 14 | 推薦系統(25）「騰訊」MFH:面向大量多維度關係任務的多層級多任務學習模型 | 2022-06-27 23:50:37 |
| 15 | 推薦系統(二十四）「知識梳理」多場景建模梳理 | 2022-06-05 23:26:13 |
| 16 | 推薦系統(二十三) 基於場景感知與互動的多場景推薦模型 | 2022-06-04 15:32:36 |
| 17 | 推薦系統(二十二)「IJCAI'22」多階段推薦系統中重排綜述 | 2022-05-30 00:01:08 |
| 18 | 推薦系統(二十一)「SIGIR'22」基於使用者行為歷史的多層次交叉重排模型 | 2022-05-09 00:02:52 |
| 19 | 推薦系統(二十) 「SIGIR'22」利用情境特徵表示學習提升CTR預估 | 2022-05-05 00:13:19 |
| 20 | 推薦系統(十九) “WSDM'22”資訊流中基於視野範圍感知的重新排序模型 | 2022-04-19 02:10:49 |
| 21 | 推薦系統(十八) 大廠實務經驗學習：雙塔模型 | 2022-04-14 00:08:02 |
| 22 | 推薦系統(十六) 大廠實務經驗學習：多目標模型 | 2022-04-07 00:02:17 |
| 23 | 推薦系統(十五) 大廠實務經驗學習：排序模型 | 2022-04-03 12:36:54 |
| 24 | 推薦系統(十四) 推薦演算法綜述類文章梳理(下) | 2022-03-28 00:11:38 |
| 25 | 推薦系統(十三) 推薦演算法綜述類文章整理(上) | 2022-03-26 12:46:37 |
| 26 | 推薦系統(十二) 門控機制在CTR模型中應用梳理 | 2022-03-23 00:33:13 |
| 27 | 推薦系統(十一) 2021-2022年工業界推薦演算法實務經驗總表 | 2022-03-16 00:00:48 |
| 28 | 推薦系統(十) 「知識梳理」CTR模型中連續特徵加入方法 | 2022-03-12 23:43:03 |
| 29 | 推薦系統(九)「CIKM'21」DCAP：基於深度交叉注意力網路的CTR模型 | 2022-03-11 00:23:36 |
| 30 | 推薦系統(八) ContextNet：基於情境資訊優化特徵Embedding的CTR模型 | 2022-03-06 06:11:35 |
| 31 | 推薦系統(七) 2021年「頂會論文」特徵交叉相關CTR模型總結 | 2022-03-03 01:28:26 |
| 32 | 推薦系統(六) FmFM：FM類淺層CTR模型統一框架 | 2022-02-27 23:31:17 |
| 33 | 推薦系統(五) SAM：重新思考CTR模型中Attention的作用 | 2022-02-27 00:18:43 |
| 34 | 推薦系統(四) EDCN：透過資訊共享增強並行CTR模型顯式與隱式特徵交叉 | 2022-02-26 16:06:59 |
| 35 | 因果推論(一) 因果推論工業應用案例 | 2022-02-20 01:16:51 |
| 36 | 推薦系統(三) DESTINE：基於解耦自註意網路的CTR模型 | 2022-02-03 09:18:34 |
| 37 | 推薦系統(二) XCrossNet：面向特徵結構學習的CTR模型 | 2022-02-01 16:18:52 |
| 38 | 推薦系統(一) FINT：基於特徵域交叉的CTR模型 | 2022-01-31 13:12:13 |
King James
介紹： 公眾號：KingJames講策略，演算法出身的策略產品；,1. 專注於策略產品領域，+：MonkeyELuff 進策略產品交流群，定期給大家分享前沿策略知識；公眾號：KingJames講策略；2. 《策略產品經理實戰訓練課程》持續招生中，https://zhuanlan.zhihu.com/p/561585077；。
| 序號 | 佳作 | 時間 |
|---|
| 1 | 蔡崇信專訪核心要點提煉及個人感悟 | 2024-04-06 22:57:09 |
| 2 | 拼多多的「壞」、「好」、「猛」以及國內電商未來格局 | 2024-02-18 07:22:48 |
| 3 | 商業化策略產品經理必讀系列—百度「輕舸」新行銷平台+「揚楫」大模型商業引擎全面解析 | 2024-01-14 23:33:00 |
| 4 | 《搜廣推策略產品經理》勘誤（持續更新中） | 2023-12-03 19:30:11 |
| 5 | 商業化策略產品經理必讀系列—廣告競價拍賣機制設計 | 2023-11-24 08:55:59 |
| 6 | 商業化產品經理必讀系列—拼多多廣告收入成長的產品利器 | 2023-09-24 16:40:40 |
| 7 | 策略產品經理必讀系列—第十四講搜廣推業務中CTR糾偏 | 2023-06-07 09:09:09 |
| 8 | 策略產品經理必讀系列—第十三講機器學習分類任務基礎評估指標AUC、召回率、準確率 | 2023-05-04 17:03:14 |
| 9 | 搜尋策略產品經理必讀系列—第五講Page Rank演算法 | 2023-03-19 17:58:20 |
| 10 | 推薦策略產品經理必讀系列—第七講推薦結果的風格&創意策略 | 2023-02-04 09:50:59 |
| 11 | 商業化產品經理視角下的“2022阿里媽媽m峰會” | 2022-09-18 23:02:03 |
| 12 | 「推薦+搜尋+廣告」策略產品經理訓練營第7期招生中 | 2022-09-05 22:25:49 |
| 13 | 推薦系統如何平衡推薦結果的相關性和多樣性 | 2022-08-27 21:37:15 |
| 14 | 推薦策略產品經理必讀系列—第五講推薦系統的召回三 | 2022-08-20 11:04:03 |
| 15 | AI產品經理必讀系列—第二講全面解讀Meta發佈的首份元宇宙白皮書 | 2022-07-31 13:45:31 |
| 16 | 策略產品經理到底要不要懂演算法？ | 2022-07-25 08:37:14 |
| 17 | 推薦策略產品經理必讀系列—第四講推薦系統的協同過濾召回 | 2022-07-23 17:44:15 |
| 18 | 推薦策略產品常被老闆投訴的Case有哪些？ | 2022-07-03 23:06:00 |
| 19 | 策略產品經理實戰訓練課程重點內容PPT引導 | 2022-06-06 09:09:54 |
| 20 | 推薦策略產品經理必讀系列—第二講推薦系統的架構 | 2022-05-29 09:52:54 |
| 21 | 推薦策略產品經理必讀系列—第一講推薦系統的興起 | 2022-05-21 21:52:23 |
| 22 | 策略產品經理必讀系列—第十二講AA & AB Test最全介紹 | 2022-03-21 22:10:23 |
| 23 | 搜尋策略產品經理必讀系列—第四講搜尋指標&業務輔助 | 2021-12-25 13:08:56 |
| 24 | 策略產品經理必讀系列—第十一講簡單易懂講解聯邦學習 | 2021-11-28 22:02:22 |
| 25 | 策略產品經理必讀系列—第十講興趣電商是網路新黑話還是新機會？ | 2021-04-18 17:34:08 |
| 26 | 策略產品經理必讀系列—第九講GBDT演算法在迴歸任務中的應用 | 2021-02-21 23:54:57 |
| 27 | 搜尋策略產品經理必讀系列—第三講電商搜尋排序 | 2020-12-17 18:14:26 |
| 28 | 策略產品經理必讀系列—第八講梯度下降法 | 2020-12-14 17:31:24 |
| 29 | 策略產品經理必讀系列—第七講ID3、C4.5和CART演算法詳解 | 2020-12-03 19:13:39 |
| 30 | 策略產品經理必讀系列—第六講決策樹模型基本概念及如何構建 | 2020-12-01 14:15:41 |
| 31 | 搜尋策略產品經理必讀系列—第二講電商搜尋召回 | 2020-10-06 20:56:45 |
| 32 | 搜尋策略產品經理必讀系列—第一講電商搜尋引擎整體框架 | 2020-10-04 21:27:50 |
| 33 | 策略產品經理必讀系列—第四講深度學習與神經網絡 | 2020-09-17 21:12:37 |
| 34 | 深度解析晶片設計、製造、封裝測試的完整流程及各環節世界頂尖廠商技術說明 | 2020-09-09 19:48:35 |
| 35 | 策略產品經理必讀系列—第三講強化學習實戰 | 2020-07-20 23:26:26 |
| 36 | 策略產品經理必讀系列—第二講強化學習 | 2020-07-05 18:15:27 |
| 37 | 策略產品經理必讀系列—第一講機器學習 | 2020-03-01 19:30:35 |
| 38 | AI產品經理必讀系列—第一講AI一體機現況分析及商業化核心 | 2019-10-08 22:10:33 |
猛猿
介紹： 公眾號：大猿搬磚簡記,學習與職業歷程： 會計➡️演算法➡️大數據➡️演算法分享這段曲折自學轉行路上的學習筆記，希望有相似經驗的小伙伴不再孤單。
學習永遠是進行時。 。
| 序號 | 佳作 | 時間 |
|---|
| 1 | 圖解大模型計算加速系列：vLLM原始碼解析2，調度器策略(Scheduler) | 2024-04-15 13:17:50 |
| 2 | 圖解大模型計算加速系列：Flash Attention V2，從原理到平行計算 | 2024-04-07 13:14:41 |
| 3 | 圖解Mixtral 8 * 7b推理最佳化原理與原始碼實現 | 2024-04-07 12:49:31 |
| 4 | 圖解大模型運算加速系列：vLLM原始碼解析1，整體架構 | 2024-04-07 11:08:41 |
| 5 | 圖解大模型運算加速系列之：vLLM核心技術PagedAttention原理 | 2024-04-07 10:55:39 |
| 6 | 圖解大模型訓練系列之：DeepSpeed-Megatron MoE平行訓練（源碼解讀篇） | 2024-02-06 19:41:07 |
| 7 | 圖解大模型訓練系列之：DeepSpeed-Megatron MoE平行訓練（原理篇） | 2024-02-02 19:04:20 |
| 8 | 圖解大模型RLHF系列之：人人都能看懂的PPO原理與源碼解讀 | 2024-01-13 12:05:52 |
| 9 | 圖解大模型運算加速系列：Flash Attention V1，從硬體到運算邏輯 | 2023-12-01 21:11:23 |
| 10 | 再讀Swin Transformer，有多少細節值得關注？ | 2023-10-27 19:39:55 |
| 11 | 關於多模態經典之作CLIP，還有哪些細節是你不知道的 | 2023-10-10 13:12:17 |
| 12 | 再讀VIT，還有多少細節是你不知道的 | 2023-09-21 19:26:45 |
| 13 | 圖解大模型微調系列之：AdaLoRA，能做「財務」預算的低秩轉接器 | 2023-09-19 13:21:01 |
| 14 | 深入淺出擴散模型(Diffusion Model)系列：基石DDPM（源碼解讀篇） | 2023-09-11 19:54:11 |
| 15 | 【必看】歷史技術文章總結導航 | 2023-09-07 17:33:56 |
| 16 | 圖解大模型微調系列之：大模型低秩適配器LoRA（源碼解讀與實操篇） | 2023-09-07 17:06:38 |
| 17 | 深入淺出擴散模型(Diffusion Model)系列：基石DDPM（人人都能看懂的數學原理篇） | 2023-08-16 19:15:43 |
| 18 | 圖解大模型微調系列之：大模型低秩適配器LoRA（原理篇） | 2023-07-30 12:37:08 |
| 19 | 深入淺出擴散模型(Diffusion Model)系列：基石DDPM（模型架構篇），最詳細的DDPM架構圖解 | 2023-06-17 17:40:36 |
| 20 | 圖解大模型訓練之：Megatron源碼解讀2，模型平行 | 2023-06-03 13:26:37 |
| 21 | 圖解大模型系列之：Megatron源碼解讀1，分散式環境初始化 | 2023-05-13 17:31:49 |
| 22 | 圖解大模型系列之：張量模型並行，Megatron-LM | 2023-04-15 20:40:41 |
| 23 | 圖解大模型訓練之：資料並行下篇(ZeRO，零冗餘優化) | 2023-04-02 13:43:23 |
| 24 | 圖解大模型訓練之：資料並行上篇(DP, DDP與ZeRO) | 2023-03-26 16:03:44 |
| 25 | 圖解大模型訓練之：管線並行（Pipeline Parallelism），以Gpipe為例 | 2023-03-11 18:36:21 |
| 26 | ChatGPT技術解析系列之：賦予GPT寫程式碼能力的Codex | 2023-03-04 17:35:35 |
| 27 | ChatGPT技術解析系列之：GPT1、GPT2與GPT3 | 2023-02-25 14:38:57 |
| 28 | 強化學習解析一：馬可夫決策過程（MDP）與有模型學習 | 2023-02-19 13:14:39 |
| 29 | ChatGPT技術解析系列之：訓練框架InstructGPT | 2023-02-11 21:37:54 |
| 30 | BERT學習筆記一：基於論文精讀的模型詳解 | 2022-01-24 13:39:19 |
| 31 | Transformer學習筆記五：Subword Tokenization（子詞分詞器） | 2022-01-22 15:33:26 |
| 32 | Hadoop學習筆記：圖解HDFS檔案系統 | 2022-01-20 16:40:45 |
| 33 | Transformer學習筆記四：ResNet（殘差網路） | 2022-01-18 18:26:57 |
| 34 | Transformer學習筆記三：為什麼Transformer要用LayerNorm/Batch Normalization & Layer Normalization（批次&層標準化) | 2022-01-13 15:56:47 |
| 35 | Transformer學習筆記二：Self-Attention（自註意力機制） | 2022-01-10 13:05:46 |
| 36 | Transformer學習筆記一：Positional Encoding（位置編碼） | 2022-01-07 17:18:25 |
李沐
介紹： https://github.com/mli。
| 序號 | 佳作 | 時間 |
|---|
| 1 | 用隨機梯度下降來優化人生 | 2021-09-26 06:16:37 |
| 2 | 史丹佛2021秋季新課：實用機器學習 | 2021-08-30 00:45:20 |
| 3 | 動手學習深度學習PyTorch篇直播總結 | 2021-08-26 09:00:01 |
| 4 | 工作五年反思 | 2021-05-24 13:41:29 |
| 5 | 動手做深度學習v2 開課了！ | 2021-03-15 06:41:27 |
| 6 | 《動手學習深度學習》中文第二版預覽版發布 | 2021-03-09 14:24:09 |
| 7 | 《動手學習深度學習》新增TensorFlow實現 | 2020-07-08 05:28:01 |
| 8 | 《動手學習深度學習》新增PyTorch實現 | 2020-06-05 00:53:44 |
| 9 | 在柏克萊教深度學習 | 2019-05-17 08:18:50 |
| 10 | GluonCV v0.4：更多更快 | 2019-04-02 13:36:12 |
| 11 | GluonNLP v0.6: 讓可複現的BERT 模型走到你身邊 | 2019-03-20 12:03:47 |
| 12 | 《動手學習深度學習》英文預覽版以及柏克萊新課程 | 2018-11-29 09:20:52 |
| 13 | GluonNLP 0.3.3 新功能及重現報告 | 2018-08-07 07:30:17 |
| 14 | 跨卡同步Batch Normalization | 2018-07-25 06:12:42 |
| 15 | GluonCV 0.2 — 電腦視覺工具包第二版 | 2018-06-26 13:41:33 |
| 16 | GluonNLP — 自然語言處理的深度學習工具包 | 2018-05-11 08:20:06 |
| 17 | MXBoard — 助力MXNet 資料視覺化 | 2018-04-30 12:49:24 |
| 18 | GluonCV — 電腦視覺的深度學習工具包 | 2018-04-26 08:10:13 |
| 19 | 十分鐘從PyTorch 轉MXNet | 2018-04-03 07:47:56 |
| 20 | 第十七課：GloVe、fastText和使用預先訓練的詞向量 | 2018-01-26 03:12:55 |
| 21 | 第十六課：詞向量（word2vec） | 2018-01-20 08:43:21 |
| 22 | 第十四課：實現、訓練與應用循環神經網絡 | 2018-01-04 03:47:31 |
| 23 | 第十三課：正向傳播、反向傳播與透過時間反向傳播 | 2017-12-23 03:25:48 |
| 24 | 第七課：物件偵測 | 2017-11-03 03:30:35 |
| 25 | 第六課：優化演算法進階和電腦視覺 | 2017-10-26 07:22:25 |
| 26 | 第五課：Gluon高階與最佳化演算法基礎 | 2017-10-20 13:42:29 |
| 27 | 第四課：BatchNorm，更深的捲積神經網絡，Hybridize和新的Kaggle練習 | 2017-10-12 06:47:57 |
| 28 | 第三課：深度卷積網絡，如何使用Gluon，以及核武購買指南 | 2017-09-22 14:12:08 |
| 29 | 第二課：過度擬合、多層感知機、GPU和卷積神經網絡 | 2017-09-14 12:01:07 |
| 30 | 第一課：從上手到多類分類 | 2017-09-07 08:04:59 |
| 31 | 機器學習簡介 | 2017-09-06 11:32:05 |
| 32 | 一起動手學習深度學習 | 2017-09-04 10:00:00 |
策略產品Arthur
| 序號 | 佳作 | 時間 |
|---|
| 1 | 商業化策略產品基礎必知策略之品牌廣告策略綜述 | 2024-03-21 09:37:35 |
| 2 | 論持久戰－策略產品與演算法/營運/研發合作方法論與崗位核心壁壘建立 | 2024-02-27 23:24:47 |
| 3 | 商業化策略產品必讀系列之穿山甲RTA策略（Real Time API） | 2024-02-03 17:27:58 |
| 4 | 推薦策略產品必讀系列文章之如何建構推薦系統的最佳化目標 | 2024-01-17 00:13:50 |
| 5 | 策略產品專案案例－美團推薦系統"動態互動"策略分析 | 2023-11-02 09:35:35 |
| 6 | 大廠專案實務案例－美團推薦系統「新穎性」建構思考 | 2023-09-11 09:35:16 |
| 7 | 搜廣推策略產品訓練營第9期招生簡章 | 2023-07-24 22:03:04 |
| 8 | 策略產品經理乾貨系列之推薦系統離線評估方法與指標介紹 | 2023-07-03 23:07:15 |
| 9 | 策略產品必知系列之一文詳解“特徵工程” | 2023-05-31 00:11:50 |
| 10 | 一文讀懂策略產品必須知道的AB&AA實驗全流程 | 2023-05-04 22:01:53 |
| 11 | 廣告策略產品大廠產品案例解析之小紅書創意優選策略 | 2023-04-25 09:56:48 |
| 12 | 廣告機制策略產品案例解析之小紅書廣告平台智慧創意生成策略 | 2023-04-17 09:33:24 |
| 13 | 搜廣推策略產品必知系列之黑盒「智慧定向」策略 | 2023-04-09 23:39:06 |
| 14 | 搜廣推策略產品之灰盒「look alike」種子人群擴展策略（下篇） | 2023-04-03 22:51:32 |
| 15 | 搜廣推策略產品之灰盒「look alike」種子人群擴展策略（上篇） | 2023-03-27 22:57:13 |
| 16 | 搜廣推策略產品課堂之廣告定向策略綜述 | 2023-03-19 12:28:56 |
| 17 | 廣告機制策略產品解析之小紅書跨通路全站投放策略（下篇） | 2023-03-13 22:13:33 |
| 18 | 廣告機制策略產品解析之小紅書跨通路全站投放策略（上篇） | 2023-03-05 23:54:40 |
| 19 | 阿里京東流量端體驗策略之「相似圖/相同類目」打散過濾策略 | 2023-02-28 08:59:39 |
| 20 | 阿里京東流量端體驗策略之「負回饋」過濾豁免策略 | 2023-02-19 23:24:20 |
| 21 | 阿里京東電商推薦系統流量端體驗策略－已購買過濾策略 | 2023-02-14 10:01:24 |
