Comments (17)
- 推荐系统技术演进趋势:从召回到排序再到重排 - 知乎
- 推荐系统召回四模型之:全能的FM模型 - 知乎
- 推荐系统召回四模型之二:沉重的FFM模型 - 知乎
- 放弃幻想,全面拥抱Transformer:自然语言处理三大特征抽取器(CNN/RNN/TF)比较 - 知乎
from books.
数据可视化
from books.
ctr 建模
from books.
推荐系统
- 推荐系统中模型训练及使用流程的标准化-InfoQ
- 在你做推荐系统的过程中都遇到过什么坑? - 知乎
- 京东电商推荐系统实践-InfoQ
- 讲人话系列——电商推荐系统 - 简书
- 当你打开天猫的那一刻,推荐系统做了哪些工作?-云栖社区-阿里云
- 推荐系统 – Semocean
- 一个完整推荐系统的设计实现-以百度关键词搜索推荐为例 – Semocean
- 都说数据是上限,推荐系统ctr模型中,构造正负样本有哪些实用的trick? - 知乎
- 推荐系统遇上深度学习(五十一)-谈谈推荐系统中的冷启动 - 简书
- 美团推荐算法实践 - 云+社区 - 腾讯云
- 网易新闻推荐:深度学习排序系统及模型
- 个性化推荐系统实践应用 - 达观 | 机器之心
- 从石器到青铜:Club Factory 推荐系统设计及演进之路-InfoQ
- 「回顾」Yoo视频底层页推荐系统-从0到1的实践 - 知乎
from books.
深度学习
from books.
特征工程
- 计算广告之特征工程 - 知乎
- 机器学习中的数据清洗与特征处理综述
- kaggle比赛的一些小套路 | Kaggle
- 美团机器学习实践第二章-特征工程总结 - 简书
- Tips-of-Feature-engineering
from books.
- 推荐系统领域中那些巧妙运用的idea
- [笔记]Large-scale behavioral user targeting | 水滴石穿
- DSSM:深度语义匹配模型(及其变体CLSM、LSTM-DSSM) - 郭耀华 - 博客园
- 多值类别特征加入CTR预估模型的方法
- 推荐系统之序列特征的处理方法
- 推荐系统中的深度匹配模型 - 知乎
- DeepCTR学习小组精华内容摘要(01.13-01.20) | 印象笔记网页版
- 阿里电商推荐中如何进行特征蒸馏提升模型效果
- 推荐多样性重排算法之MMR
- 阿里B2B:融合Matching与Ranking的个性化CTR预估模型
- 一站式机器学习平台建设实践
- 超越BN和GN!谷歌提出新的归一化层:FRN
- DeepCTR学习小组精华内容摘要(01.21-02.06)
- 视频 | 信息流推荐技术在凤凰网的业务实践
from books.
- 汽车之家推荐系统排序算法迭代之路
- 视频 | 信息流推荐技术在凤凰网的业务实践
- 浅谈流式模型训练体系
- 谷歌大脑开源Trax代码库,你的深度学习进阶路径
- 二阶梯度优化新崛起,超越 Adam,Transformer 只需一半迭代量
- TDM介绍 – d0evi1的博客
- 深度 ctr 模型
from books.
- 汽车之家推荐系统排序算法迭代之路
- Flink如何支持特征工程、在线学习、在线预测等AI场景?
- Apache Flink零基础入门(一):基础概念解析 - InfoQ
- 浅谈流式模型训练体系
- 谷歌大脑开源Trax代码库,你的深度学习进阶路径
- 二阶梯度优化新崛起,超越 Adam,Transformer 只需一半迭代量
- shenweichen/DSIN: Code for the IJCAI'19 paper "Deep Session Interest Network for Click-Through Rate Prediction"
from books.
embedding
- Embedding从入门到专家必读的十篇论文 - 知乎
- Embedding在深度推荐系统中的3大应用方向 - 知乎
- 万物皆Embedding,从经典的word2vec到深度学习基本操作item2vec - 知乎
- 推荐系统中的注意力机制——阿里深度兴趣网络(DIN) - 知乎
- Airbnb深度学习搜索引擎实践-Embedding使用 – Semocean
- 神奇的Embedding - 知乎
- 一个值得讨论的问题:word2vec与SVD/LSA等的关系 - 知乎
- 基于Embedding的推荐系统召回策略 | D.W's Notes - Machine Learning
- Graph Embedding - 阿里EGES算法 - 知乎
- 论文阅读—阿里Graph Embedding的大规模应用 - 知乎
- CTR 预测理论(二十四):推荐系统中序列(Sequence)与会话(Session)区别-CSDN博客
- CTR 预测理论(二十三):推荐系统用户兴趣特征表征方式
- CTR 预测理论(二十二):推荐系统如何做 User Embedding
- 推荐系统中如何做 User Embedding? - 知乎
from books.
在线学习
- 实时个性化推荐介绍
- 在线学习在爱奇艺信息流推荐业务中的探索与实践 - InfoQ
- 浅谈流式模型训练体系 - 知乎
- 在线学习(Online Learning)导读 - 知乎
- 汽车之家推荐系统排序算法迭代之路 - InfoQ
- Flink 如何支持特征工程、在线学习、在线预测等 AI 场景?-阿里云开发者社区
- 信息流推荐在凤凰新闻的业务实践 - InfoQ
- 实时数据流上的机器学习——Tensorflow on Flink - 知乎
- 蚂蚁金服核心技术:百亿特征实时推荐算法揭秘 - 知乎
- 双12根本不在话下,阿里首次揭秘扛过双11的千亿级特征分布式机器学习平台XPS-阿里云
- 一站式机器学习平台建设实践 - 美团技术团队
from books.