| 22 | 阿里京東大廠策略產品案例分享創意優選策略 | 2023-02-07 10:04:14 |
| 23 | 阿里京東創意案例與思考分享之智慧創意生成策略 | 2023-02-02 23:04:00 |
| 24 | 商業化廣告策略產品乾貨課堂第10課之廣告創意策略百科全景 | 2023-02-01 23:39:43 |
| 25 | 搜廣推策略產品乾貨課堂第9課新用戶冷啟動策略 | 2023-01-31 11:17:20 |
| 26 | 搜廣推策略產品乾貨課堂第8課之新品Item冷啟動策略 | 2023-01-27 16:04:01 |
| 27 | 搜廣推策略產品乾貨課堂第7課之廣告投放平台DSP設計思考概念 | 2023-01-20 15:45:33 |
| 28 | 搜廣推策略產品乾貨課堂第6課之自然搜推與廣告搜推的對立統一 | 2023-01-07 11:45:25 |
| 29 | 搜廣推策略產品乾貨課堂第5課之廣告出價策略之源“四點三率兩控制一加強” | 2023-01-07 11:19:49 |
| 30 | 搜廣推策略產品第4課之推薦系統召回那些事兒 | 2022-11-07 23:41:36 |
Keep Learning
| 序號 | 佳作 | 時間 |
|---|
| 1 | CTR之Session行為序列建模使用者興趣：DSIN | 2024-03-21 21:11:32 |
| 2 | CTR之行為序列建模使用者興趣：DIEN | 2024-03-07 21:56:54 |
| 3 | CTR之行為序列建模使用者興趣：DIN | 2024-01-25 21:51:37 |
| 4 | 如何實作TensorFlow自訂算子？ | 2023-12-13 21:20:51 |
| 5 | Embedding壓縮之基於二進位碼的Hash Embedding | 2023-12-06 22:01:13 |
| 6 | Embedding壓縮之hash embedding | 2023-11-28 21:17:42 |
| 7 | CTR特徵建模：ContextNet & MaskNet(Twitter在用的排序模型) | 2023-10-09 21:34:26 |
| 8 | AI繪畫Stable Diffusion原理擴散模型DDPM | 2023-09-12 20:47:16 |
| 9 | AI繪畫Stable Diffusion原理之Autoencoder-Latent | 2023-07-26 20:26:38 |
| 10 | CTR預估之Wide&Deep系列(下):NFM/xDeepFM | 2023-06-04 17:21:54 |
| 11 | CTR預估之Wide&Deep系列模型:DeepFM/DCN | 2023-05-23 21:54:19 |
| 12 | CTR預估之DNN系列模型:FNN/PNN/DeepCrossing | 2023-04-20 22:04:08 |
| 13 | CTR預估之FMs系列:FM/FFM/FwFM/FEFM | 2023-03-10 22:50:59 |
| 14 | 引入對偶增強向量的雙塔召回模型 | 2023-02-22 22:10:51 |
| 15 | ctr特徵重要性建模：FiBiNet&FiBiNet++模型 | 2023-02-03 19:36:02 |
| 16 | BERT模型系列大全解讀 | 2023-01-10 21:49:55 |
| 17 | 分類模型-類別不均衡問題之loss設計 | 2022-11-10 20:50:39 |
| 18 | 多興趣推薦回想模型：ComiRec | 2022-09-27 20:44:02 |
| 19 | CTR模型訓練提速(超大batch size)：CowClip | 2022-08-24 20:43:51 |
| 20 | 煉丹系列2: Stochastic Weight Averaging (SWA) & Exponential Moving Average(EMA) | 2022-08-17 22:12:35 |
| 21 | 煉丹系列1: 分層學習率&梯度累積 | 2022-08-13 09:18:50 |
| 22 | BERT句向量(1)：Sentence-BERT | 2022-04-25 21:54:28 |
| 23 | TensorRT&Triton學習筆記(一)：triton與模型部署+client | 2022-03-16 21:17:57 |
| 24 | 多興趣推薦召回模型：MIND | 2022-01-29 22:07:32 |
| 25 | 多工學習MTL模型：多目標Loss優化策略 | 2022-01-11 21:48:36 |
| 26 | 多工學習MTL模型：MMoE、PLE | 2021-10-24 19:54:06 |
| 27 | 深入淺出地理解Youtube DNN推薦模型 | 2021-09-01 21:40:21 |
| 28 | 強大的向量資料庫：Milvus | 2021-08-30 22:12:52 |
| 29 | 推薦系統的向量檢索工具: Annoy & Faiss | 2021-08-23 21:43:03 |
何枝
介紹： 欣賞每一個用邏輯闡述觀點的人，不喜歡無論據的情緒輸出。 ,笑一個吧，功成名就不是目的。 。
| 序號 | 佳作 | 時間 |
|---|
| 1 | 【RLHF】RL 究竟是如何與LLM 做結合的？ | 2023-12-31 16:52:21 |
| 2 | 小紅書 - 招募 RLHF 演算法工程師 | 2023-12-21 15:09:33 |
| 3 | 【RLHF】BON 比較好還是RL 比較好？如何快速為當前任務選擇更適合的方法 | 2023-11-29 15:48:02 |
| 4 | 【RLHF】怎樣讓PPO 訓練更穩定？早期人類征服RLHF 的馴化經驗 | 2023-11-13 15:03:41 |
| 5 | Llama 2 中使用RLHF 的一些細節：margin r、reject sampling 和PPO | 2023-10-08 16:15:04 |
| 6 | 【LLM幻覺實驗】大模型知道自己「不知道」哪些知識嗎？ | 2023-09-08 20:23:42 |
| 7 | 如何更好地繼續預訓練（Continue PreTraining） | 2023-09-05 19:01:19 |
| 8 | 【LLMs MBTI】ChatGPT 是ENTJ，GPT4 竟然是INTJ？ | 2023-07-30 17:17:52 |
| 9 | 【Falcon Paper】我們是靠洗資料洗敗LLaMA 的！ | 2023-06-18 23:45:11 |
| 10 | 【LLM】從零開始訓練大模型 | 2023-06-11 19:58:00 |
| 11 | 【LLM 加速技巧】Muti Query Attention 和Attention with Linear Bias（附原始碼） | 2023-06-03 23:00:04 |
| 12 | 如何用LangChain 實作一個Zero Shot 智慧決策器（附源碼） | 2023-05-06 20:04:27 |
| 13 | ChatGPT表現不好？很有可能是你的prompt沒有寫好 | 2023-04-30 01:40:27 |
| 14 | 【Instruction Tuning】ChatGLM 微調實戰（附源碼） | 2023-04-27 21:26:40 |
| 15 | 讓ChatGPT產生訓練ChatGPT的訓練數據 | 2023-03-30 22:09:17 |
| 16 | LLM（Large Language Model）下的自然語言處理任務（附原始碼） | 2023-03-19 23:01:53 |
| 17 | 【RLHF】想訓練ChatGPT？先來看看強化學習（RL）+語言模型（LM）吧（附源碼） | 2023-02-14 19:35:42 |
| 18 | 【SimCSE】沒有標註資料也能訓練文字匹配模型（附源碼） | 2023-01-16 17:35:17 |
| 19 | 【RLHF】想訓練ChatGPT？得先弄清楚Reward Model怎麼訓（附源碼） | 2022-12-31 00:33:16 |
| 20 | 【資訊抽取】UIE－基於prompt的資訊抽取模型（附源碼） | 2022-12-04 15:49:22 |
| 21 | 身邊有一個學霸是怎樣的體驗？ | 2022-11-23 21:56:01 |
| 22 | 【文字匹配】Text Matching中的單塔方法和雙塔方法（附源碼） | 2022-11-22 12:03:23 |
| 23 | 【P-Tuning】 一種自動學習prompt pattern 的方法（附原始碼） | 2022-11-13 23:59:57 |
| 24 | 【Entity Linking】女朋友想買蘋果，我該買一台還是買一斤？試試DeepType吧！ | 2022-10-04 21:57:00 |
| 25 | 不想標數據了？試試Neural Snowball吧，不只Few-Shot還能挖掘New Relation！ | 2022-09-30 00:01:11 |
| 26 | 如何利用AI訓練一個旋轉驗證碼模型 | 2022-05-24 12:52:41 |
| 27 | 長文本分類－如何解決BERT輸入大於512的問題 | 2022-04-24 20:04:44 |
| 28 | 基於BERT的幾種改進模型 | 2021-12-13 11:41:16 |
| 29 | PaddleNLP實戰－資訊抽取（InfoExtraction） | 2021-12-06 17:33:50 |
潘潤琦
介紹： 一隻菜雞木有學上,
| 序號 | 佳作 | 時間 |
|---|
| 1 | 微軟研究院科學智能中心MSR AI4Science誠板機器學習研究員 | 2023-12-20 13:05:36 |
| 2 | 微軟中國開放大量社招名額！不容錯過！ | 2023-12-20 12:52:01 |
| 3 | 告別996的最好機會！微軟中國開放大量社招名額 | 2023-12-14 10:12:49 |
| 4 | MSRA上海& MIIC招募研究開發型實習生 | 2023-11-04 18:43:53 |
| 5 | 0基礎無ODE瞭解OpenAI最新影像生成模型Consistency Model | 2023-06-03 22:40:01 |
| 6 | 微軟亞洲研究院（上海）招募大語言模式與多模態預訓練實習生 | 2023-03-07 14:41:09 |
| 7 | ICLR 2023 上的圖神經網路好文 | 2023-02-13 15:56:03 |
| 8 | ChatGPT為何這麼牛？ Google DeepMind OpenAI多篇頂會揭示大模型的超能力 | 2023-01-23 14:47:36 |
| 9 | NeurIPS 2022 上的圖神經網路好文 | 2022-11-04 13:28:17 |
| 10 | MSRA Shanghai Lab招募AI實習生（長期有效） | 2022-10-17 19:22:10 |
| 11 | 陶哲軒教你學物理Lec3.2 Leray-Hopf weak solutions | 2022-10-02 22:20:50 |
| 12 | 平均場論中的集中不等式簡介 | 2022-08-21 21:47:17 |
| 13 | 機器學習中的統計物理方法 | 2022-08-18 22:44:23 |
| 14 | 2022年了，你還在魔改loss做domain generalization嗎？ | 2022-07-25 15:37:44 |
| 15 | [閱讀筆記] 大模型不是通往智能的路！馬毅曹穎沈向陽揭示AI基本原理與大一統模型 | 2022-07-20 16:50:59 |
| 16 | 陶哲軒教你學物理Lec 3.1 Weak Solution | 2022-07-09 18:07:40 |
| 17 | ICML 2022 上的圖神經網路好文 | 2022-06-03 11:48:04 |
| 18 | [KDD20高引用論文] Connecting the dots: 開啟GNN多變量時間序列預測新潮流 | 2022-04-10 16:07:25 |
| 19 | ICLR 2022 上的圖神經網路好文 | 2022-02-05 14:52:58 |
| 20 | NeurIPS 2021 上的圖神經網路好文 | 2021-11-01 17:17:20 |
| 21 | 屠榜的Graphormer到底有多強大？ | 2021-10-10 18:50:36 |
| 22 | 如何科學地理解無窮寬神經網路？ | 2021-07-23 21:07:16 |
| 23 | Graph-MLP: 用MLP與優化優雅地超越GNN | 2021-07-02 13:41:46 |
| 24 | ICML 2021 上的圖神經網路好文 | 2021-06-05 22:23:19 |
| 25 | ICLR 2021 上的圖神經網路好文 | 2021-02-01 15:13:25 |
| 26 | NeurIPS2020上圖神經網路好文 | 2020-12-09 14:00:21 |
| 27 | ICML2020上圖神經網路好文 | 2020-08-02 12:14:36 |
| 28 | GNN與傳統演算法不得不說的二、三事(0) | 2020-07-01 13:03:14 |
| 29 | ICLR 2020 上的圖神經網路好文 | 2020-05-02 17:16:51 |
衣介書生
介紹： 打工人，公眾號：後廠村搬磚工，歡迎關注,#打工人#網路#推薦演算法。
| 序號 | 佳作 | 時間 |
|---|
| 1 | 推薦系統（二十五）序列建模思路梳理 | 2023-03-05 12:02:02 |
| 2 | 推薦系統（二十四）FM召回思維梳理 | 2023-03-04 22:07:04 |
| 3 | 推薦系統（二十三）雙塔模型優化思路梳理（一） | 2023-02-18 11:40:14 |
| 4 | 推薦系統（二十二）AutoInt模型小結 | 2023-02-18 09:32:38 |
| 5 | 推薦系統（二十一）Facebook EBR模型小結 | 2023-01-29 16:29:03 |
| 6 | 推薦系統（二十）阿里DMR模型小結 | 2023-01-08 20:51:24 |
| 7 | 推薦系統（十九）京東DMT模型小結 | 2023-01-08 20:18:01 |
| 8 | 推薦系統（十八）阿里ETA演算法 | 2023-01-08 20:05:52 |
| 9 | 推薦系統（十七）阿里SIM演算法 | 2023-01-08 19:59:42 |
| 10 | 推薦系統（十六）GraphSAGE演算法原理小結 | 2022-08-28 10:01:57 |
| 11 | 推薦系統（十五）螞蟻SRGA學習筆記 | 2022-08-14 19:05:19 |
| 12 | 推薦系統（十四）DSIN學習筆記 | 2022-04-23 08:59:25 |
| 13 | 推薦系統（十三）阿里重排序演算法：Personalized Re-ranking for Recommendation | 2022-04-09 17:35:12 |
| 14 | 推薦系統（十二）微信DFN模型學習筆記 | 2022-03-26 10:18:29 |
| 15 | 推薦系統（十一）阿里EGES演算法學習筆記 | 2022-03-19 09:16:10 |
| 16 | 推薦系統（十）Google Wide&Deep模型學習筆記 | 2022-03-14 17:43:27 |
| 17 | 推薦系統（八）騰訊多工學習模式PLE | 2022-02-28 21:18:55 |
| 18 | 推薦系統（七）京東DRM論文學習筆記 | 2022-02-26 23:38:46 |
| 19 | 推薦系統（六）MIND演算法學習筆記 | 2022-02-12 12:51:07 |
| 20 | 推薦系統（五）DCN學習筆記 | 2022-02-08 23:38:00 |
| 21 | 推薦系統（四）Google雙塔召回模型學習筆記 | 2022-02-06 23:55:56 |
| 22 | 推薦系統（三）DIEN演算法學習筆記 | 2022-02-02 19:10:32 |
| 23 | 深度學習（四）GRU學習筆記 | 2022-02-01 20:52:52 |
| 24 | 深度學習（三）LSTM學習筆記 | 2022-01-31 17:11:27 |
| 25 | 推薦系統（二）FM演算法學習筆記 | 2022-01-30 21:46:12 |
| 26 | 推薦系統（一）DIN論文學習筆記 | 2022-01-29 16:46:53 |
| 27 | 深度學習（二）DeepWalk演算法原理小結 | 2022-01-28 15:12:45 |
| 28 | 深度學習（一）循環神經網路：BPTT演算法、梯度消失、梯度爆炸 | 2020-07-06 19:05:41 |
姚凱飛
介紹： 喜歡數學的演算法工程師,碼農，歡迎追蹤我的微信公眾號: data_algorithm。
| 序號 | 佳作 | 時間 |
|---|
| 1 | 活動推薦｜上海交通大學品牌出海&跨國電商研修班第01期 | 2024-04-02 18:17:56 |
| 2 | 拼多多系列vol.4:Temu與跨國倉配的蛋雞問題 | 2024-01-04 22:41:52 |
| 3 | 拼多多系列vol.3:多買菜的奇襲與青年近衛軍的崛起 | 2023-12-19 23:41:22 |
| 4 | 拼多多系列vol.2：拼多多的內部管理飛輪是怎麼運作的？ | 2023-12-18 21:33:54 |
| 5 | 拼多多系列vol.1：百億補貼的台前幕後 | 2023-12-01 23:33:59 |
| 6 | 【彼岸花開】Vol.5-從TikTok Shop印尼封鎖事件，看東南亞市場的變化與機會 | 2023-11-28 23:25:28 |
| 7 | 拼多多的認知盤點一：差異化競爭 | 2023-11-07 23:21:05 |
| 8 | 黃崢公眾號全文 | 2023-07-26 23:06:57 |
| 9 | 【職位】國際化Saas產品經理實習生 | 2023-06-13 18:04:51 |
| 10 | 亞馬遜體系解構-優化邏輯 | 2022-10-31 08:19:25 |
| 11 | 資料探勘演算法工程師-地點杭州 | 2022-10-31 08:14:00 |
| 12 | 企服思考(2)-SaaS入行的一點記錄 | 2022-08-29 21:54:14 |
| 13 | 演算法+ 資料改變電商世界綜述(三) | 2022-05-24 08:47:17 |
| 14 | 演算法+ 資料改變電商世界綜述(二) | 2022-05-23 08:34:43 |
| 15 | 演算法+ 資料改變電商世界綜述(一) | 2022-05-20 08:54:07 |
| 16 | 推薦系統解構 | 2021-01-09 11:00:24 |
| 17 | 【五.推薦青銅時代-3】召回模組概述 | 2019-06-29 15:01:01 |
| 18 | 【五.推薦青銅時代-2】衝突與協調 | 2019-04-24 22:06:50 |
| 19 | 【五.推薦青銅時代-1】關聯與個人化 | 2019-04-22 22:10:47 |
| 20 | 【四.推薦石器時代-2】馬太效應及相關這一時期策略 | 2019-04-21 16:44:04 |
| 21 | 【四.推薦石器時代-1】前推薦時代 | 2019-04-20 17:06:05 |
| 22 | 【三.推薦系統的必備要素-2】ABtest框架 | 2019-03-14 23:06:22 |
| 23 | 【三.推薦系統的必備要素-1】數據 | 2019-02-26 22:15:52 |
| 24 | 【二.推薦系統評價】什麼是好的推薦系統 | 2019-02-23 10:52:50 |
| 25 | 【一.概述-2】什麼樣的產品推薦效果明顯 | 2019-02-21 22:18:13 |
| 26 | 【一.概述-1】推薦系統簡介 | 2019-02-16 19:02:29 |
| 27 | 【零.前言】 | 2019-02-16 18:13:33 |
JioNLP團隊
簡介： 開源JioNLP千星作者，公眾號JioNLP，資料分析,jionlp團隊，微信公眾號：JioNLP，開源軟體JioNLP 同名在Github。
| 序號 | 佳作 | 時間 |
|---|
| 1 | 傻X的AI 公司太多，我只看好月之暗面 | 2024-03-04 22:12:37 |
| 2 | 為什麼OpenAI 能夠製作出GPT 和Sora？ | 2024-02-19 09:53:32 |
| 3 | 《西遊記》本來就是一場大型真人秀 | 2024-02-09 21:45:02 |
| 4 | 電腦視覺演算法，難以落地無人機空拍應用，why？ | 2024-02-06 19:57:51 |
| 5 | 從00後整頓職場看2023年出生人口數 | 2024-01-17 22:04:13 |
| 6 | 花了三週，我又更新了一版開源軟體ffio | 2024-01-16 16:33:52 |
| 7 | JioNLP 的2023 年終總結，再立新一年的flag | 2023-12-30 12:17:33 |
| 8 | 給大模型LLM評測畫一個句號 | 2023-12-11 18:01:55 |
| 9 | 如何優雅地自動評測LLM 模型質量 | 2023-11-09 19:03:40 |
| 10 | 簡單預測一下2023年出生人口：847萬 | 2023-10-14 23:06:49 |
| 11 | GPT4 影像理解能力體驗 | 2023-10-07 13:57:04 |
| 12 | 花了兩週，我又整了一個開源軟體pyFFmpeg | 2023-09-20 16:46:42 |
| 13 | 砲打學而思的MathGPT | 2023-08-30 20:08:02 |
| 14 | 上帝在嘲笑CEC-IDE | 2023-08-26 23:28:16 |
| 15 | 大語言模型LLM可以解決數學問題嗎？ | 2023-08-09 17:28:59 |
| 16 | 裁員潮下，我拒絕了120萬年薪的Offer | 2023-07-19 10:15:58 |
| 17 | 出一份試題，評測國內各種對標ChatGPT 的大語言模式（二） | 2023-05-23 14:13:54 |
| 18 | 出一份試題，評測國內各種對標ChatGPT 的大語言模型 | 2023-05-04 20:56:11 |
| 19 | 評估一下國內的類ChatGPT產品 | 2023-03-29 11:03:23 |
| 20 | ChatGPT、人口出生率與經濟危機 | 2023-02-27 22:47:50 |
| 21 | ChatGPT這麼強，會影響NLPer的就業環境嗎 | 2023-02-12 16:14:44 |
| 22 | 避坑一個JIT庫numba | 2023-01-11 15:03:42 |
| 23 | 未來人工智慧暢想－從ChatGPT想到的 | 2022-12-12 14:45:21 |
| 24 | 一文讀懂ChatGPT模型原理 | 2022-12-06 14:15:38 |
| 25 | JioNLP 資料分享，來看看這裡有沒有你想要的資料集 | 2022-11-29 10:38:47 |
Ostrich
介紹： 厚積薄發,分享網路科技與成長經驗。
| 序號 | 佳作 | 時間 |
|---|
| 1 | ChatGPT的朋友們：大語言模型經典論文一次讀到吐 | 2023-04-08 15:35:44 |
| 2 | 電商商品理解：基礎概念 | 2022-11-20 17:38:13 |
| 3 | 電商搜尋QP：總結 | 2022-08-19 10:55:26 |
| 4 | 電商搜尋QP：糾錯 | 2022-08-10 11:32:49 |
| 5 | 電商搜尋QP：Tagging | 2022-06-25 19:22:15 |
| 6 | 電商搜尋QP：中文分詞 | 2022-05-01 21:48:12 |
| 7 | 電商搜尋工程：Rank | 2022-02-07 18:41:03 |
| 8 | 電商搜尋工程：工程架構篇 | 2022-01-03 19:35:52 |
| 9 | 電商搜尋：Query推薦 | 2021-12-19 16:45:40 |
| 10 | 電商搜尋排序：重排 | 2021-12-12 17:35:57 |
| 11 | 電商搜尋排序：精排 | 2021-11-14 20:43:26 |
| 12 | 電商搜尋排序：粗排 | 2021-10-19 22:26:30 |
| 13 | 因果推論：NLP應用綜述 | 2021-10-10 21:39:58 |
| 14 | 搜尋排序-番外：簡話模型演進（傳統方法） | 2021-10-02 23:53:32 |
| 15 | 電商搜尋排序-番外：特徵工程 | 2021-09-23 23:21:01 |
| 16 | 電商搜尋排序：向量回想（下） | 2021-08-25 22:59:08 |
| 17 | 電商搜尋排序：向量回想（上） | 2021-08-11 11:57:42 |
| 18 | 電商搜尋排序：召回 | 2021-08-02 23:46:56 |
| 19 | 電商搜尋排序：總述 | 2021-07-25 21:01:30 |
| 20 | 電商搜尋：相關性匹配 | 2021-02-18 09:32:05 |
| 21 | 電商搜尋QP：Term Weighting | 2021-02-17 16:48:06 |
| 22 | 電商搜尋QP：Query改寫 | 2021-02-17 16:42:37 |
| 23 | 電商搜尋QP：Query類目預測 | 2021-02-17 16:35:07 |
Young
介紹： 公眾號【Young樣說】探索前沿有趣的科技AI見聞,- 清華大學本科電子，博士計算機
- 推薦廣告，智慧風控，量化交易，AIGC
- 曾任網路演算法專家（2020阿里星）
- 個人編著書籍《Pytorch深度學習入門與實戰》《Pytorch高級機器學習實戰》。
| 序號 | 佳作 | 時間 |
|---|
| 1 | 【2000個紅包封面免費領】 | 2024-01-24 13:23:35 |
| 2 | Yoshua Bengio，伊隆馬斯克聯名呼籲：暫停AI研究6個月！ | 2023-03-29 12:37:24 |
| 3 | PyTorch高階機器學習演算法實戰 | 2023-03-07 13:30:29 |
| 4 | OpenAI推出ChatGPT API，人工智慧應用迎來新時代！ | 2023-03-02 12:02:18 |
| 5 | ChatGPT引爆的智慧工具風潮，讓你的工作生活更有效率 | 2023-03-01 23:43:30 |
| 6 | 不會寫履歷怎麼辦？ ChatGPT一鍵幫你產生專業表達方式！ | 2023-02-22 18:46:06 |
| 7 | ChatGPT來了，一般人如何抓住風口？ 50個精選AI工具網站幫你打開思路！ | 2023-02-14 18:16:06 |
| 8 | AI音訊生成模式引爆音樂產業？最新四篇AI音樂生成論文解讀 | 2023-02-03 16:45:37 |
| 9 | Transformer可以讀取整個程式碼庫？ Jeff Dean團隊大規模擴展上下文長度 | 2023-01-31 12:22:15 |
| 10 | 2022年「神奇」AI論文回顧 | 2022-12-24 23:04:32 |
| 11 | 對於現在的年輕人而言，小紅書的技術類職位值得去嗎？ | 2022-09-16 16:59:07 |
| 12 | 使用AI 生成藝術設計博士論文封面 | 2022-08-30 09:51:52 |
| 13 | Paper Highlight：為什麼基於樹的模型在表格資料上仍然優於深度學習？ | 2022-07-20 13:07:58 |
| 14 | 什麼是SSIM？ | 2022-07-14 09:53:43 |
| 15 | 擴展Pytorch：加速MixConv算子（三） | 2021-02-24 21:23:26 |
| 16 | 擴展Pytorch：利用CUDA實作算子（二） | 2021-02-15 21:47:02 |
| 17 | 擴展Pytorch：實作自訂算子（一） | 2021-02-13 21:36:25 |
| 18 | 利用Pytorch實現卷積操作 | 2021-02-06 16:46:00 |
| 19 | 今天對抗樣本一則 | 2018-10-29 13:39:39 |
| 20 | Reproducible ECCV 2018 (More) | 2018-09-15 11:41:13 |
| 21 | Reproducible ECCV2018 (Oral) | 2018-09-01 11:10:58 |
| 22 | 今天對抗樣本兩則 | 2018-03-31 15:04:12 |
| 23 | 這個世界怎麼會有這麼多奇怪的羊。 。 。 | 2018-03-03 11:25:12 |
馮偉
介紹： 推薦系統,混跡推薦系統的小碼農。
| 序號 | 佳作 | 時間 |
|---|
| 1 | 推薦系統的運算資源節省問題 | 2020-10-18 06:14:23 |
| 2 | 推薦系統的去重問題 | 2020-10-11 06:31:07 |
| 3 | 推薦系統的即時性：生產側 | 2020-10-04 07:35:16 |
| 4 | 推薦系統的即時性：使用者側 | 2020-09-27 07:54:00 |
| 5 | 推薦系統的多樣性：內容生態視角 | 2020-09-20 09:01:03 |
| 6 | 推薦系統的多樣性：使用者視角 | 2020-09-13 08:20:24 |
| 7 | 推薦系統的公平性：生產側 | 2020-09-06 07:41:16 |
| 8 | 推薦系統的公平性：使用者側 | 2020-08-30 07:09:40 |
| 9 | 碼農的自我修養（三）：向上管理 | 2019-12-21 14:58:30 |
| 10 | 碼農的自我修養（二）：自我管理 | 2019-12-15 15:34:41 |
| 11 | 碼農的自我修養（一）：向下管理 | 2019-12-08 15:42:42 |
| 12 | 強化學習基礎篇: 策略迭代(Policy Iteration) | 2018-02-25 22:45:24 |
| 13 | 強化學習基礎篇: 價值迭代(Value Iteration) | 2018-02-24 00:06:52 |
| 14 | 強化學習基礎篇：馬爾科夫決策過程(MDP) | 2018-01-20 15:43:53 |
| 15 | 解析微軟雲端Azure Decision Service | 2018-01-17 06:56:11 |
| 16 | 監督學習越來越準，我為什麼要寫bandit問題 | 2018-01-01 11:11:02 |
| 17 | Contextual Bandits: Thompson Sampling | 2017-12-28 23:40:11 |
| 18 | Multi-Armed Bandit: Thompson Sampling | 2017-12-28 10:48:30 |
| 19 | Contextual Bandits: LinUCB | 2017-12-27 16:55:29 |
| 20 | Multi-Armed Bandit: UCB (Upper Bound Confidence) | 2017-12-26 15:59:06 |
| 21 | Multi-Armed Bandit: epsilon-greedy | 2017-12-26 11:53:42 |
| 22 | 開欄：智慧決策系列 | 2017-12-25 00:19:14 |
楊旭東
| 序號 | 佳作 | 時間 |
|---|
| 1 | C++中為什麼在類別模板中不能特化成員函式模板？ | 2023-12-18 10:35:44 |
| 2 | 如何做一個「編譯器中立」的C++共享函式庫，徹底解決未定義符號的問題 | 2023-12-11 10:27:48 |
| 3 | 推薦系統召回模型負採樣 | 2023-09-24 20:58:08 |
| 4 | 你真正理解推薦系統中的協同過濾演算法了嗎？ | 2023-08-30 21:55:22 |
| 5 | 有哪些能漲兩分的推薦演算法模型最佳化技巧？ | 2023-08-28 20:46:59 |
| 6 | SimRank++演算法原理解析 | 2023-08-24 14:38:50 |
| 7 | 推薦系統中的重排演算法 | 2023-07-31 22:12:57 |
| 8 | EasyRec重磅升級：組件化開發深度學習模型 | 2023-07-21 00:10:55 |
| 9 | Google出品深度學習調參指南詳細版 | 2023-07-18 17:15:53 |
| 10 | 多樣化個人化推薦演算法:推薦多樣性建模 | 2023-07-16 16:57:34 |
| 11 | 搜尋推薦廣告業務場景下的流量調控演算法 | 2023-07-15 14:23:03 |
| 12 | 流量調控PID演算法調控指南 | 2023-07-13 11:08:32 |
| 13 | 模型效果上限預估、分類模型Bad Case分析方法 | 2022-10-03 12:00:20 |
| 14 | 機器學習模型交叉驗證腳本 | 2022-09-19 17:59:21 |
| 15 | 全網最淺顯易懂的GBDT(xgboost)演算法原理深入剖析 | 2022-09-03 16:30:47 |
| 16 | 機器學習模型超參數網格搜尋腳本 | 2022-08-09 14:42:46 |
| 17 | 視覺多模態推薦演算法綜述：從入門到入門 | 2022-06-07 14:35:02 |
| 18 | 1天學會開發工業級推薦系統的特徵工程：保母級教程 | 2022-06-05 20:05:43 |
| 19 | 工業級推薦系統中的特徵工程 | 2022-05-22 21:04:19 |
| 20 | 推薦模型離線評測效果好，線上效果卻不佳的原因 | 2022-05-06 11:25:14 |
| 21 | 推薦演算法效果不佳時的檢查清單 | 2022-03-11 13:25:02 |
| 22 | 冷啟動推薦模型DropoutNet深度解析與改進 | 2022-03-03 10:55:20 |
iwtbs
介紹： 公眾號：推薦廣告演算法小木屋,推薦演算法工程師。
| 序號 | 佳作 | 時間 |
|---|
| 1 | 推薦系統多目標最佳化專題(2)—融合公式設計思路 | 2022-04-18 11:41:53 |
| 2 | 推薦系統多目標最佳化專題(1)－深入理解推薦系統 | 2022-03-06 23:07:17 |
| 3 | 雙塔召回模型的前世今生（下篇） | 2021-12-07 01:31:08 |
| 4 | 雙塔召回模型的前世今生（上篇） | 2021-11-08 00:55:25 |
| 5 | nearline(近線)召回在阿里媽媽的實踐 | 2021-09-23 23:35:46 |
| 6 | 《Embedding-based Retrieval in Facebook Search》論文精讀 | 2021-08-01 23:04:16 |
| 7 | 蒸餾技術在推薦模型的應用 | 2021-07-09 00:49:31 |
| 8 | 推薦中的多樣性與生態建設 | 2021-06-17 20:02:13 |
| 9 | 推薦系統中的debias演算法 | 2021-05-17 01:28:56 |
| 10 | 借Youtube論文，談談雙塔模型的八大精華問題 | 2021-05-01 00:41:05 |
| 11 | 推薦中的召回演算法—總結串講 | 2021-04-19 02:33:40 |
| 12 | 回想模型中的負樣本構造 | 2021-03-21 01:05:14 |
| 13 | 推薦演算法中的“多目標學習” | 2021-03-12 00:22:41 |
| 14 | 2021春招與暑期實習，一些感想與建議【位元組內推】 | 2021-03-02 00:34:53 |
| 15 | 推薦場景中一些反直覺的“坑” | 2021-01-16 22:13:48 |
| 16 | 業務成長的殺手鐧—推薦演算法的冷啟動 | 2021-01-11 00:58:07 |
| 17 | 聊聊向量化召回的一些工程經驗 | 2021-01-03 00:53:52 |
| 18 | 推薦系統中的bad case怎麼debug | 2020-12-24 23:51:02 |
| 19 | 推薦場景中，線上線下指標不一致是為啥 | 2020-12-15 00:49:50 |
| 20 | 向量召回—近鄰快速尋找演算法總結 | 2020-12-14 00:21:53 |
| 21 | 談談推薦演算法中的'trade-off' | 2020-12-13 23:50:27 |
| 22 | 談談我眼中的“推薦演算法” | 2020-12-13 23:46:27 |
蕭瑟
介紹： 王哲，廣告/推薦/深度學習/NLP，知乎專欄：煉丹實驗室,http://freecoder.me。
| 序號 | 佳作 | 時間 |
|---|
| 1 | 美團廣告最新進展-深度情境興趣網DCIN | 2023-11-13 17:02:59 |
| 2 | 美團廣告平台模型組社招募（北京） | 2023-09-19 11:20:21 |
| 3 | 美團廣告平台模型組科學研究實習生招聘 | 2023-07-11 17:30:27 |
| 4 | 美團廣告平台模型組科學研究實習生招聘 | 2023-06-07 15:20:04 |
| 5 | 美團廣告平台招募（校招-北京/上海）求賢若渴 | 2023-04-18 10:43:46 |
| 6 | 美團廣告平台模型組招募（北京社招）求賢若渴 | 2022-10-11 18:07:48 |
| 7 | 美團廣告平台模型組招募（校招&社招）求賢若渴 | 2022-08-06 22:54:36 |
| 8 | 美團廣告平台模型組招募（北京）求賢若渴 | 2022-06-02 20:48:05 |
| 9 | 阿里廣告技術最新突破：全鏈路連動-面向最終目標的全鏈路一致性建模 | 2021-09-23 19:29:48 |
| 10 | 「AI大咖談」阿里演算法專家談大規模推薦系統粗排層的設計與實現 | 2021-05-10 16:05:08 |
| 11 | 阿里粗排技術系統與最新進展分享 | 2021-03-09 18:47:19 |
| 12 | 阿里定向廣告最新突破：面向下一代的粗排排序系統COLD | 2020-08-17 01:07:24 |
| 13 | 阿里媽媽定向廣告RANK團隊-社招（北京）求賢若渴 | 2019-09-05 23:12:09 |
| 14 | 阿里媽媽定向廣告RANK團隊-社招（北京）求賢若渴 | 2019-09-05 22:58:49 |
| 15 | Character-based Joint Segmentation and POS Tagging for Chinese using Bidirectional RNN-CRF | 2017-04-06 15:20:44 |
| 16 | 當AI邂逅藝術：機器寫詩綜述 | 2017-02-04 17:50:26 |
| 17 | 如何取得最新的深度學習資源 | 2017-01-15 11:46:29 |
| 18 | Theano調試技巧 | 2017-01-13 01:43:41 |
| 19 | 深度學習網路調參技巧 | 2017-01-05 00:56:47 |
| 20 | 深度學習模型使用word2vec向量的方法總結 | 2016-08-15 12:52:55 |
| 21 | 深度學習網路調試技巧 | 2016-04-23 13:26:14 |
| 22 | 深度學習網路訓練技巧總合 | 2016-04-18 15:45:37 |
風控大魚
簡介： 網路風控/風險模式/反洗錢（公眾號：風控大魚）,Nothing worth knowing can be taught. 有公眾號：【風控大魚】。
| 序號 | 佳作 | 時間 |
|---|
| 1 | IPQualityScore (IPQS) 如何判斷有沒有使用代理？ | 2024-02-28 14:35:26 |
| 2 | 設備指紋中所謂的bncode資料到底指啥？ | 2024-02-27 17:43:27 |
| 3 | 跨國洗錢手法全面整理－ 跨國到底咋洗錢？資金不出境也能洗？ | 2023-10-20 13:34:45 |
| 4 | 盤一盤支付風控系列（3）— 大數據技術 | 2023-09-25 13:59:56 |
| 5 | 一年半支付風控工作複盤 | 2023-08-18 13:37:55 |
| 6 | 簡單又好用的社群劃分演算法－ Fast Unfolding | 2023-03-19 12:51:24 |
| 7 | 盤一盤支付風控系列（2）－ 風險防治技術（萬字長文） | 2023-03-02 13:26:36 |
| 8 | 盤一盤支付風控系列（1）－ 支付風險類型 | 2023-02-25 17:28:46 |
| 9 | 機器學習在反洗錢的應用（二） | 2023-01-19 17:46:54 |
| 10 | 機器學習在反洗錢的應用（一） | 2023-01-15 16:52:05 |
| 11 | 反洗錢風控工作用語：AML, KYC, SDD, CDD, EDD 分別是什麼？ | 2022-08-05 19:35:44 |
| 12 | 反洗錢術語解讀系列（1）—— 宣誓書(Affidavit) | 2022-05-20 17:16:09 |
| 13 | 三年半大數據風控工作複盤 | 2022-03-20 19:00:35 |
| 14 | 常用風控評估指標總表（混淆矩陣/ 準確率/精確率/召回率/F1值/AUC/ROC/KS/PSI/Lift/Gain等） | 2022-02-08 11:15:16 |
| 15 | 商業銀行風險監理核心指標 | 2021-07-21 10:49:11 |
| 16 | 【專案總結】貸前評分卡建模全流程指南 | 2021-03-28 19:49:45 |
| 17 | 評分卡建模工具scorecardpy全解讀 | 2021-03-05 11:12:00 |
| 18 | 大魚風控筆記3：量化風控政策的關注點 | 2021-02-20 22:11:07 |
| 19 | 大魚風控筆記2：量化風控系統的實現要求 | 2020-12-16 00:40:37 |
| 20 | 大魚風控筆記1：量化風控系統的風險板塊 | 2020-11-12 10:08:54 |
| 21 | 中小型銀行二次風控能力建設 | 2020-10-09 16:05:15 |
一兩贅肉無
介紹： 和鯨社區運營，heywhale.com,
| 序號 | 佳作 | 時間 |
|---|
| 1 | 50題真• 一文入門TensorFlow2.x | 2020-03-05 15:44:01 |
| 2 | 全國人工智慧比賽行人重識別(Person ReID)賽項季軍團隊方案分享 | 2020-02-29 13:28:16 |
| 3 | 全國人工智慧大賽AI+4K HDR賽項冠軍團隊方案分享 | 2020-02-28 11:28:01 |
| 4 | 40題刷爆Keras，人生苦短我選Keras | 2020-01-16 15:36:14 |
| 5 | 90題細品吳恩達《機器學習》，感受被刷題支配的恐懼 | 2020-01-08 16:50:15 |
| 6 | 60題PyTorch簡易入門指南，做技術的弄潮兒? | 2019-12-25 13:49:57 |
| 7 | 50題matplotlib從入門到精通 | 2019-12-10 18:00:13 |
| 8 | 50道練習帶你玩Pandas | 2019-11-28 11:37:25 |
| 9 | 大學大數據挑戰賽Rank2教學“新人如何參加一場數據科學類比賽” | 2019-11-21 15:31:42 |
| 10 | 比賽計畫分享之「萊斯盃」Rank 1 | 2019-11-06 15:03:15 |
| 11 | 案例分享| 文科生也能看懂的2019大學大數據挑戰賽Rank 2 案例 | 2019-10-30 14:22:59 |
| 12 | 機器學習教學【2】 | 2019-10-24 14:34:05 |
| 13 | 機器學習教學【1】 | 2019-10-17 14:05:22 |
| 14 | Plotly入門教學 | 2019-10-08 11:07:26 |
| 15 | 資料處理教程 | 2019-09-24 12:06:13 |
| 16 | 資料特徵分析教程 | 2019-09-17 11:30:07 |
| 17 | TED演講資料集探索之視覺化分析 | 2019-09-10 10:09:52 |
| 18 | 如何用K-Lab做機器學習demo？ | 2019-08-28 12:37:12 |
| 19 | 10套練習，教你如何用Pandas做數據分析【6-10】 | 2019-08-15 13:01:32 |
| 20 | 10套練習，教你如何用Pandas做數據分析【1-5】 | 2019-08-07 10:25:47 |
| 21 | 100道練習帶你去玩Numpy | 2019-08-01 14:09:24 |
Peter PanXin
介紹： AI 大數據分散式系統,Colossus, Spanner, IAM, TensorFlow, PaddlePaddle, Recommender System, AI Platform, Mobile AI。
| 序號 | 佳作 | 時間 |
|---|
| 1 | 聊聊LM的故事和近況 | 2023-05-21 21:54:46 |
| 2 | 巨型AI模型背後的分散式訓練技術（二） | 2023-05-15 19:06:57 |
| 3 | Diffusion的Noise, TextAlign, Aesthetic, RLHF思考 | 2023-04-14 19:34:52 |
| 4 | 語言和視覺生成大模型中資料和模型複雜度的關係 | 2023-03-28 22:10:34 |
| 5 | AIGC的可控制影像編輯 | 2023-02-20 21:16:27 |
| 6 | 聊聊Diffusion和AIGC | 2022-12-04 21:12:46 |
| 7 | 深度學習的碳排放、算力，以及永續性辯論 | 2022-10-07 19:05:44 |
| 8 | 端上AI體驗個人化討論 | 2022-10-01 15:47:03 |
| 9 | 整理一些生成模型筆記：Pix2Pix, CLIP, Diffusion Model, Dall-E 2 | 2022-06-12 16:57:14 |
| 10 | 關於聯邦學習的研究總結 | 2022-05-16 11:52:21 |
| 11 | 聊聊Google的超大模型PaLM: Scaling Language Modeling with Pathways | 2022-04-09 20:48:39 |
| 12 | 聊聊Jeff新作PATHWAYS: ASYNCHRONOUS DISTRIBUTED DATAFLOW FOR ML | 2022-04-01 21:12:31 |
| 13 | 回顧6年深度學習的演算法實務與演進 | 2022-02-07 12:44:09 |
| 14 | 關於圖靈機，人，人工智慧能力邊界的思考 | 2022-02-01 09:03:34 |
| 15 | 自適應AI系統 | 2021-12-31 17:22:50 |
| 16 | 巨型AI模型背後的分散式訓練技術 | 2021-11-07 10:56:30 |
| 17 | 推薦廣告模型的降本提效：壓縮策略 | 2021-10-13 21:08:41 |
| 18 | 關於基於Foundation Model的推薦系統未來的思考 | 2021-09-23 10:04:05 |
| 19 | 從我開發的深度學習框架看深度學習這幾年：TensorFlow, PaddlePaddle（飛槳）, 無量 | 2021-04-08 17:00:40 |
| 20 | 機器學習平台介面設計 | 2021-01-22 20:06:43 |
歸來仍是少年
介紹： 歡迎大家關注公眾號《我愛自然語言處理》,做自然語言處理方向，kaggle比賽top1%一共七塊獎牌，百度多形態資訊抽取top1%，ccks2021因果抽取top11等，完成推薦系統，知識圖譜，智慧問答系統，資訊檢索系統，基於elasticsearch的高效能搜尋系統，文字語意聚類，中文電子病歷資訊抽取，疾病風險預警模型，超長文本語意辨識等落地項目。 。
| 序號 | 佳作 | 時間 |
|---|
| 1 | GPT4最大的對手出現了，能否保持不敗之地呢？ | 2024-03-06 10:38:17 |
| 2 | GPT4霸主地位終於易主了，OpenAI慌了！ ！ ！ | 2024-03-05 15:27:58 |
| 3 | Googledeepmind開源Gemma技術報告 | 2024-02-27 15:51:57 |
| 4 | 怎麼阻止大模型說瞎話？ | 2024-01-09 16:01:23 |
| 5 | 誰是大模型的顯存救星？ | 2023-11-22 23:20:40 |
| 6 | streaming-llm(無需微調無限擴展大模型輸入)論文筆記 | 2023-10-13 11:38:15 |
| 7 | 【論文筆記】baichuan 2訓練報告 | 2023-09-11 19:35:02 |
| 8 | 大模型中的人工回饋強化學習詳解 | 2023-08-24 11:13:54 |
| 9 | 開源baichuan 7b聊天大模型 | 2023-08-14 16:33:11 |
| 10 | LLM（大語言模型）部署加速方法 | 2023-07-21 15:44:03 |
| 11 | LLM模型在公司場景的應用探索 | 2023-07-06 22:51:55 |
| 12 | 開源LLM大模型位置編碼探索 | 2023-05-22 10:20:56 |
| 13 | LLM大模型低資源微調p tuning v2和lora區別 | 2023-04-18 16:16:16 |
| 14 | 建構開放中文聊天生成模型(訓練細節與程式碼開源) | 2023-04-03 16:41:56 |
| 15 | 動手訓練個中文聊天小模型 | 2023-03-21 10:55:17 |
| 16 | TensorFlow2內存洩漏問題優化 | 2023-03-06 17:21:32 |
| 17 | 工業界資訊抽取之負樣本構造 | 2023-02-10 11:32:28 |
| 18 | chatgpt橫空出世引發的一些思考 | 2023-01-25 14:56:53 |
Tang AI
介紹： 在機器學習中欲仙欲死,神經病王子，佛系，網癮少年。
| 序號 | 佳作 | 時間 |
|---|
| 1 | 一文說盡推薦系統的召回模型 | 2022-12-04 15:43:49 |
| 2 | 推薦演算法的離線評估指標綜述 | 2022-11-21 00:08:38 |
| 3 | 優化器綜述 | 2022-11-19 17:53:46 |
| 4 | 激活函數綜述 | 2022-11-17 22:12:39 |
| 5 | 損失函數綜述 | 2022-11-16 22:16:17 |
| 6 | Bootstrap,Bagging與隨機森林,Stacking | 2022-11-09 23:41:52 |
| 7 | 提升樹-Adaboost，GBDT，XGBoost，LightGBM | 2022-11-06 22:20:59 |
| 8 | 決策樹-ID3,C4.5,CART | 2022-10-31 00:24:59 |
| 9 | 凸優化的掌上明珠-迴歸問題 | 2022-10-29 14:27:07 |
| 10 | AI的優化起源-凸優化之美 | 2022-10-24 23:07:01 |
| 11 | 協同過濾演算法系列(Collaborative Filtering,Swing,adamic-adar) | 2022-10-21 23:36:04 |
| 12 | 推薦演算法之abtest實驗設計 | 2022-10-15 15:42:06 |
| 13 | 推薦系統的架構-冷啟動-召回-粗排-精排-重排 | 2022-10-14 22:23:34 |
| 14 | 特徵工程之離散特徵處理 | 2022-10-10 23:20:19 |
| 15 | 推薦演算法的特徵工程之連續值特徵處理 | 2022-10-09 00:47:01 |
| 16 | 推薦演算法的基石-數據 | 2022-10-03 21:24:26 |
| 17 | 推薦演算法在工業界的應用 | 2022-09-27 23:52:59 |
| 18 | 推薦系統的歷史 | 2022-09-20 22:29:43 |
Andy Yang
介紹： 生活、學習、思考與觀察世界,自由之精神獨立之思想。
| 序號 | 佳作 | 時間 |
|---|
| 1 | RealFormer：Real 簡單，Real 有效 | 2020-12-29 12:16:50 |
| 2 | AdaBelief：一個有「信仰」的優化器 | 2020-12-24 13:19:35 |
| 3 | 招個NLP演算法實習生 | 2020-08-25 10:22:31 |
| 4 | PPLM： 四、兩撥千斤，Uber 可控語言生成框架 | 2019-12-09 10:29:47 |
| 5 | EMNLP 最佳論文解讀：來自資訊瓶頸的新語言學理論 | 2019-11-12 10:30:03 |
| 6 | 當我們說到機器「理解」到底在說什麼？ | 2019-11-06 18:29:12 |
| 7 | 子字技巧：The Tricks of Subword | 2019-11-05 08:56:01 |
| 8 | T5 模型：NLP Text-to-Text 預訓練模型超大規模探索 | 2019-10-25 11:59:30 |
| 9 | BERT 瘦身之路：Distillation，Quantization，Pruning | 2019-10-16 08:25:27 |
| 10 | SemBERT: BERT 的語意知識增強 | 2019-09-09 23:40:52 |
| 11 | 語言生成：搜尋or 採樣，that is the question | 2019-08-28 20:53:20 |
| 12 | 神經語言生成的非似然訓練 | 2019-08-18 18:54:12 |
| 13 | RoBERTa：高級丹藥煉製記錄 | 2019-08-06 23:27:44 |
| 14 | ERNIE 2.0：芝麻街2.0？ | 2019-08-01 08:49:40 |
| 15 | SpanBert：對Bert 預訓練的深度探索 | 2019-07-30 22:01:48 |
機器學習推薦演算法
| 序號 | 佳作 | 時間 |
|---|
| 1 | WWW2024 | GraphPro: 高效融合圖預訓練與提示微調, 攻克實際動態推薦系統難題 | 2024-03-26 15:29:34 |
| 2 | PixelRec | 大規模短影片封面圖片推薦資料集 | 2024-03-20 14:43:02 |
| 3 | 推薦新範式| 以資料為中心的推薦系統 | 2024-03-08 10:57:27 |
| 4 | LLM-InS: 針對冷啟動物品所推薦的大語言模型互動模擬器 | 2024-03-01 11:24:49 |
| 5 | WSDM2024 | Adapter4Rec: 系統探究適配器微調對於可遷移建議的影響 | 2024-02-28 15:54:00 |
| 6 | WWW2024推薦系統論文整理，包括大模型/跨域/序列/可信推薦等熱門主題 | 2024-02-23 10:16:36 |
| 7 | ICDE2023推薦系統論文整理 | 2024-02-06 10:48:52 |
| 8 | MicroLens | 大規模內容驅動短影片推薦資料集 | 2023-12-29 16:19:06 |
| 9 | AAAI2024推薦系統論文集錦, 包含37篇相關論文及部分開源程式碼 | 2023-12-24 11:50:41 |
| 10 | WWW研討會徵稿| 主題: Recommendation With Generative Models | 2023-12-13 10:05:19 |
| 11 | ICLR2024推薦系統投稿論文一覽 | 2023-11-29 10:23:00 |
| 12 | NeurlPS2023推薦系統論文集錦 | 2023-11-09 09:01:09 |
yanianthe
介紹： 炒股被抄家的前大廠程式設計師@不掉髮就是勝利。 ,你好呀，交個朋友。
| 序號 | 佳作 | 時間 |
|---|
| 1 | 推薦系統工程(11):主流樣本工程方案對比 | 2024-01-13 10:29:53 |
| 2 | ChatGPT使用-成為全端工程師初體驗 | 2023-05-01 17:13:52 |
| 3 | 推薦系統(10):樣本拼接工程實踐 | 2022-12-26 11:31:25 |
| 4 | 推薦系統(9):特徵工程實務與方案總結 | 2022-09-19 18:57:30 |
| 5 | 推薦系統(8):如何建構序列特徵服務 | 2022-05-04 20:18:43 |
| 6 | 推薦系統(7):特徵線上服務設計 | 2022-04-09 18:27:49 |
| 7 | 推薦系統(6): 特徵平台實踐與思考 | 2022-03-30 20:57:57 |
| 8 | 推薦系統(5):粗排工程實務與思考 | 2022-03-02 20:38:07 |
| 9 | 推薦系統(4):萬字長文深入淺出向量檢索技術 | 2022-01-27 18:49:08 |
| 10 | 推薦系統(3):倒排索引在召回的應用 | 2021-12-13 19:28:37 |
| 11 | 推薦系統(2):詳解曝光去重實踐 | 2021-11-28 12:49:39 |
| 12 | 推薦系統(1): 推薦系統架構 | 2021-11-21 14:09:47 |
王峰
介紹： http://happynear.wang/。
| 序號 | 佳作 | 時間 |
|---|
| 1 | 特斯拉端到端示範影片分析 | 2024-03-01 12:45:41 |
| 2 | 遠距離LiDAR感知 | 2024-01-31 23:37:08 |
| 3 | LiDAR R-CNN：快速、通用的二階段3D偵測器 | 2021-04-02 09:46:58 |
| 4 | Label Smoothing分析 | 2020-11-20 17:56:00 |
| 5 | Cross Entropy Regression | 2020-07-15 21:56:23 |
| 6 | 被忽略的Focal Loss變種 | 2019-04-13 17:40:28 |
| 7 | margin的自動化設定 | 2019-04-12 18:44:58 |
| 8 | Softmax理解之margin | 2018-12-17 17:33:03 |
| 9 | Softmax理解之Smooth程度控制 | 2018-12-11 10:22:14 |
| 10 | Softmax理解之二分類與多分類 | 2018-09-26 15:12:44 |
| 11 | 從最優化的角度看待Softmax損失函數 | 2018-09-25 17:06:05 |
| 12 | 人臉辨識資料集的身份重疊問題 | 2017-12-13 14:51:12 |
kaiyuan
| 序號 | 佳作 | 時間 |
|---|
| 1 | 跟Twitter學推薦系統：開源程式碼詳細解讀 | 2023-04-06 10:57:32 |
| 2 | 五萬字綜述！ Prompt-Tuning：深度解讀一種新的微調範式 | 2023-04-02 16:23:31 |
| 3 | 綜述：NLP中的Human in the Loop | 2023-02-20 11:37:36 |
| 4 | KDD'22 | 對比學習+知識蒸餾，Bing搜尋廣告最新利器！ | 2022-09-01 20:40:30 |
| 5 | 電商搜尋全鏈路（PART II）Query理解 | 2022-09-01 20:23:58 |
| 6 | 從各大頂會看對比學習在句子表徵研究進展 | 2022-05-29 13:47:38 |
| 7 | 電商搜尋全連結（一）：Overview | 2022-05-08 20:57:47 |
| 8 | YYDS！對比學習還能這麼用？ | 2022-04-22 11:39:59 |
| 9 | 預訓練新範式！為什麼Prompt會更有效？ | 2022-01-17 21:03:00 |
| 10 | 一篇就夠！資料增強方法綜述 | 2021-12-09 19:33:50 |
| 11 | 繼續！從頂會論文看對比學習的應用！ | 2021-12-03 13:53:18 |
| 12 | 從Sentence-BERT 談句子表徵 | 2021-12-01 17:43:42 |
北冥有魚
介紹： zepengzhang.com。
| 序號 | 佳作 | 時間 |
|---|
| 1 | 【CS224W Lecture 17】Scaling Up Graph Neural Networks | 2021-07-29 20:34:41 |
| 2 | 【CS224W Lecture 16】Advanced Topics in Graph Neural Networks | 2021-07-29 17:12:34 |
| 3 | 【CS224W Lecture 14 & 15】Generative Models for Graphs | 2021-07-28 21:53:07 |
| 4 | 【CS224W Lecture 12 & 13】Subgraph Mining and Community Detection | 2021-07-26 21:41:03 |
| 5 | 【CS224W Lecture 10 & 11】Reasoning over Knowledge Graphs | 2021-07-22 22:02:22 |
| 6 | 【CS224W Lecture 8 & 9】Applications of Graph Neural Networks | 2021-07-21 16:50:43 |
| 7 | 【CS224W Lecture 6 & 7】Graph Neural Networks | 2021-07-21 11:58:12 |
| 8 | 【CS224W Lecture 5】Message Passing and Node Classification | 2021-07-09 10:23:02 |
| 9 | 【CS224W Colab0】Introduction of NetworkX and PyTorch Geometric | 2021-07-08 10:22:25 |
| 10 | 【CS224W Lecture 4】Graph as Matrix: Pagerank, Random walks and Embeddings | 2021-07-07 20:22:06 |
| 11 | 【CS224W Lecture 3】Node Embeddings | 2021-07-04 21:58:07 |
| 12 | 【CS224W Lecture 1 & 2】 圖機器學習導論& 傳統圖機器學習方法 | 2021-06-26 17:22:44 |
九老師
| 序號 | 佳作 | 時間 |
|---|
| 1 | 來新加坡Tiktok一年多了，給各位大佬做個報告 | 2023-10-02 18:10:01 |
| 2 | 所謂技術深度 | 2022-09-10 07:04:02 |
| 3 | 推薦系統-你真的會看AB指標嗎 | 2022-08-28 13:41:53 |
| 4 | 給校招算法同學的幾點建議 | 2022-08-13 12:25:58 |
| 5 | 我在阿里遇到的牛人 | 2021-02-12 14:34:51 |
| 6 | 基於物品的協同過濾i2i--演算法、trick及分散式實現 | 2021-02-12 09:57:15 |
| 7 | faiss-on-mr：推薦系統大規模離線向量檢索工具 | 2021-01-20 14:30:53 |
| 8 | 簡單題與難題邏輯 | 2021-01-06 07:06:11 |
| 9 | 2021年推薦系統相關會議投稿行程 | 2020-11-11 12:13:35 |
| 10 | 網路管理裡面的兩個深坑－手錶定律與責權不一 | 2020-11-07 08:44:17 |
| 11 | Scrapy-Splash爬蟲實戰－爬取JS渲染的動態頁面資訊【附貨幣基金爬取篩選碼】 | 2020-04-17 07:26:52 |
黑貓白貓cutecat
| 序號 | 佳作 | 時間 |
|---|
| 1 | 阿里京東流量端體驗策略之「負回饋」過濾豁免策略 | 2023-02-24 08:39:00 |
| 2 | 什麼是ChatGPT | 2023-02-13 00:02:03 |
| 3 | 推薦系統負回饋-DFN 詳解Deep Feedback Network for Recommendation | 2023-02-07 08:49:24 |
| 4 | 廣告預估：負回饋目標建模 | 2023-01-31 23:33:30 |
| 5 | Multi-Task經典模型結構-MMoE | 2021-10-01 11:15:07 |
| 6 | Multi-Task經典模型結構：全空間多任務模型ESMM | 2021-09-19 10:07:21 |
| 7 | 推薦演算法AutoInt模型：基於multi-head self-attention的特徵高階交叉 | 2021-09-12 11:21:17 |
| 8 | 微軟深度CTR預估模型DeepCrossing：殘差網路適配特性的自動交叉 | 2021-09-05 18:57:09 |
| 9 | 微軟深度CTR預估模型xDeepFM：融合顯式與隱式特徵互動訊息 | 2021-08-26 12:54:34 |
| 10 | 淘寶推薦演算法精排模型BST：Transformer建模使用者行為序列 | 2021-08-25 12:02:42 |
| 11 | Google深度學習CTR預估模型DCN續集：DCN-v2 | 2021-08-20 18:20:16 |
arXivDaily
| 序號 | 佳作 | 時間 |
|---|
| 1 | 電腦視覺與模式辨識學術速遞[2022.12.29] | 2022-12-29 12:11:56 |
| 2 | 自然語言處理學術速遞[2022.12.29] | 2022-12-29 12:08:04 |
| 3 | 人工智慧學術速遞[2022.12.29] | 2022-12-29 12:04:18 |
| 4 | 機器學習學術速遞[2022.12.29] | 2022-12-29 12:00:44 |
| 5 | 語音|音訊處理學術速遞[2022.12.29] | 2022-12-29 11:57:01 |
| 6 | 金融|經濟學術速遞[2022.12.29] | 2022-12-29 11:53:01 |
| 7 | 機器人相關學術速遞[2022.12.29] | 2022-12-29 11:49:30 |
| 8 | 統計學學術速遞[2022.12.29] | 2022-12-29 11:45:48 |
| 9 | 電腦視覺與模式辨識學術速遞[2022.12.27] | 2022-12-27 11:40:26 |
| 10 | 自然語言處理學術速遞[2022.12.27] | 2022-12-27 11:37:13 |
bytecoder
| 序號 | 佳作 | 時間 |
|---|
| 1 | 談一談多目標建模 | 2022-11-13 09:24:05 |
| 2 | 影片搜尋精排滿意度刻畫 | 2022-11-05 11:56:40 |
| 3 | 要做好搜尋體驗是否只要做好相關性就好了 | 2022-10-29 19:26:32 |
| 4 | 談搜尋語意相關性 | 2022-10-25 08:05:29 |
| 5 | 談對比學習對語意召回的作用 | 2022-10-16 20:39:41 |
| 6 | 廣告演算法101 | 2022-10-12 23:49:56 |
| 7 | 語意召回淺析 | 2022-10-07 20:44:50 |
| 8 | 淺談綜合搜尋過程指標 | 2022-10-07 16:47:58 |
| 9 | 像「蘑菇」那樣思考 | 2022-10-07 16:44:16 |
| 10 | 新搜尋的一點個人思考 | 2022-10-07 16:41:36 |
PaperWeekly
介紹： 歡迎關注同名微信公眾號：PaperWeekly,厚積薄發。
| 序號 | 佳作 | 時間 |
|---|
| 1 | 無需偏好數據也能RLHF？騰訊AI Lab提出對抗式偏好對齊方法 | 2023-12-01 20:46:52 |
| 2 | 全獎博士招生| 香港科技大學（廣州）李昊昂老師招收電腦視覺方向全獎博士/RA/實習生 | 2023-11-24 12:20:07 |
| 3 | COLING 2022 | 清華美團提出DABERT：針對配對任務的雙通道注意力增強預訓練模型 | 2022-11-09 14:48:25 |
| 4 | 擴散模型初探：原理與應用 | 2022-11-04 12:06:03 |
| 5 | 復旦大學邱錫鵬群：CNN-NER－極為簡單有效的嵌套命名實體辨識方法 | 2022-09-19 10:00:27 |
| 6 | TPAMI 2022 | 上海交大張拳石組：知識蒸餾為何有效？因為有老師會劃“重點” | 2022-09-15 11:27:23 |
| 7 | 神奇的大學習率：多大才算大，神奇的效用又為何？ | 2022-09-09 16:11:04 |
| 8 | ECCV 2022 | 港中文MMLab：基於Transformer的光流 | 2022-09-05 10:38:27 |
| 9 | P-tuning：自動建構模版，釋放語言模型潛能 | 2021-04-12 11:52:33 |
網路人工智慧園地
介紹： 華為網路AI平台(NAIE)官方帳號,公眾號：網路人工智慧園地官網：http://www.hwtelcloud.com 微訊號：NAIE666。
| 序號 | 佳作 | 時間 |
|---|
| 1 | 2020 AIIA杯人工智慧5G網路應用大賽KPI異常偵測冠軍團隊方案分享 | 2020-12-30 14:12:37 |
| 2 | GDE全球開發者競賽-KPI異常偵測優秀獎方案(Excavator) | 2020-12-07 19:05:25 |
| 3 | GDE全球開發者大賽-KPI異常檢測三等獎方案(復仇者聯盟) | 2020-12-06 20:16:46 |
| 4 | GDE全球開發者競賽-KPI異常檢測二等獎方案(sh) | 2020-12-04 09:04:07 |
| 5 | GDE全球開發者競賽-KPI異常檢測第一名方案 | 2020-12-03 09:28:38 |
| 6 | 第一屆無線大數據競賽：華為賽道-無線網路智慧定位賽第一名得獎心得 | 2020-09-18 11:24:43 |
| 7 | 2020深圳開放資料應用創新比賽生活垃圾圖片分類冠軍方案分享 | 2020-07-31 20:39:58 |
| 8 | 2020海華AI挑戰賽·垃圾分類技術小組第一名方案分享 | 2020-06-08 20:01:21 |
| 9 | 2020海華AI挑戰賽·垃圾分類技術組第三名方案分享 | 2020-06-04 09:01:51 |
小潄
| 序號 | 佳作 | 時間 |
|---|
| 1 | 如何在工業界優化點擊率預估:（一）開篇 | 2022-04-11 00:05:40 |
| 2 | 如何在工業界優化點擊率預估:（二）樣本 | 2022-04-11 00:00:39 |
| 3 | 如何在工業界優化點擊率預估:（三）特徵 | 2022-04-10 23:59:55 |
| 4 | 如何在工業界優化點擊率預估:（四）興趣|序列建模 | 2022-04-10 23:59:07 |
| 5 | 如何在工業界優化點擊率預估:（五）特徵交叉建模 | 2022-04-10 23:58:33 |
| 6 | 如何在工業界優化點擊率預估:（六）多場景建模 | 2022-04-10 23:57:56 |
| 7 | 如何在工業界優化點擊率預估:（七）圖建模與預訓練 | 2022-04-10 23:57:04 |
| 8 | 如何在工業界優化點擊率預估:（八）Debias&Loss&校準 | 2022-04-10 23:56:18 |
| 9 | 如何在工業界優化點擊率預估:（九）整合學習&模型壓縮 | 2022-04-10 22:58:45 |
阿澤
介紹： 公眾號：阿澤的學習筆記,程式攝影師愛健身高顏值五迷暖男廚神都是假的
學習知識主要是為了愉悅自己的大腦，其次才是讓自己生存。 。
| 序號 | 佳作 | 時間 |
|---|
| 1 | 【DL】資料規範化：你確定了解我嗎？ | 2020-06-29 22:28:33 |
| 2 | 【DL】參數初始化：你真的了解我嗎？ | 2020-06-13 11:09:06 |
| 3 | 【Code】關於GCN，我有三種寫法 | 2020-05-09 21:43:49 |
| 4 | 【GNN】萬字長文帶你去入門GCN | 2020-03-29 17:53:41 |
| 5 | 【機器學習】決策樹（下）－XGBoost、LightGBM（非常詳細） | 2019-11-01 20:32:24 |
| 6 | 【機器學習】決策樹（中）－Random Forest、Adaboost、GBDT （非常詳細） | 2019-10-20 22:15:28 |
| 7 | 【機器學習】決策樹（上）－ID3、C4.5、CART（非常詳細） | 2019-10-09 11:21:37 |
朱小強
介紹： 技術探險者,正在開啟新的旅程。 。
| 序號 | 佳作 | 時間 |
|---|
| 1 | 屠龍少年與龍：漫談深度學習驅動的廣告推薦科技發展週期 | 2021-08-09 22:55:57 |
| 2 | 你真的懂點擊率(CTR)建模嗎？ | 2021-05-13 20:58:53 |
| 3 | 算力經濟時代：阿里展示廣告引擎的"柔性"變形之路 | 2020-12-30 17:59:02 |
| 4 | 《深度學習推薦系統》序言電子版 | 2020-04-28 22:23:31 |
| 5 | 阿里核心廣告技術團隊-大規模社招 | 2020-04-27 20:28:50 |
| 6 | KDD workshop徵文：第一屆高維度稀疏資料的深度學習實踐國際研討會 | 2019-04-04 18:24:46 |
| 7 | 鑲嵌在網路技術上的明珠：漫談深度學習時代點擊率預估技術進展 | 2019-01-14 20:23:53 |
Aston Zhang
介紹： 《動手學習深度學習》 https://zh.d2l.ai,
| 序號 | 佳作 | 時間 |
|---|
| 1 | 守得雲開見月明－《動手學習深度學習（PyTorch版）》終於出版 | 2023-02-09 11:47:48 |
| 2 | 《動手學習深度學習》中文版2.0beta版發售！ | 2021-12-09 08:04:57 |
| 3 | 《動手做深度學習》英文版Dive into Deep Learning 預覽版（v0.7）發布 | 2020-01-09 08:22:17 |
| 4 | [更新影片]《動手學習深度學習》番外篇：注意力機制概述 | 2019-06-27 15:38:56 |
| 5 | [第一季結束] 第十九課：應用seq2seq與注意力機制：機器翻譯 | 2018-02-09 11:29:13 |
| 6 | 第十八課：seq2seq（編碼器和解碼器）與注意力機制 | 2018-02-03 01:57:31 |
其它
| 序號 | 佳作 | 作者 | 時間 |
|---|
| 1 | #PaperCarrier | LPD-GCN：具有圖上下文感知節點表示的保留局部性密集圖卷積網絡 | 萌醬還是萌萌子 | 2020-10-14 16:38:00 |
| 2 | 盤點| AAAI2020中的四篇推薦系統好文 | 萌醬還是萌萌子 | 2020-10-09 18:29:09 |
| 3 | 圍觀RecSys2020 | 推薦系統頂會說了啥？ (附論文下載) | 萌醬還是萌萌子 | 2020-09-28 20:14:54 |
| 4 | #PaperCarrier | 半監督的遷移協同過濾推薦 | 萌醬還是萌萌子 | 2020-09-21 23:47:20 |
| 5 | #PaperCarrier | 基於圖卷積的價格感知推薦 | 萌醬還是萌萌子 | 2020-09-20 15:42:58 |
| 6 | 多語言預訓練模型研究（持續更新，23-2-19updated） | 王大可 | 2023-02-19 00:47:59 |
| 7 | 從BERT到23年間的NLP預訓練模型（最近2-19更新） | 王大可 | 2023-02-19 00:47:08 |
| 8 | 知識圖譜之同義詞近義詞query擴展挖掘 | 王大可 | 2023-02-16 01:40:24 |
| 9 | 知識圖譜及圖譜建構(持續update 23-02-08) | 王大可 | 2023-02-07 01:31:54 |
| 10 | 知識圖譜及(多模態)實體連結的定義與進展 | 王大可 | 2023-02-05 01:48:16 |
| 11 | 【lightgbm/xgboost/nn程式碼整理四】pytorch做二分類，多分類以及回歸任務 | QLMX | 2019-08-29 23:10:19 |
| 12 | 【lightgbm/xgboost/nn程式碼整理三】keras做二分類，多分類以及迴歸任務 | QLMX | 2019-08-22 23:36:15 |
| 13 | 【lightgbm/xgboost/nn程式碼整理二】xgboost做二分類，多分類以及迴歸任務 | QLMX | 2019-08-19 12:23:06 |
| 14 | 【lightgbm/xgboost/nn程式碼整理一】lightgbm做二分類，多分類以及迴歸任務 | QLMX | 2019-08-04 17:34:35 |
| 15 | 第四屆拍拍貸魔鏡杯冠軍方案分享 | QLMX | 2019-07-25 20:04:36 |
| 16 | CornerNet演算法解讀 | 逍遙王可愛 | 2018-12-27 11:06:57 |
| 17 | 超詳細的Yolo檢測框預測分析 | 逍遙王可愛 | 2018-11-15 22:15:55 |
| 18 | RefineDet詳細介紹 | 逍遙王可愛 | 2018-11-15 20:35:38 |
| 19 | Focal loss論文詳解 | 逍遙王可愛 | 2018-11-15 20:01:51 |
| 20 | BAT演算法面試該如何準備？履歷+Coding+話術指南 | Luke | 2020-03-25 18:35:44 |
| 21 | Kaggle TensorFlow 2.0 Question Answering 21個複盤總結 | Luke | 2020-01-29 12:28:12 |
| 22 | 深入理解NLP Subword演算法：BPE、WordPiece、ULM | Luke | 2019-10-16 14:30:52 |
| 23 | Kaggle首戰Top 2%, APTOS 2019複盤總結+機器學習競賽通用流程歸納 | Luke | 2019-09-08 17:56:13 |
| 24 | CIKM2020|京東DMT模型：電商推薦系統以多個Transformers 進行多目標學習 | Upper | 2020-11-02 22:31:25 |
| 25 | 推薦演算法最前線|ACM RecSys2020推薦系統論文一覽 | Upper | 2020-10-20 21:17:40 |
| 26 | NeurIPS 2020|京東基於卡爾曼濾波的注意力機制—廣告點擊率預估中的使用者行為建模（下） | Upper | 2020-10-18 10:48:19 |
| 27 | 2021電子科技大學圖推薦最新綜述！ | 郭達森 | 2021-09-21 19:39:18 |
| 28 | 最新SIGIR2021論文錄取名單！ | 郭達森 | 2021-04-28 10:51:05 |
| 29 | Benchmarking Recommendation | 郭達森 | 2020-10-18 19:20:51 |
| 30 | 【TensorFlow實作機器學習方法】KNN（K近鄰演算法）實現預測房屋價格 | AI蝸牛車 | 2020-02-08 10:42:37 |
| 31 | 【資源分享】對於時間序列，你所能做的一切. | AI蝸牛車 | 2020-01-05 15:29:48 |
| 32 | 【Deep Learning】詳細解讀LSTM與GRU單元的各個公式與區別 | AI蝸牛車 | 2019-09-13 12:57:12 |
| 33 | 《推薦系統》系列之十一：以使用者為中心的對話推薦系統 | 朱勇椿 | 2022-05-13 22:53:10 |
| 34 | 多視圖多行為對比學習推薦系統 | 朱勇椿 | 2022-03-22 11:02:34 |
| 35 | WWW2022推薦系統、計算廣告論文總結 | 朱勇椿 | 2022-02-28 11:37:09 |
| 36 | DSIN 深度Session 興趣網路介紹及原始碼剖析 | 珍妮的選擇 | 2021-01-07 08:23:15 |
| 37 | FM 演算法介紹以及libFM 原始碼簡析 | 珍妮的選擇 | 2020-12-22 23:51:24 |
| 38 | DIN 深度興趣網路介紹以及原始碼淺析 | 珍妮的選擇 | 2020-12-20 11:51:31 |
| 39 | fastSum: 一款開源的文字摘要工具包 | 邱錫鵬 | 2021-06-14 21:17:02 |
| 40 | 如何簡單且有效率地加速基於BERT的序列標註模型？細粒度早退機制可能會優於模型蒸餾 | 邱錫鵬 | 2021-06-11 18:31:19 |
| 41 | 推薦系統之Position-Bias建模 | billlee | 2020-11-25 18:03:39 |
| 42 | 推薦系統之多目標優化小結 | billlee | 2020-11-18 21:04:21 |
| 43 | 全稀疏的3D物件偵測器 | 明月不譫離苦 | 2022-11-13 20:58:42 |
| 44 | SST：單步長稀疏Transformer 3D物件偵測器 | 明月不譫離苦 | 2022-03-08 19:21:46 |
| 45 | 有沒有二代徵信報告樣本，產品解讀雙報告？ | FAL金科應用研究院 | 2020-02-04 17:43:50 |
| 46 | FSTQPD逾期指標如何運用於策略與模型 | FAL金科應用研究院 | 2019-11-29 15:40:42 |
| 47 | CTR/推薦系統踩坑和經驗類文章總結 | 烏克蘭老司機 | 2022-06-21 21:44:44 |
| 48 | CTR/推薦系統冷啟動Exploitation & Exploration文章總表 | 烏克蘭老司機 | 2022-06-19 23:43:28 |
| 49 | 科大訊飛工程機械核心零件壽命預測挑戰賽冠軍分享 | 大風君heart | 2019-11-30 18:30:59 |
| 50 | （目前TOP1 baseline分享）科大訊飛工程機械核心零件壽命預測挑戰賽 | 大風君heart | 2019-07-13 18:27:04 |
| 51 | 電商搜尋query-database | 王盛玉 | 2020-03-14 23:34:56 |
| 52 | 淺談電商類目預測 | 王盛玉 | 2019-11-08 19:39:36 |
| 53 | 【知識圖譜】實體連結：一份「由淺入深」的綜述 | Nicolas | 2019-12-30 19:55:43 |
| 54 | 【煉丹技巧】功守道：NLP中的對抗訓練+ PyTorch實現 | Nicolas | 2019-11-11 16:20:19 |
| 55 | 用於語言產生的資料相關高斯先驗目標函數 | Jsgfery | 2020-01-24 15:30:58 |
| 56 | Encoding Word Order in Complex Embeddings | Jsgfery | 2019-12-22 14:25:28 |
| 57 | 圖片修補EdgeConnect 論文的閱讀與翻譯：產生邊緣輪廓先驗，再填補缺失內容 | 曾伊言 | 2019-02-20 17:12:32 |
| 58 | CycleGAN論文的閱讀與翻譯，無監督風格遷移 | 曾伊言 | 2018-10-25 16:35:43 |
| 59 | 文章索引：視覺、文字表徵和大模型 | 菜人捲 | 2024-03-24 18:42:00 |
| 60 | 一文看完多模態：從視覺表徵到多模態大模型 | 菜人捲 | 2024-02-29 09:45:28 |
| 61 | NLP實驗之新詞挖掘+預訓練模型繼續預訓練，打造適應任務的PTM | 周俊賢 | 2021-09-27 08:31:38 |
| 62 | NLP系列之論文研讀：P-tuning，自動尋找prompt，進一步激發預訓練潛能 | 周俊賢 | 2021-06-30 16:47:43 |
| 63 | 華為、人大、清華和港中文聯合發布推薦系統的Benchmark | 推薦與廣告 | 2021-09-21 12:54:26 |
| 64 | KDD|2021 推薦系統中不使用嵌入表的方式獲得類別特徵的表徵 | 推薦與廣告 | 2021-08-15 22:17:23 |
| 65 | 【Graph Neural Network】GraphSAGE: 演算法原理，實作與應用 | 淺夢 | 2019-08-24 21:15:14 |
| 66 | 【Graph Neural Network】GCN: 演算法原理，實作與應用 | 淺夢 | 2019-08-17 23:37:48 |
| 67 | [召回|CIKM2021|ByteDance]位元組跳動深度召回模型論文精讀(Deep Retrieval) | 傑尼小子 | 2021-12-01 22:55:23 |
| 68 | [召回|CIKM2019|阿里巴巴]天貓基於動態路由的用戶多興趣建模(MIND) | 傑尼小子 | 2021-11-29 20:06:30 |
| 69 | ICDE 2023 論文解讀| DCMT：基於因果糾偏的直接全空間多任務轉換率預測模型 | Feng Zhu | 2023-03-02 19:20:04 |
| 70 | 論文解讀系列第十六篇：IJCAI 2021--跨域推薦（Cross-Domain Recommendation）的最新綜述 | Feng Zhu | 2021-05-10 17:02:02 |
| 71 | 以正合，以奇勝—— 搜推廣工程師捲出新高度直播預告二 | 演算法阿科 | 2022-01-07 01:43:24 |
| 72 | 淺談行為序列建模 | 沒什麼大不了 | 2021-10-15 17:52:22 |
| 73 | 肯德基、江小白和西貝莜面村都犯的錯，你不用重蹈覆轍！ | 陳尚斌Sean | 2018-11-29 14:34:23 |
| 74 | 一年級演算法工程師的工作總結 | shane miao | 2021-04-05 21:07:24 |
| 75 | CCF2019乘用車細分市場銷售預測-baseline分享 | 厚切烤五花 | 2019-09-16 22:58:43 |
| 76 | 經典推薦演算法學習（九）| 主流深度推薦模型演化（下）| 從DIN、DIEN到MIMN、SIM | 附DIN、DIEN TensorFlow程式碼實現 | 秋雨淅淅l | 2021-11-01 21:42:50 |
| 77 | NeurIPS'22 Oral|基於無目標後門浮水印的無害資料集版權保護 | GeorgeLee | 2022-12-12 15:55:20 |
| 78 | 【頂會論文】推薦系統冷啟動專題 | 武俠超人 | 2021-06-28 19:48:22 |
| 79 | 第四屆拍拍貸魔鏡杯季軍方案分享 | zzz333 | 2019-07-26 09:50:02 |
| 80 | 搜尋引擎技術（1）：Overview | Shusen Wang | 2023-04-22 20:46:10 |
| 81 | 一文梳理DPR(Dense Passage Retrieval)的發展 | Executedone | 2022-08-31 11:23:09 |
| 82 | 全球數據競賽平台匯總 | 王大溪 | 2019-03-29 16:07:05 |
| 83 | 流水的NLP鐵打的NER：命名實體識別實踐與探索 | 王岳王院長 | 2020-08-06 13:42:42 |
| 84 | 曾被嫌棄的預訓練任務NSP，做出了優秀的Zero Shot效果 | 蘇劍林 | 2021-09-17 17:31:05 |
| 85 | 蘑菇街自研服務架構如何提升線上推理效率？ | fdl ws | 2019-12-20 19:29:02 |
| 86 | 知識蒸餾與推薦系統 | 涼爽的安迪 | 2020-08-05 16:13:01 |
| 87 | 從200多篇頂會論文看推薦系統前沿方向與最新進展 | AI Box專欄 | 2021-04-01 14:57:18 |
| 88 | 演算法工程師的術與道：從特徵工程談資料敏感性 | 包包大人 | 2020-12-09 23:42:34 |
| 89 | 擴散模型在文本生成領域的應用 | 中森 | 2022-10-10 23:38:20 |
| 90 | SIGIR21-自動消除搜尋推薦排序bias：ALL you need is AutoDebias | 曾冠奇 | 2021-05-26 20:41:38 |
| 91 | 圖神經網路16-DGL實戰：圖、節點和邊創建與運算 | 致Great | 2021-06-20 16:40:57 |
| 92 | 2021-ACL論文：問答檢索方向論文整理 | 捏太陽 | 2021-07-15 11:59:47 |
| 93 | 推薦系統實用分析技巧 | 奈米醬 | 2020-08-20 23:22:32 |
| 94 | 消費者族群畫像-信用智能評分Top1 | 大野人007 | 2019-05-16 15:09:49 |
| 95 | 千元內玩雙動鐵？雙麥降噪小鋼蛋魔浪O7藍牙TWS耳機實測 | 眼鏡哥玩數碼 | 2019-11-25 14:25:41 |
| 96 | GPT-3最強的落地方式？陳丹琦提出小樣本微調框架LM-BFF，比普通微調提升11%～ | JayJay | 2021-01-04 20:46:50 |
| 97 | 在需求氾濫的當下，如何運用儀式感拯救我們的品牌價值？ | 尼克 | 2018-01-19 09:54:23 |
| 98 | 百度鳳巢之分散式層次GPU參數伺服器架構 | 張雨石 | 2020-03-22 12:02:57 |
| 99 | BLIP2：下一代多模態模型的雛形 | 竹鼠商人 | 2023-02-15 10:54:27 |
| 100 | Elasticsearch心智圖 | 易顯維 | 2021-11-05 11:25:34 |
| 101 | GluonCV 0.3: 超越經典 | 謝流遠 | 2018-10-17 08:10:40 |
| 102 | KDD'22|天級更新超越即時？看Pinterest另闢蹊徑做用戶長期興趣建模 | 裴叁拾 | 2022-09-14 01:11:24 |
| 103 | CCF BDCI 乘用車銷售預測冠軍方案 | 樓觀白樓 | 2019-12-23 16:57:50 |
| 104 | 搜推廣之多場景建模論文總結分享 | 積極廢人 | 2023-02-23 18:52:17 |
| 105 | 聊聊多模態大模型 | Peter | 2023-11-12 22:06:52 |
| 106 | CIKM20-MiNet：阿里|跨域點擊率預估混合興趣模型 | 李嘉圖 | 2020-09-08 08:51:42 |
| 107 | 推薦系統| 近20年引用量超過1000的52篇經典論文 | 深藍學院 | 2020-08-14 11:09:03 |
| 108 | ICLR 2022圖學習領域都在研究什麼？ Open Review投稿文章一覽 | 唐今裡 | 2021-10-09 22:29:37 |
| 109 | Improving Factual Consistency of Abstractive Summarization via Question Answering | xsgddsg | 2021-06-29 22:31:26 |
| 110 | 20220922推薦小記－推薦系統中如何對時長、完播等目標做多目標建模 | 口天吳 | 2022-09-22 22:31:24 |
| 111 | NeurIPS22 spotlight｜大圖上的節點級Transformer | Qitian | 2022-11-27 13:31:06 |
| 112 | 【讀文獻】強化學習優化推薦系統長期效益 | 陽光明媚 | 2021-05-28 19:42:19 |
| 113 | 阿里天池安泰盃－跨境電商智慧演算法競賽資料分析與視覺化 | rain | 2019-07-22 16:03:42 |
| 114 | 2019-CCF乘用車細分市場銷售預測-Rank19 | Salon sai | 2019-11-26 23:04:15 |
| 115 | 【五】知乎獨家發布| 標籤系統：大數據的典型應用 | 磊叔-數據化運營 | 2018-12-18 20:10:28 |
| 116 | 深度學習技術在社會化推薦的應用 | 小應同學 | 2020-08-21 18:06:06 |
| 117 | Attention Is All You Need | Magic | 2020-04-25 15:44:28 |
| 118 | 圖網的開疆拓土－如何在非圖結構資料上應用GNN | 張章 | 2020-01-14 00:38:07 |
| 119 | 第二屆騰訊廣告演算法比賽總結（Rank 9） | 啊黎 | 2018-06-26 13:23:27 |
| 120 | 【已重新開源】CLIP的中文副本？說不定有驚喜呢 | 霜清老人 | 2022-07-09 00:10:36 |
| 121 | 首篇-More than NLP | paiisall | 2021-07-18 13:37:00 |
| 122 | 細思極恐，我的kaggle比賽uspppm的程式碼被第三方平台洩漏抄襲了。 | 知乎用戶MYp8Kg | 2022-07-18 15:51:21 |
| 123 | 《DialogueRNN》 閱讀筆記 | weiss | 2019-06-10 09:29:08 |
| 124 | ICLR 2023：環境標籤平滑，一行程式碼提升對抗學習穩定性/泛化性 | yearn | 2023-02-02 22:35:14 |
| 125 | 資料探勘建模前快速對資料進行全域EDA分析 | 小白Lan | 2021-03-16 11:01:29 |
| 126 | CIKM2021｜工業推薦論文集錦 | 潛心 | 2021-10-18 21:01:18 |
| 127 | transformers在ctr中的應用 | 演算法一隻狗 | 2021-02-05 16:52:22 |
| 128 | 阿里DMR：融合了匹配思想的深度排序模型-Deep Match to Rank | 陳阿土 | 2020-07-23 15:42:24 |
| 129 | 粗排階段表現與效率的權衡：基於可學習特徵選擇的方法 | majs | 2021-11-02 18:18:31 |
| 130 | 也說澳門和香港的不同點 | 大豆 | 2018-09-27 15:39:35 |
| 131 | CCF-2020 路況狀態時空預測Top15 | Jarvis | 2021-01-05 20:12:04 |
| 132 | EMNLP2021論文集發布&上岸群交流 | 憶臻 | 2021-11-05 09:29:59 |
| 133 | 基於Kubeflow的分散式機器學習平台實戰 | 無痕 | 2019-01-30 11:59:09 |
| 134 | 開源知識圖譜整理 | 霍華德 | 2022-05-06 18:21:11 |
| 135 | 3倍加速CPU上的BERT模型部署 | 沈海晨 | 2020-07-13 10:18:17 |
| 136 | 2021年，Pre-train+finetune還是「新」範式嗎？乘風破浪的Prompt-base methods | Timothyxxx | 2021-07-21 01:18:40 |
| 137 | ACM MM'2022 | 首個針對跨語言跨模態檢索的雜訊穩健研究工作 | 李加貝 | 2022-10-13 15:39:42 |
| 138 | 信貸業務風控指標體系 | 雪小梨 | 2019-12-02 19:59:09 |
| 139 | 剛打造的小生態NLG4RS：基於推薦系統的自然語言生成 | Lei Li | 2022-02-19 12:50:39 |
| 140 | 新手入門Kaggle NLP類比賽總結 | jiazhuamh | 2020-02-29 22:22:56 |
| 141 | 數據科學競賽：你從未見過的究極進化秘笈 | 大衛的小屋 | 2020-07-03 11:30:10 |
| 142 | 2018騰訊廣告演算法比賽Top10-特徵工程 | 流光 | 2018-07-24 20:47:55 |
| 143 | 基於協同過濾的推薦演算法綜述 | 包予 | 2020-12-21 23:15:49 |
| 144 | 逾期率的計算秘密 | 胡靜媛 | 2019-12-10 17:35:33 |
| 145 | 【僅需國中數學程度】全網第一個極簡神經網路模型推導 | 我去啊先生 | 2020-04-11 02:26:53 |
| 146 | 金融NLP需求落地實務總結－使用T5-Pegasus做一句話摘要 | 邱震宇 | 2021-09-23 15:58:54 |
| 147 | CCF BDCI 乘用車銷售預測TOP3開源 | 莫笑傅立葉 | 2019-12-21 17:11:45 |
| 148 | TheWebConf 2022-GNNpaper reading1 | 水dong方塊 | 2022-08-08 20:40:25 |
| 149 | 智慧風控築基手冊：全面了解風控指標體系 | 正陽 | 2020-04-25 15:48:05 |
| 150 | NLP預訓練模型（2021版） | 王三火 | 2021-10-09 23:22:01 |
亞馬遜
| 序號 | 佳作 |
|---|
| 1 | 演算法如何高效表達圖計算？亞馬遜雲端科技DGL 圖學習平台介紹 |
| 2 | 亞馬遜暢銷書的NLP 分析——推薦系統、評論分類和主題建模 |
| 3 | 我在亞馬遜學到的三樣東西，為我的機器學習職業之路做好了準備 |
蘇寧
| 序號 | 佳作 |
|---|
| 1 | 蘇寧11.11：一種基於神經網路的智慧商品稅分類系統 |
| 2 | 蘇寧11.11 ：蘇寧大數據離線任務開發調度平台實踐 |
| 3 | 蘇寧11.11：蘇寧易購訂單搜尋系統架構及實現 |
| 4 | 蘇寧11.11：搜尋引擎Solr 在蘇寧易購商品評估系統的應用 |
| 5 | 蘇寧11.11：倉庫內多AGV 協作的全域路徑規劃演算法研究 |
丁香園
| 序號 | 佳作 |
|---|
| 1 | 丁香園大數據基於Apache Kyuubi / Celeborn 的實踐 |
| 2 | 丁香園技術｜我們為海量公開問診數據產生了標題—— NLG 的醫療健康科普實踐 |
| 3 | 丁香園技術｜海量公開問診資料產生標題－ NLG 的醫療健康科普實踐 |
| 4 | 丁香園技術｜從文字配對到語意相關－新聞相似度計算的一般思路 |
| 5 | 丁香園| 電商搜尋的語意理解問題 |
| 6 | 丁香園基於Milvus 的向量召回應用 |
| 7 | 丁香園| 圖表示學習實踐與思考 |
| 8 | 丁香園| 搜尋中的Query 擴展技術（二） |
作業幫
| 序號 | 佳作 |
|---|
| 1 | 複雜場景下作業幫的深度學習模型部署實踐 |
| 2 | BERT 能否被「平替」？作業幫文字分類場景下的一次嘗試 |
| 3 | 作業幫基於Apache Doris 的數倉實踐 |
| 4 | 【演算法面經系列】百度、寒武紀、科大訊飛、追一科技、騰訊、作業幫演算法面經 |
VIVO
| 序號 | 佳作 |
|---|
| 1 | 2021 年11 月初，VIVO & 地平線視覺工程師面經 |
OPPO
| 序號 | 佳作 |
|---|
| 1 | 演算法&大數據如何賦能？ OPPO推薦領域降本增效指南 |
| 2 | OPPO 廣告回憶演算法實踐與探索 |
| 3 | OPPO基於圖神經網路的搜尋推薦演算法與實踐 |
| 4 | OPPO基於大模型與知識圖譜的技術實踐探索 |
| 5 | OPPO 端雲協同機器學習平台StarFire 技術實踐 |
| 6 | 低延時音視訊技術在OPPO雲渲染場景的應用 |
| 7 | 多模態預訓練技術在OPPO 的應用 |
| 8 | OPPO 對話式AI 助手小布演進之路 |
| 9 | OPPO 即時運算平台基於雲端原生的作業彈性伸縮設計與實踐 |
| 10 | 自動化AutoML 工具Pluto 在OPPO 的典型應用 |
| 11 | OPPO 技術| 基於ark 框架實作建議策略jar 包熱更新 |
| 12 | 李向林：OPPO 自研大規模知識圖譜及其在小布助手的應用 |
| 13 | 邱盛昌：OPPO 商業化資料體系建構實戰 |
| 14 | OPPO 唐黎：零代碼技能平台技術實踐探索！ |
| 15 | OPPO | 小布助手閒聊生成式演算法 |
| 16 | OPPO 數智技術| 大數據SQL 優化之資料傾斜解決案例全集 |
| 17 | OPPO 小布助手演算法系統探索、實踐與思考 |
| 18 | OPPO 大數據離線運算平台架構演進 |
| 19 | OPPO 資料湖統一儲存技術實踐 |
| 20 | OPPO | 統一預估引擎的設計與實現 |
| 21 | OPPO 在A/B 實驗分析平台的建置與實踐 |
58同城
| 序號 | 佳作 |
|---|
| 1 | 58 大數據任務調度與智慧維運實踐 |
| 2 | 【乾貨篇】58 同城：視覺定位技術在室內VR 的應用（附影片回放+PPT 下載） |
| 3 | 圖譜實戰| 58 同城週超：基於招募場景下的知識圖譜建構及應用 |
| 4 | 58 同城| 商業資料倉儲建置實踐 |
| 5 | 58 同城AI 演算法平台的演進與實踐 |
知乎
| 序號 | 佳作 |
|---|
| 1 | 知乎埋點平台建置升級 |
| 2 | Flink 即時運算平台在知乎的演進 |
| 3 | 基於Doris 的知乎DMP 系統架構與實踐 |
| 4 | 知乎Flink 資料整合平台建置實踐 |
| 5 | 知乎搜尋排序模型的演進 |
| 6 | 知乎| 搜尋文本相關性與知識蒸餾 |
| 7 | Query 理解和語意回想在知乎搜尋中的應用 |
| 8 | 用Flink 取代Spark Streaming，知乎即時數倉架構演進 |
| 9 | 58 技術沙龍－雲搜知乎58 同城搜尋架構 |
| 10 | 「回顧」知乎推薦頁Ranking 經驗分享 |
| 11 | 【轉自知乎】當下（2018 年）騰訊的技術建設是否處於落後同體量公司的狀態？ |
| 12 | AIQ - 架構| 知乎服務化的實踐與思考 |
| 13 | AIQ - 深度| 知乎高讚：久居一線城市有什麼錯覺？ |
| 14 | 知乎高贊：家裡在一二線城市有很多套房是怎麼的一種體驗？答案太顛覆 |
貝殼找房
| 序號 | 佳作 |
|---|
| 1 | 方陽：貝殼找房推理服務MLOPS 實踐 |
| 2 | 貝殼找房智慧投放技術實踐 |
| 3 | 王志勇：貝殼找房CVR 轉換率預估模型實踐 |
| 4 | 貝殼找房子| Flink 維運體系在貝殼的實踐 |
| 5 | 貝殼找房| 人機耦合在貝殼新居住服務的應用 |
| 6 | 貝殼找房子| 端到端模型在貝殼經紀人流失預警場景的實踐 |
| 7 | 貝殼找房| 基於事理圖譜的應用與實踐 |
| 8 | 貝殼找房一站式大數據開發平台實踐 |
| 9 | 貝殼找房基於Druid 的OLAP 引擎應用實踐 |
| 10 | 貝殼找房DMP 平台建置實踐 |
| 11 | 貝殼找房子| 複雜訂閱條件下，如何即時且準確的向用戶推送新上房源？ |
| 12 | 貝殼找房| 基於Milvus 的向量搜尋實作（三） |
| 13 | 貝殼找房| 基於Milvus 的向量搜尋實作（二） |
| 14 | 貝殼找房| 商業化演算法中台架構實踐 |
| 15 | 貝殼找房| 基於Milvus 的向量搜尋實作（一） |
| 16 | 貝殼找房| 以AI 技術為導向的貝殼OLAP 平台架構演進 |
| 17 | 貝殼找房| 面向AI 技術的貝殼一站式大數據開發平台實踐 |
| 18 | 貝殼找房| 面向AI 技術的貝殼智慧推薦平台建置實踐 |
| 19 | 資料增強在貝殼找房文字分類的應用 |
| 20 | 貝殼找房| 基於內容熱度的推薦 |
| 21 | 貝殼找房子| 降本提效，貝殼搜尋推薦架構統一之路 |
| 22 | 貝殼找房|【知識圖譜系列】開篇：基於KBQA 的經紀人諮詢助手 |
| 23 | 貝殼找房| Thrift 中TNonblockingServer 工作流程解析 |
| 24 | 【深度語意配對模型】實踐篇：語意配對在貝殼找房智慧客服的應用 |
| 25 | 貝殼找房【深度語意配對模型】原理篇二：交互篇 |
| 26 | 貝殼找房【深度語意配對模型】原理篇一：表示型 |
| 27 | 貝殼找房【語言模型系列】實踐篇：ALBERT 在房產領域的實踐 |
| 28 | 貝殼找房—置信度計算在語音辨識系統的應用 |
| 29 | 貝殼找房【語言模型系列】原理篇二：從ELMo 到ALBERT |
| 30 | 貝殼找房子—【圖片資料庫系列】Dgraph 原理篇 |
| 31 | 貝殼找房—【圖資料庫系列】Dgraph 簡介篇 |
| 32 | 貝殼找房—【圖資料庫系列】之JanusGraph VS Dgraph：貝殼分散式圖資料庫技術選型之路 |
| 33 | 貝殼找房【語言模型系列】原理篇一：從one-hot 到Word2vec |
| 34 | 【貝殼找房】關係圖譜在貝殼的建構與應用 |
| 35 | 貝殼找房子一鏡到底：FM 們的原理及在貝殼搜尋的實踐 |
| 36 | 【貝殼找房】貝殼搜尋平台即時流整體架構設計 |
| 37 | 【貝殼找房】讀「懂」用戶找房需求：貝殼語意解析技術實踐 |
| 38 | 回顧·知識圖譜在貝殼找房的從0 到1 實踐 |
| 39 | 回顧·HBase 在貝殼找房子的實務經驗 |
第四範式
| 序號 | 佳作 |
|---|
| 1 | 第四範式｜如何選擇架構中的底層工具？ |
| 2 | 第四範式| OpenMLDB：線上線下一致的生產級特徵計算平台 |
| 3 | 知識圖譜在第四範式金融場景的應用與研究 |
| 4 | 第四範式| 如何建構一個好的電商搜尋引擎？ |
| 5 | 第四範式| 推薦系統架構治理 |
| 6 | 第四範式| 基於Spark 的大規模推薦系統特徵工程 |
明略科技
| 序號 | 佳作 |
|---|
| 1 | 2021 年6 月底，明略科技演算法職缺7 篇面試題分享 |
餓了麼
| 序號 | 佳作 |
|---|
| 1 | 「回顧」餓了麼推薦演算法演進及線上學習實踐 |
| 2 | 餓了麼外送推薦演算法中有哪些機制與手段？ |
滴
| 序號 | 佳作 |
|---|
| 1 | 滴滴國際化旅遊場景指標體系建設 |
| 2 | 滴滴大數據資產治理實踐 |
| 3 | 滴滴大數據成本治理實踐 |
| 4 | 滴滴資料探勘工程師招聘 |
| 5 | 滴滴測試開發工程師招聘 |
| 6 | 滴滴招募HR 實習生 |
| 7 | 2021 年5 月滴滴算法職位：三面拿下offer，面試題分享 |
| 8 | 滴滴技術| 小白也能懂的因果推論科普 |
| 9 | 滴滴在HBase 效能與可用性上的探索與實踐 |
| 10 | 滴滴技術| 滴滴語音互動自然語言理解探索與實踐 |
| 11 | 滴滴Elasticsearch 叢集跨版本升級與平台重構之路 |
| 12 | 深度強化學習在滴滴路徑規劃的探索實踐 |
| 13 | 滴滴技術| Presto 在滴滴的探索與實踐 |
| 14 | 滴滴技術| 資料探勘技術在軌跡資料上的應用實踐 |
| 15 | 滴滴| 資料倉儲指標體系建置實踐 |
| 16 | 滴滴| 實時數倉在滴滴的實踐與落地 |
| 17 | 滴滴ElasticSearch 千萬級TPS 寫入效能翻倍技術剖析 |
| 18 | 滴滴司機調度系統實踐 |
| 19 | 五年磨一劍：滴滴順風車服務端之穩定性規範 |
| 20 | 滴滴資料驅動利器之AB/Test 實踐 |
| 21 | 從演算法到應用：滴滴端對端語音AI 技術實踐 |
| 22 | 頭條，美團，滴滴，京東及其它公司面試經驗分享！ |
| 23 | 解讀：滴滴「猜你去哪裡」功能的演算法實現 |
| 24 | 基於「 滴滴KDD 2018 論文：基於強化學習技術的智能派單模型」 再演繹 |
| 25 | 滴滴基於ElasticSearch 的一站式搜尋中台實踐 |
| 26 | 獨家解讀| 滴滴機器學習平台架構演進之路 |
| 27 | 滴滴出行基於RocketMQ 建構企業級訊息佇列服務的實踐 |
微軟
| 序號 | 佳作 |
|---|
| 1 | Adobe 和微軟透過微軟邊緣為1 億Windows 用戶帶來業界領先的Acrobat PDF 體驗 |
| 2 | 微軟推出Designer 圖形影像設計軟體，與Adobe Photoshop 的較勁？ |
| 3 | 實驗室小師弟的新鮮春招演算法面經(阿里搜索，微信，微軟等) |
| 4 | 微軟小冰：如何建構人格化的對話系統 |
| 5 | 微軟AB/Testing EXP 實驗管理平台 |
| 6 | Google、阿里、微軟等10 大深度學習CTR 模型最全演化圖譜【推薦、廣告、搜尋領域】 |
| 7 | 微軟專家眼中個人化推薦系統的5 大研究趨勢 |
| 8 | NIPS 2018 丨解讀微軟亞洲研究院10 篇入選論文 |
| 9 | 科學匠人| 微軟亞洲研究院陳薇用數學邏輯優化工作與人生 |
| 10 | AIQ - 語音辨識| 微軟亞研自動語法糾錯系統達到人類水平 |
UC
| 序號 | 佳作 |
|---|
| 1 | 京東618 廣告精排百分位AUC 提陞技術方案 |
| 2 | UC 資訊流推薦模型在多目標和模型最佳化方面的進展 |
| 3 | UC 國際資訊流推薦中的多語言內容理解 |
| 4 | UC 資訊流視訊標籤辨識技術 |
| 5 | 淺談UC 國際資訊流推薦 |
| 6 | 模型評估指標AUC 和ROC，這是我看到的最透徹的講解 |
| 7 | 一文讓你徹底理解準確率，精確率，召回率，真正率，假正率，ROC/AUC |
| 8 | 推薦系統遇上深度學習(十三)--linUCB 方法淺析與實現 |
| 9 | 我收到了史丹佛、UCL、CMU、NYU、UW 的博士offer，這是我的經驗 |
| 10 | 推薦系統遇上深度學習(九)-- 評量指標AUC 原理與實踐 |
| 11 | AIQ -【乾貨】模型驗證的常用「武器」—ROC 和AUC |
聯想
| 序號 | 佳作 |
|---|
| 1 | 聯想基於Apache DolphinScheduler建構統一調度中心的應用實踐 |
今日頭條
| 序號 | 佳作 |
|---|
| 1 | 今日頭條搜尋品質優化- 端到端篇 |
| 2 | 今日頭條在訊息服務平台與容災體系建構上的實踐與思考 |
| 3 | 今日頭條演算法原理（全文） |
陌陌
| 序號 | 佳作 |
|---|
| 1 | 2021 年7 月底，「陌陌」推薦演算法5 道面試題分享！ |
| 2 | 陌陌| 模型化召回在陌陌社交推薦的應用與探索 |
| 3 | 陌陌直播如何做到推薦系統的從0 到1 |
貨拉拉
| 序號 | 佳作 |
|---|
| 1 | 貨拉拉用戶埋點體系建構實踐 |
| 2 | 貨拉拉全鏈路監控體系的落地與實踐 |
去哪裡網
| 序號 | 佳作 |
|---|
| 1 | 單機吞吐提升100%，回應時間降低50%：去哪裡網飯店高性能業務網關優化實踐 |
| 2 | 去哪裡旅行混沌工程落地實踐 |
| 3 | 去哪裡網｜國內飯店交易DDD 應用與實務－代碼篇 |
| 4 | 去哪裡網｜國內飯店交易DDD 應用與實務－理論篇 |
| 5 | 去哪裡網| 機票報價高並發實施的關鍵路徑 |
| 6 | 去哪裡網BI 平台建置演進與實踐 |
| 7 | 去哪裡網庫存搜尋在高並發場景下的探索 |
| 8 | 去哪裡網資料同步平台技術演進與實踐 |
| 9 | 去哪裡網| Lucene 倒排索引原理 |
| 10 | 去哪裡網| 深度學習在酒店售後智能問答場景實踐 |
vivo
| 序號 | 佳作 |
|---|
| 1 | vivo 大模型從訓練到產品落地的最佳實踐 |
| 2 | 分支路徑圖調度框架在vivo 效果廣告業務的落地實踐 |
| 3 | vivo | 解密遊戲推薦系統的建置之路 |
| 4 | 異構混排在vivo 互聯網的技術實踐 |
| 5 | vivo 霍金實驗平台設計與實踐 |
| 6 | vivo 技術｜在推薦業務中如何以MPS 提高GPU 使用率？ |
| 7 | vivo 網路機器學習平台的建置與實踐 |
| 8 | vivo 前端智慧化實踐：機器學習在自動網頁版面的應用 |
| 9 | vivo | 推薦系統- 協同過濾在Spark 中的實現 |
| 10 | vivo 技術｜Elasticsearch 在地理資訊空間索引的探索與演進 |
| 11 | vivo 推薦中台升級路：機器成本節省75%，迭代週期低至分鐘級 |
| 12 | vivo 短影片推薦去重服務的設計實踐 |
| 13 | Redis 在vivo 推播平台的應用與最佳化實踐 |
| 14 | vivo 推送平台架構演進 |
| 15 | vivo 敏感詞匹配系統的設計與實踐 |
| 16 | 從技術到體驗：vivo 機器翻譯落地實踐 |
| 17 | vivo 2022 屆提前批次資料探勘面試題| 文末免費送書 |
| 18 | vivo | 深度解析Lucene 輕量級全文索引實作原理 |
| 19 | 2021 年6 月：vivo 推薦演算法工程師一面· 5 題| 福利 |
| 20 | vivo 應用程式商店推薦系統探索與實踐 |
| 21 | vivo 技術| 分散式搜尋引擎Elasticsearch 的架構分析 |
美團
| 序號 | 佳作 |
|---|
| 1 | 【JD】美團平台推薦引擎Java 研發工程師 |
| 2 | 美團是如何進行指標管理的？ |
| 3 | 美團在預訓練語言模式上的探索與實踐 |
| 4 | 美團酒旅圖譜建置及應用 |
| 5 | 美團｜互動推薦在外送場景的探索與應用 |
| 6 | 美團外送推薦智慧流量分送的實踐與探索 |
| 7 | 大規模異構圖召回在美團到店推薦廣告的應用 |
| 8 | 美團外送搜尋基於Elasticsearch 的優化實踐 |
| 9 | 美團圖靈機器學習平台表現起飛的秘密（一） |
| 10 | 檢索式對話系統在美團客服場景的探索與實踐 |
| 11 | 美團關於Apache Doris 儲存層向量化改造的設計與實現 |
| 12 | 預訓練語言模型壓縮、雙塔蒸餾在美團上的落地實踐 |
| 13 | 知識圖譜在美團搜尋酒旅場景認知的應用 |
| 14 | 美團基於知識圖譜的個人化新聞推薦系統 |
| 15 | 知識圖譜在美團推薦場景的應用 |
| 16 | 圖技術在美團外賣下的場景化應用與探索 |
| 17 | 美團搜尋粗排優化的探索與實踐 |
| 18 | Kafka 在美團資料平台的實踐 |
| 19 | 美團大眾點評搜尋相關性技術探索與實踐 |
| 20 | 美團外送廣告大規模深度學習模型工程實踐 |
| 21 | 美團綜合業務推薦系統的品質模型與實踐 |
| 22 | 張鴻志：美團大腦百億知識圖譜的建構與應用進展 |
| 23 | 美團大腦中的商品理解與樣本治理 |
| 24 | 美團| 標準化思想及組裝式架構在後端BFF 中的實踐 |
| 25 | 李翔：美團到店綜合知識圖譜的建構與應用 |
| 26 | 異質廣告混排在美團到店業務的探索與實踐 |
| 27 | GPU 在美團外送場景精排模型預估的應用實踐 |
| 28 | 美團外送廣告平台化的探索與實踐 |
| 29 | 乾貨| 美團搜尋中查詢改寫技術的探索與實踐 |
| 30 | 美團Flink 大作業部署與狀態穩定性優化實踐 |
| 31 | 趙海源：峰值超2 億/ 秒，Kafka 在美團資料平台的實踐 |
| 32 | 陳勝：美團搜尋排序實踐 |
| 33 | 湯楚熙：美團即時數倉架構演進與建設實踐 |
| 34 | 美團| 預訓練技術在美團到店搜尋廣告中的應用 |
| 35 | 美團搜尋多業務商品排序探索與實踐 |
| 36 | 美團知識圖譜問答技術實務與探索 |
| 37 | 美團基於知識圖譜的劇本殺標準化建設與應用 |
| 38 | 情感分析技術在美團的探索與應用 |
| 39 | 開獎了| 揭秘2022 屆美團和騰訊校招薪資，香水團完全不輸鵝廠！ |
| 40 | 美團| 廣告深度預估技術在美團到店場景下的突破與暢想 |
| 41 | 美團| 新一代CTR 預測服務的GPU 最佳化實踐 |
| 42 | 美團智能客服科技實踐 |
| 43 | 美團商品知識圖譜的建構與應用 |
| 44 | 美團本地生活綜合需求知識圖譜的建構與應用 |
| 45 | 多業務建模在美團搜尋排序中的實踐 |
| 46 | 美團外送美食知識圖譜的迭代與應用 |
| 47 | 美團圖靈演算法平台線上服務體系的演進與實踐 |
| 48 | Query 瞭解在美團搜尋中的應用 |
| 49 | 美團圖資料庫平台建置及業務實踐 |
| 50 | 美團酒旅資料治理實踐 |
| 51 | 美團配送即時特徵平台建置實踐 |
| 52 | 美團智能問答技術探索與實踐 |
| 53 | 美團本地生活場景的短視頻分析 |
| 54 | 美團智慧搜尋模型預估架構Augur 的建設與實踐 |
| 55 | 美團外送即時數倉建設實踐 |
| 56 | 前沿重器[2] | 美團搜尋理解與召回 |
| 57 | 【社招】美團點評Java 開發工程師 |
| 58 | 美團搜尋中NER 技術的探索與實踐 |
| 59 | 美團評論| 智慧搜尋模型預估架構的建置與實踐 |
| 60 | BERT 在美團搜尋核心排序的探索與實踐 |
| 61 | 美團配送A/B 評估體系建置與實踐 |
| 62 | 超強整理，非科碩士的演算法面經(阿里騰訊字節美團) |
| 63 | Java 執行緒池實作原理及其在美團業務中的實踐 |
| 64 | 美團一站式機器學習平台建置實踐 |
| 65 | 美團點評效果廣告實驗配置平台的設計與實現 |
| 66 | 美團點評Kubernetes 叢集管理實踐 |
| 67 | 美團配送交付時間輕量級預估實踐 |
| 68 | 頭條，美團，滴滴，京東及其它公司面試經驗分享！ |
| 69 | 《美團機器學習實踐》—— 心智圖 |
| 70 | 美團深度學習在搜尋業務中的探索與實踐 |
| 71 | 【美團】LruCache 在美團DSP 系統中的應用演進 |
| 72 | 【美團】深入淺出排序學習：寫給程式設計師的演算法系統開發實踐 |
| 73 | 機器學習在美團配送系統的實踐：用科技還原真實世界 |
| 74 | 美團大腦：知識圖譜的建模方法及其應用 |
| 75 | 美團深度學習系統的工程實踐 |
| 76 | 【AIQ】梁寧萬字長文：美團的破局與開局 |
| 77 | 美團上市，開盤漲5.7%，市值超京東！與阿里的交鋒再升級 |
| 78 | 獨家揭秘！ 2.5 億用戶的美團智慧推薦平台是如何建構的？ |
| 79 | 美團在O2O 場景下的廣告行銷 |
| 80 | 美團| 寫給工程師的十條精進原則 |
| 81 | 美團點評- 深度學習在電腦視覺的應用 |
| 82 | 深度學習在美團搜尋廣告排序的應用實作是怎麼樣的？ |
攜程
| 序號 | 佳作 |
|---|
| 1 | 乾貨| 淺談攜程大住宿研發效能提升實踐 |
| 2 | 乾貨| 深度學習在攜程搜尋詞義解析中的應用 |
| 3 | 乾貨| 攜程因果推論在項目價值評估的應用 |
| 4 | 乾貨| 攜程搜尋基於CNN 的新詞發現演算法 |
| 5 | 乾貨| 攜程實體連結技術的探索與實踐 |
| 6 | 乾貨| 百億節點，毫秒級延遲，攜程金融基於nebula 的大規模圖應用實踐 |
| 7 | 曹東：攜程日誌系統索引建構之路 |
| 8 | 攜程| 上百個業務場景，語意配對技術在攜程智慧客服中的應用 |
| 9 | 乾貨| 攜程AI 推理性能的自動化優化實踐 |
| 10 | 乾貨| 攜程飯店推薦模型優化 |
| 11 | 攜程技術| 時間序列預測的常見方法與思考 |
| 12 | 攜程| 「深耕內容」背景下，攜程如何做景酒優質內容的挖掘 |
| 13 | 乾貨| 攜程Elasticsearch 資料同步實踐 |
| 14 | 攜程| 機器學習模型在攜程海外飯店推薦場景的應用 |
| 15 | 攜程| 反應速度與智慧化如何平衡，攜程飯店搜尋系統實踐 |
| 16 | 攜程| 用戶畫像在攜程商旅的實踐 |
| 17 | 攜程技術| 為什麼我們要從Elasticsearch 遷移到ClickHouse？ |
| 18 | 乾貨| 查詢耗時降低2/3，攜程度假搜尋引擎架構優化 |
| 19 | 攜程即時智慧檢測平台實踐 |
| 20 | 攜程金融大數據風控演算法實踐 |
唯品會
| 序號 | 佳作 |
|---|
| 1 | 唯品會：在Flink 容器化與平台化上的建構實踐 |
華為
| 序號 | 佳作 |
|---|
| 1 | 華為｜聯邦學習在廣告業的探索與應用 |
| 2 | 華為史佳欣：基於知識圖譜的複雜問題推理問答 |
| 3 | 華為朱傑明：預訓練模型在資訊流推薦中的應用與探索 |
| 4 | 華為雲蘇嘉：如何整合預訓練模式與知識圖譜做醫療推理？ |
| 5 | 華為雲細粒度文本情感分析及應用 |
360
| 序號 | 佳作 |
|---|
| 1 | 360 數科｜基於沉澱資料的尾部流量建模方法 |
| 2 | 萬億數據秒級響應，Doris 在360 數科實時數倉中的最佳實踐 |
| 3 | 融360 金融風控系統開發實務 |
| 4 | 2022 屆360 校招提前批推薦演算法面試題總結 |
| 5 | 融360 | 智慧風控模型的自動化迭代 |
| 6 | 360 展示廣告智能化演進 |
| 7 | 360 展示廣告回想系統的演進 |
| 8 | 360 搜尋的百億級網頁搜尋引擎架構實現 |
| 9 | 深度學習在360 搜尋廣告NLP 任務中的應用 |
神策數據
| 序號 | 佳作 |
|---|
| 1 | 神策資料行銷策略引擎的技術演進 |
| 2 | 神策資料| 從技術視角看什麼才是值得擁有的A/B 測試？ |
| 3 | 乾貨篇| 神策資料：機器學習在使用者畫像中的應用 |
| 4 | 使用者畫像實踐：神策資料標籤生產引擎架構 |
嗶哩嗶哩
| 序號 | 佳作 |
|---|
| 1 | Trino 在嗶哩嗶哩湖倉一體化平台的實踐 |
| 2 | 嗶哩嗶哩｜遊戲中心個人化推薦系統實踐 |
| 3 | 嗶哩嗶哩資料服務中台建置實踐 |
| 4 | B 站資料服務中台建置實踐 |
| 5 | 嗶哩嗶哩｜推薦演算法在用例排序優化上的應用 |
| 6 | Apache Flink 運行時在B 站的穩定性優化與實踐 |
| 7 | 嗶哩嗶哩｜百億資料個人化推薦：彈幕工程架構演進 |
| 8 | B 站大數據建置之路—資料開發篇 |
愛奇藝
| 序號 | 佳作 |
|---|
| 1 | 愛奇藝資料鏈路治理 |
| 2 | Apache Kyuubi 在愛奇藝的實踐 |
| 3 | 愛奇藝資料湖平台建置實踐 |
| 4 | 愛奇藝統一即時運算平台建設 |
| 5 | 愛奇藝資料湖實戰 |
| 6 | 獵戶座- 持續打造愛奇藝在使用者畫像之上的策略引擎！ |
| 7 | 愛奇藝智能內容中台｜無人值守的應用與實踐 |
| 8 | 通用排序框架在愛奇藝推薦的應用 |
| 9 | 愛奇藝TensorFlow Serving 記憶體洩漏優化實踐 |
| 10 | 如何支援億級用戶分流實驗？ AB 實驗平台在愛奇藝的實踐 |
| 11 | 萬物皆為向量：愛奇藝線上向量回想工程服務化實踐 |
| 12 | Flink 在愛奇藝廣告業務的實踐 |
| 13 | 愛奇藝搜尋排序演算法實踐 |
| 14 | 愛奇藝娛樂產業完整的知識圖譜庫落地實踐 |
| 15 | 豐富TF Serving 生態，愛奇藝開源靈活高效能的推理系統XGBoost Serving |
| 16 | 愛奇藝多語言台詞機器翻譯技術實踐 |
| 17 | 多目標排序在愛奇藝短影片推薦的應用 |
| 18 | 愛奇藝短片推薦：多興趣召回篇 |
| 19 | kaggle 愛奇藝影片版權偵測全流程（附程式碼、資料集和課件） |
| 20 | 愛奇藝資料中台的建置實踐 |
| 21 | 支援頻繁更新、即席查詢：ClickHouse 在愛奇藝影片生產的應用 |
| 22 | 愛奇藝影片推薦領域的ANN 檢索實踐 |
| 23 | 愛奇藝大數據生態的即時數倉建設 |
| 24 | 愛奇藝短片推薦：粗排篇 |
| 25 | 愛奇藝數倉平台建置實踐 |
| 26 | 愛奇藝機器學習平台的建置實踐 |
| 27 | 基於Apache Flink 的愛奇藝術即時運算平台建立實踐 |
| 28 | i 技術會| 愛奇藝效果廣告探索與實踐 |
| 29 | 讓AI“讀懂”短視頻，愛奇藝內容標籤技術解析 |
| 30 | 個性化海報在愛奇藝影片推薦場景中的實踐 |
| 31 | 線上學習在愛奇藝資訊流推薦業務中的探索與實踐 |
| 32 | 愛奇藝效果廣告的個人化探索與實踐 |
| 33 | AI 在愛奇藝影片廣告中的探索 |
| 34 | 愛奇藝短片軟色情辨識技術解析 |
| 35 | 「回顧」愛奇藝搜尋排序模型迭代之路 |
大疆
| 序號 | 佳作 |
|---|
| 1 | 寫在博士旅程之前－前大疆創新技術總監楊碩 |
新浪
搜狗
| 序號 | 佳作 |
|---|
| 1 | 「回顧」深度學習新科技在搜狗搜尋廣告中的深化應用 |
搜狐
| 序號 | 佳作 |
|---|
| 1 | 【搜狐】新聞推薦系統的CTR 預估模型 |
| 2 | 搜狐新聞推薦演算法原理| “呈現給你的，都是你所關心的” |
小紅書
| 序號 | 佳作 |
|---|
| 1 | 小紅書應對萬億社交網絡關係的圖存儲實踐 |
| 2 | 小紅書推搜場景下如何優化機器學習異質硬體推理突破算力瓶頸！ |
| 3 | 小紅書基於資料湖的流批統一儲存實踐 |
| 4 | 小紅書高時效推薦系統背後的技術升級 |
| 5 | 小紅書廣告智慧創意能力建構過程詳解 |
| 6 | 小紅書社群反作弊探索與實踐 |
| 7 | 小紅書廣告投放機制詳解，如何用演算法實現全站自動化投放 |
| 8 | 小紅書近線服務統一調度平台建置實踐 |
CVTE
| 序號 | 佳作 |
|---|
| 1 | 2021 年6 月9 日，CVTE NLP 演算法職位面試題5 道 |
| 2 | 2021 年6 月，CVTE NLP 演算法職缺4 道面試題分享 |
拼多多
| 序號 | 佳作 |
|---|
| 1 | 2021 年6 月底，拼多多搜尋廣告演算法暑假實習面試題2 道 |
| 2 | 2021 年6 月6 日-6 月16 日，拼多多演算法面試8 道 |
| 3 | 拼多多創辦人黃崢：我的人生經歷與創業理念 |
| 4 | 拼多多為什麼要崛起？這是目前解讀最深刻的一篇 |
| 5 | 拼多多上市，80 後CEO 創業3 年身價800 億，背後這3 個字最值得深思 |
科大訊飛
| 序號 | 佳作 |
|---|
| 1 | AI 開放平台- 科大訊飛 |
| 2 | 【演算法面經系列】百度、寒武紀、科大訊飛、追一科技、騰訊、作業幫演算法面經 |
微眾銀行
蘑菇街
| 序號 | 佳作 |
|---|
| 1 | 淺談蘑菇街大數據標籤平台 |
| 2 | 蘑菇街增量學習番外篇三：deepFM 的動態正規實踐 |
| 3 | 蘑菇街增量學習番外篇二：優化器設計理論篇（AdamW、AdaDeltaW、FTRL） |
| 4 | 蘑菇街增量學習番外篇一：動態正規之tensorflow 中div 轉mod 設計（含程式碼實作） |
| 5 | 蘑菇街首頁推薦多目標優化之reweight 實踐：一把雙面刃？ |
| 6 | 文字相關性在蘑菇街搜尋推薦排序系統中的應用 |
| 7 | 蘑菇街DSP 廣告實踐 |
| 8 | 蘑菇街首頁推薦視訊串流－增量學習與wide&deepFM 實踐（工程+ 演算法） |
新東方
快手
| 序號 | 佳作 |
|---|
| 1 | 快手資料成本白盒化治理實踐 |
| 2 | 快手推薦系統海量模型資料處理實踐 |
| 3 | 快手短影片推薦中的因果推斷實踐 |
| 4 | 深入淺出快手圖資料庫：看架構如何讓推薦召回更有效率 |
| 5 | 快手關於因果科學及其工業界應用落地 |
| 6 | 如何成為好的數據產品經理？ -快手數據平台負責人 |
| 7 | 快手Dragonfly 策略引擎的設計與應用 |
| 8 | 快手指標系統的管理駕駛艙場景應用實踐 |
| 9 | 快手3D數位人直播互動解決方案 |
| 10 | 快手強化學習與多工推薦 |
| 11 | Flink on K8s在快手的實踐 |
| 12 | 快手內容冷啟動推薦模型實踐 |
| 13 | Blaze：SparkSQL Native 算子優化在快手的設計與實踐 |
| 14 | 快手流批一體資料湖建構實踐 |
| 15 | 快手增長通路數據產品實踐 |
| 16 | 快手雙邊市場的複雜實驗設計問題 |
| 17 | 快手商業化數據產品建置經驗 |
| 18 | 快手指標中台系列- 快手指標中台發展史及經驗教訓 |
| 19 | 快手推薦系統精排模型實踐 |
| 20 | 基於表徵學習的因果推論技術在快手的實踐 |
| 21 | 快手分散式高效能圖平台KGraph 及其應用 |
| 22 | 快手異質性因果效應模型建構及應用 |
| 23 | 快手端智慧—行動端部署推薦系統：快手獲資料探勘頂會CIKM 2022 最佳論文 |
| 24 | 快手單機千萬QPS 的分散式圖資料庫KGraph 的實踐 |
| 25 | 「繁星」：快手搜尋在向量檢索方向的探索與實踐 |
| 26 | Flink 引擎在快手的深度優化與生產實踐 |
| 27 | 宛言：爆款素材辨識在快手的應用與實踐 |
| 28 | 快手牛亞男：基於多Domain 多工學習框架與Transformer，建構快手精排模型 |
| 29 | 羅清：對比學習在快手推薦排序的應用 |
| 30 | 渠江濤：重排序在快手短片推薦系統中的演進 |
| 31 | 快手基於Flink 建立即時數倉場景化實踐 |
| 32 | 快手基於Flink 的即時運算持續優化與實踐 |
| 33 | Flink 在快手的實踐與創新 |
| 34 | 快手| 端上智慧在快手上下滑推薦取得APP 時長+1% 的應用實踐 |
| 35 | 快手HBase 在千億級用戶特徵資料分析的應用與實踐 |
| 36 | 快手萬億級Kafka 集群應用實踐與技術演進之路 |
| 37 | AIQ - AI | 快手AI 技術副總裁鄭文：為什麼說AI 是短視頻平台的核心能力 |
小米
| 序號 | 佳作 |
|---|
| 1 | 小米OLAP 引擎在Trino 的應用實踐 |
| 2 | 小米數據生產平台的產品設計方法與實踐 |
| 3 | 小米指標體系的建置及管理最佳實踐 |
| 4 | 小米數據中台建設實踐賦能業務成長 |
| 5 | 小米資料開發平台架構實務－資料開發的生產環境隔離 |
| 6 | 資料湖Iceberg 在小米的應用 |
| 7 | 小米大數據儲存服務的資料治理實踐 |
| 8 | 小米電商推薦演算法CVR 模型實踐 |
| 9 | 乾貨| 小米A/B 實驗場景查詢加速：資料預聚合方案 |
| 10 | BI 平台在小米的實踐 |
| 11 | NLP 技術在小米語音助理的應用 |
| 12 | 乾貨| CTR 預估科技在小米海外廣告的探索與應用 |
| 13 | 圖譜問答在小米小愛的實踐探索 |
| 14 | Apache Flink 在小米的穩定性優化與實踐 |
| 15 | Flink 流批一體在小米的實踐 |
| 16 | 崔世起：小米小愛同學無效Query 識別 |
| 17 | 小米在知識表示學習的探索與實踐 |
| 18 | 知識圖譜在小米的應用與探索 |
| 19 | 基於Apache Doris 的小米成長分析平台實踐 |
| 20 | 小米行動搜尋中的AI 技術 |
| 21 | 雷軍：小米創業8 年內部影像首次公開看完我心裡邊都是一團火 |
| 22 | AIQ - 深度| 市值465 億美元的小米八年往事 |
金山
| 序號 | 佳作 |
|---|
| 1 | 網路安全就是金山銀山，你的企業做到了嗎？ |
Hulu
| 序號 | 佳作 |
|---|
| 1 | Hulu 在Content Embedding 的探索與實踐 |
優酷
| 序號 | 佳作 |
|---|
| 1 | 萬字長文| 詳解優用影片品質評估體系 |
| 2 | 阿里| 優酷大數據OLAP 技術選型 |
| 3 | 優酷提出基於圖執行引擎的演算法服務框架，系統架構概覽 |
| 4 | 優酷影片元素內容召回系統：多層多模態引擎探索 |
| 5 | 阿里文娛優酷視頻搜尋演算法應用實踐與思考 |
| 6 | 優酷DSP 廣告投放系統架構實踐 |
eBay
| 序號 | 佳作 |
|---|
| 1 | 「億」論AI 之四| eBay 離線特徵倉庫的建置與應用 |
| 2 | 「億」論AI ｜eBay 統一線上特徵服務 |
| 3 | 「億」論AI ｜eBay 近即時特徵工程 |
| 4 | 「億」論AI｜基於中心化元資料及配置驅動的eBay AI 特徵工程管理平台 |
| 5 | eBay | 圖神經網路在支付風控的應用 |
| 6 | eBay | 億展宏圖第二篇| 圖演算法在eBay 支付風控領域的應用 |
| 7 | eBay | 億展宏圖第一篇— 兩張圖入門圖演算法 |
虎牙
| 序號 | 佳作 |
|---|
| 1 | 虎牙平台數據驅動業務實踐，破局在即！ |
| 2 | 虎牙「數據服務+自助」產品化實踐 |
| 3 | 虎牙直播用戶成長中台演算法與工程實踐 |
| 4 | 虎牙大數據平台的成本把控與SLA 技術實務經驗 |
| 5 | 張楓：電腦視覺技術在虎牙直播中的實踐 |
| 6 | 虎牙| 劉柏芳：彈性分佈式訓練在虎牙的實踐 |
| 7 | 陳劍：虎牙即時運算平台服務的SLA 之路 |
| 8 | 李茶：虎牙直播推薦系統架構詳解 |
| 9 | 無監督演算法在虎牙風控的探索實踐 |
位元組跳動
| 序號 | 佳作 |
|---|
| 1 | 位元組跳動資料整合引擎BitSail 開源架構演進與實踐 |
| 2 | 位元組跳動A/B測試最佳實踐 |
| 3 | Presto 在位元組跳動的實踐 |
| 4 | 位元組跳動極高可用KV 儲存系統詳解 |
| 5 | 位元組跳動資料血緣技術實現與具體用例 |
| 6 | 位元組跳動湖平台在批次計算和特徵場景的實踐 |
| 7 | 位元組跳動一站式資料治理思考與實踐 |
| 8 | 位元組跳動下一代A/B 實驗系統思考 |
| 9 | 位元組跳動資料中台的Data Catalog 系統搜尋實踐 |
| 10 | 深度解析位元組跳動開源資料整合引擎BitSail |
| 11 | 位元組跳動串流數倉和即時分析服務的思考與實踐 |
| 12 | 位元組跳動｜初探自然語言預訓練技術演進之路 |
| 13 | 位元組跳動｜自研萬億級圖資料庫ByteGraph 及其應用與挑戰 |
| 14 | 位元組跳動｜資料血緣圖譜升級方案設計與實現 |
| 15 | 劉石偉：位元組跳動埋點資料流建置與治理實踐 |
| 16 | 位元組跳動｜智能問答：基於BERT 的語意模型 |
| 17 | 即時資料湖在位元組跳動的實踐 |
| 18 | 【乾貨篇】位元組跳動：文本歸一化與中文糾錯 |
| 19 | 辛濤：位元組跳動機器學習系統雲端原生落地實踐 |
| 20 | 位元組跳動| 無人測試管線建設之業務實踐 |
| 21 | 2021 年9 月底-- 位元組跳動NLP 職位（抖音）面試題分享 |
| 22 | 位元組跳動是怎麼做全鏈路壓測的？ |
| 23 | 位元組跳動全鏈路壓測(Rhino) 的實踐 |
| 24 | 位元組跳動Flink 單點恢復功能實踐 |
| 25 | 位元組跳動—實習演算法面經 |
| 26 | 位元組跳動混沌工程實踐總結 |
| 27 | 位元組跳動核心競爭力到底是什麼？ |
| 28 | 位元組跳動自研萬億級圖資料庫& 圖計算實踐 |
| 29 | 除了抖音和頭條，字節跳動的AI 實力有多強？ |
汽車之家
| 序號 | 佳作 |
|---|
| 1 | 基於Milvus 的向量檢索平台實踐 |
| 2 | 汽車之家| 廣告內容自動化投放的技術思考與方案 |
| 3 | 汽車之家｜面向推薦的汽車知識圖譜構建 |
| 4 | 汽車之家推薦系統架構迭代之路 |
| 5 | 汽車之家推薦系統AB 實驗平台 |
| 6 | 汽車之家基於Flink 的即時運算平台3.0 建置實踐 |
| 7 | Apache Flink 在汽車之家的應用與實踐 |
| 8 | 汽車之家離線運算平台建置實踐 |
| 9 | 汽車之家湖倉一體架構實踐 |
| 10 | 汽車之家電商平台秒殺系統架構實現 |
| 11 | 汽車之家機器學習平台的架構與實踐 |
| 12 | 汽車之家如何建構使用者畫像 |
| 13 | 汽車之家推薦系統排序演算法迭代之路 |
騰訊
| 序號 | 佳作 |
|---|
| 1 | 騰訊音樂在音質AIGC 的應用與實踐 |
| 2 | 騰訊金融AI 開發平台落地實踐 |
| 3 | AB實驗「坑」賊多？騰訊搜尋實驗有妙招！ |
| 4 | 騰訊資料擷取治理之品質篇-從合規到合理 |
| 5 | 騰訊(大禹投放平台)用戶LTV建模技術研究與實踐 |
| 6 | 騰訊歐拉平台產品經理：如何做一個好的數據平台？ |
| 7 | 騰訊TRS線上搜參在搜推廣業務中的探索與實踐 |
| 8 | 騰訊PCG 資料治理體系 |
| 9 | 騰訊歐拉t-Metric指標中台實踐 |
| 10 | AB實驗在騰訊海外遊戲的應用 |
| 11 | 騰訊大數據平台大腦AI探索與實踐 |
| 12 | 騰訊TRS之元學習與跨域推薦的工業實戰 |
| 13 | OneRec系列之知識圖譜增強的騰訊影片推薦演算法 |
| 14 | 騰訊歐拉如何打造數據自治系統 |
| 15 | 因果推斷在騰訊PCG 中台的落地實踐 |
| 16 | 數據科學在騰訊內容生態的應用 |
| 17 | 騰訊內容生態即時訊號系統實踐 |
| 18 | 騰訊天穹SuperSQL：統一大數據自適應運算平台技術解析 |
| 19 | 騰訊如何用因果推斷擴大遊戲帝國海外版圖？ |
| 20 | 深度UPLIFT 模型在騰訊金融用戶成長場景的應用 |
| 21 | 騰訊資料平台saas 化實踐 |
| 22 | 騰訊自研機器學習平台「太極」八年進化之路 |
| 23 | 微信全文搜尋耗時降94%？我們用了這個方案 |
| 24 | 騰訊廣告模型基於"太極"的訓練成本優化實踐 |
| 25 | 騰訊Alluxio（DOP）在金融場景的落地與優化實踐 |
| 26 | 騰訊智慧寫作助理「文湧」（Effidit）關鍵科技揭秘 |
| 27 | 騰訊文字理解系統TexSmart 中的細粒度實體辨識關鍵技術 |
| 28 | 廣告場景下雙邊市場的實驗設計 |
| 29 | 微信搜一搜線上擷取技術演進複盤 |
| 30 | 騰訊燈塔融合引擎的設計與實踐 |
| 31 | 騰訊資料治理技術實踐 |
| 32 | 騰訊技術｜如何發展一個Feeds 流系統－寫擴散模式 |
| 33 | 騰訊內容千億級即時運算與規則引擎實踐優化之路 |
| 34 | 騰訊Angel Graph 圖計算框架在智慧風控的應用 |
| 35 | Flink 在騰訊的使用與穩定性優化實踐 |
| 36 | 騰訊QQ 瀏覽器搜尋場景下的智慧實體推薦 |
| 37 | 騰訊大數據協同中的隱私與可靠性保護—TEE 上的分散式運算實踐 |
| 38 | 騰訊音樂評論審核、分類與排序演算法技術 |
| 39 | 騰訊技術｜深度模型推理加速的術與道 |
| 40 | 騰訊百億級大規模內容處理中台實踐 |
| 41 | 騰訊雲端實現時序搜尋引擎：日誌檢索效能提升40 倍 |
| 42 | 騰訊技術｜吳喆：全民K 歌直播推薦系統詳解 |
| 43 | 騰訊技術｜訊息隊列基本原理與選型對比 |
| 44 | 騰訊PCG 資料中台DEVOPS 和AIOPS 實踐 |
| 45 | 騰訊音樂欒鵬：cube-studio 開源一站式雲端原生機器學習平台 |
| 46 | 騰訊音樂的新一代歌曲辨識技術 |
| 47 | 無量深度學習系統在騰訊推薦類業務的應用 |
| 48 | 楊韜：微信搜一搜中的智慧問答技術 |
| 49 | 騰訊資訊流億級相似視訊辨識技術架構優化實踐 |
| 50 | 羅強：騰訊新聞如何處理大量商業化數據？ |
| 51 | 李曉亮：騰訊搜尋字詞推薦演算法探索實踐 |
| 52 | 騰訊技術| 後台自動化測試與持續部署實踐 |
| 53 | 騰訊技術| 超強指南！推薦演算法架構－重排 |
| 54 | 騰訊技術｜ 深入解讀騰訊雲微搭低程式碼的技術架構！ |
| 55 | 騰訊技術｜微信全文搜尋技術優化實踐 |
| 56 | 騰訊音樂| QQ 音樂命名實體辨識技術 |
| 57 | 騰訊音樂知識圖譜搜尋實踐 |
| 58 | 楊宇鴻：騰訊多模態內容理解技術及應用 |
| 59 | 騰訊音樂多模態音樂匹配技術與應用 |
| 60 | 即時性提升4000 倍？圖資料庫在騰訊業務的應用實務！ |
| 61 | 騰訊技術| 微信圖片翻譯技術優化之路 |
| 62 | 騰訊技術| Al 與推薦技術在騰訊QQ 瀏覽器的應用 |
| 63 | 騰訊| 網路知識圖譜的建構與應用 |
| 64 | 騰訊金融研究院| 尋找最優數字規則框架 |
| 65 | 興趣搜尋在騰訊看點的探索與實踐 |
| 66 | 騰訊CTR 建模過程中的實作總結 |
| 67 | 開獎了| 揭秘2022 屆美團和騰訊校招薪資，香水團完全不輸鵝廠！ |
| 68 | 騰訊| 智慧批改技術實務與探索 |
| 69 | Impala 在騰訊金融大數據場景的應用 |
| 70 | 騰訊技術| QQ 瀏覽器智慧問答技術探索實踐 |
| 71 | 騰訊基於預訓練模型的文本內容理解實踐 |
| 72 | 騰訊基於興趣點圖譜的內容理解 |
| 73 | 2021 年7 月中旬，騰訊PGB,NLP 演算法面試題6 題！ |
| 74 | 騰訊技術| 揭秘Feed 資訊流推薦背後的系統設計 |
| 75 | 騰訊技術| 自動化介面測試實務經驗 |
| 76 | 騰訊| 布隆過濾器原理與應用 |
| 77 | 2021 年4 月底，騰訊應用研究崗暑期實習面試題12 道 |
| 78 | 4 月22 日-5 月7 日騰訊nlp 演算法實習面試題 |
| 79 | 騰訊企業微信兆級日誌檢索系統 |
| 80 | 我們和騰訊T16 級專家聊了一下：在AI 領域深耕的那些年 |
| 81 | 騰訊音樂：全民K 歌推薦後台架構 |
| 82 | 騰訊音樂：全民K 歌內容挖掘與召回 |
| 83 | 騰訊遊戲即時運算應用平台建置實踐 |
| 84 | 多目標排序模型在騰訊QQ 看點推薦系統的應用實踐 |
| 85 | 騰訊音樂：全民K 歌推薦系統架構及粗排設計 |
| 86 | 騰訊即時運算平台優化實踐 |
| 87 | 騰訊全場景即時數倉建置實踐 |
| 88 | 騰訊| 知識圖譜補全技術 |
| 89 | 騰訊雲Elasticsearch 群集多可用區容災實現原理及最佳實踐 |
| 90 | 騰訊技術| 資料分析利器：XGBoost 演算法最佳解析 |
| 91 | 騰訊| 大幅降低儲存成本，Elasticsearch 可搜尋快照是如何辦到的？ |
| 92 | 騰訊微信| 看一看即時相關推薦，滿足你對同主題文章的“意猶未盡” |
| 93 | 騰訊技術| 用萬字長文聊一聊Embedding 技術 |
| 94 | 騰訊看點影片推薦索引建構方案 |
| 95 | 騰訊| 搜你所想，從Query 意圖辨識到類目辨識的演變 |
| 96 | 騰訊技術| 新一代搜尋引擎專案ZeroSearch 設計探索 |
| 97 | 騰訊技術| 互動式分析領域，為何ClickHouse 能夠殺出重圍？ |
| 98 | Angel：深度學習在騰訊廣告推薦系統的實踐 |
| 99 | 億級用戶，騰訊看點資訊流推薦系統的架構挑戰 |
| 100 | 騰訊| 從零開始了解推薦系統全貌 |
| 101 | 騰訊資訊流熱點挖掘技術實踐 |
| 102 | 騰訊| 深度CTR 預估模式在應用寶推薦系統的探索 |
| 103 | Embedding 在騰訊應用寶的推薦實踐 |
| 104 | 騰訊技術工程| 推薦系統embedding 技術實務總結 |
| 105 | 騰訊萬億級Elasticsearch 記憶體效率提昇技術解密 |
| 106 | 超強整理，非科碩士的演算法面經(阿里騰訊字節美團) |
| 107 | 【騰訊】揭秘微信"看一看" 是如何推薦你的 |
| 108 | 【演算法面經系列】百度、寒武紀、科大訊飛、追一科技、騰訊、作業幫演算法面經 |
| 109 | 【演算法面經系列】頭條+ 騰訊演算法工程師面經（NLP 實習） |
| 110 | 騰訊萬億級Elasticsearch 技術解密 |
| 111 | 騰訊資訊流內容理解技術實踐 |
| 112 | NIPS2018 | 騰訊AI Lab 入選20 篇論文，含2 篇Spotlight |
| 113 | 每日生產萬億訊息資料入庫，騰訊如何突破大數據分析架構瓶頸 |
| 114 | 騰訊內容平台系統的架構實踐 |
| 115 | 【轉自知乎】當下（2018 年）騰訊的技術建設是否處於落後同體量公司的狀態？ |
| 116 | 騰訊共同創辦人張志東：發光的人要能拿得起，放得下 |
| 117 | AIQ - AI | 32 篇論文、7 大事業群，這是騰訊在斯德哥爾摩的AI 之夜 |
VIPKID
| 序號 | 佳作 |
|---|
| 1 | VIPKID 一二面面經(演算法工程師) |
好未來
| 序號 | 佳作 |
|---|
| 1 | 好未來暑期演算法實習面試題5 道 |
| 2 | 5 月24 日-5 月27 日，好未來演算法實習職位面試題8 道 |
Google
| 序號 | 佳作 |
|---|
| 1 | 谷歌終於開源大模型囉！ ！ ！ |
| 2 | Googledeepmind開源Gemma技術報告 |
| 3 | Google 技術| 藍昶：Google分散式機器學習優化實踐 |
| 4 | 寫給開發者的Google科技面試終極通關指南 |
| 5 | Google、阿里、微軟等10 大深度學習CTR 模型最全演化圖譜【推薦、廣告、搜尋領域】 |
| 6 | 前員工揭內幕：10 年了，為何谷歌還搞不定知識圖譜？ |
| 7 | NLP-BERT 谷歌自然語言處理模型：BERT- 基於pytorch |
| 8 | 兩位拯救Google的超級工程師的故事：電腦界最好的結對程式設計榜樣 |
百度
| 序號 | 佳作 |
|---|
| 1 | 百度基雲端原生的推薦系統架構設計實踐 |
| 2 | 百度推薦排序技術的思考與實踐 |
| 3 | 百度影片推薦跨域多目標預估與融合的實踐與思考 |
| 4 | 多域圖大模式在百度推薦系統的實踐與思考 |
| 5 | （一文讀懂大數據產業）-針對百度商業資料產品的全流程DataOps 實踐 |
| 6 | 百度關於互聯互通的思考與實踐 |
| 7 | 百度｜精準水位在流批一體資料倉儲的探索與實踐 |
| 8 | 百度｜從稀疏表徵出發、回想方向的前沿探索 |
| 9 | 百度基於GPU 的超大規模離散模型訓練框架PaddleBox 與FeaBox |
| 10 | 百度文檔智慧技術與應用 |
| 11 | 飛槳PaddleNLP 設計理念與產業實踐 |
| 12 | 度小滿自動機器學習平台實踐 |
| 13 | 百度PLATO 在大模型推動的人機互動對話中的實踐 |
| 14 | 百度資訊流與搜尋業務中的彈性近線計算探索與應用 |
| 15 | 百度Feed 穩定性架構實踐 |
| 16 | 百度流批一體的即時多維分析實踐 |
| 17 | [百度雲原生AI |