- YouTube深度学习推荐模型最全总结 - InfoQ
- 深入理解YouTube推荐系统算法 - 知乎
- 从阿里的User Interest Center看模型线上实时serving方法 - 知乎
- CTR预估模型发展过程与模型之间的关系 - 知乎
- 使用tensorflow c++ api构建线上预测服务 - 篇3 - J.P.Liu's Blog
- 这篇论文让你无惧梯度消失或爆炸,轻松训练一万层神经网络 - 知乎
from books.
深度学习在省钱快报推荐排序中的应用与实践 - InfoQ
美图个性化推送的 AI 探索之路 - InfoQ
RS Meet DL(79)-序列推荐中使用长尾商品提升推荐多样性
从阿里的User Interest Center看模型线上实时serving方法 - 知乎
谈谈广告平台的竞价原理:GFP,GSP,VCG - 知乎
算法调研-微信看一看Embedding - 知乎
深度学习在花椒直播中的应用——推荐系统冷启动算法 - 掘金
from books.
广告行业
- 2018,广告技术公司路在何方? - 知乎
- 主页 - 中关村互动营销实验室
- 2019年**互联网广告收入4367亿元
- 2019年Q3**26大互联网公司广告收入榜
- **20大互联网公司广告收入榜 (2018全年) - 知乎
- **20大互联网公司广告收入榜 - 知乎
- 2019上半年国内互联网公司广告营收排行榜 - 云+社区 - 腾讯云
from books.
- 确切的知道正样本但负样本不确定,且训练数据正负样本分布极不平衡问题求教? - 知乎
- 广告点击率CTR修正-Wilson CTR - 知乎
- 揭秘微信"看一看"是如何为你推荐的
- 热点挖掘技术在微信看一看中的应用
- 深入理解推荐系统:召回 - 知乎
from books.
- 关于深度学习推荐系统领域的15个问题 - 知乎
- 全面理解搜索Query:当你在搜索引擎中敲下回车后,发生了什么? - 知乎
- 7 Papers | 何恺明组新型网络设计范式;阿里达摩院高性能GPU专用模型 - 知乎
- Facebook的广告效果真的那么好么? - 知乎
- 有没有什么可以节省大量时间的 Deep Learning 效率神器? - 知乎
- 一种全新的点击率建模方案 - 知乎
- 【2020腾讯广告算法大赛】初章 - 知乎
- 推荐系统遇上深度学习(七十五)-考虑CPM的评估方法csAUC - 简书
- 推荐系统遇上深度学习(七十七)-Field-weighted Factorization Machines(FwFM) - 简书
from books.
模型工程
- 使用tensorflow c++ api构建线上预测服务 - 篇3 - J.P.Liu's Blog
- 基于TensorFlow Serving的深度学习在线预估 - 美团技术团队
- 从阿里的User Interest Center看模型线上实时serving方法 - 知乎
- 如何解决推荐系统工程难题——深度学习推荐模型线上serving? - 知乎
- 揭开YouTube深度推荐系统模型Serving之谜 - 知乎
实时工程
- 在线学习在爱奇艺信息流推荐业务中的探索与实践 - InfoQ
- 浅谈流式模型训练体系 - 知乎
- 汽车之家推荐系统排序算法迭代之路 - InfoQ
- Flink 如何支持特征工程、在线学习、在线预测等 AI 场景?-阿里云开发者社区
- 信息流推荐在凤凰新闻的业务实践 - InfoQ
- 实时数据流上的机器学习——Tensorflow on Flink - 知乎
- 蚂蚁金服核心技术:百亿特征实时推荐算法揭秘 - 知乎
- 双12根本不在话下,阿里首次揭秘扛过双11的千亿级特征分布式机器学习平台XPS-阿里云
- 一站式机器学习平台建设实践 - 美团技术团队
- 在线学习(Online Learning)导读 - 知乎
- 实时个性化推荐介绍
- 天下武功,唯快不破,论推荐系统的「 实时性」 - 知乎
- 如何增强推荐系统模型更新的「实时性」? - 知乎
用户行为兴趣
- CTR预估问题没有“银弹”,比模型结构更重要的是什么? - InfoQ
- 详解阿里之Deep Interest Evolution Network(AAAI 2019) - 知乎
- 阿里Deep Session Interest Network解读 - 知乎
- 阿里推荐算法(MIND):基于动态路由的用户多兴趣网络 - 知乎
- 如何刻画用户的多样兴趣——MIND network阅读笔记 - 知乎
多任务建模
- 阿里CVR预估模型之ESMM - 知乎
- Youtube 排序系统:Recommending What Video to Watch Next - 知乎
- Multi-task多任务学习在推荐算法中的应用 - 知乎
- 从谷歌到阿里,谈谈工业界推荐系统多目标预估的两种范式 - 知乎
- 详解谷歌之多任务学习模型MMoE(KDD 2018) - 知乎
- 多任务学习模型详解:Multi-gate Mixture-of-Experts(MMoE ,Google,KDD2018)
- 稀疏共享:当多任务学习遇见彩票假设 - 知乎
召回模型
- 推荐召回算法之深度召回模型串讲 - 知乎
- 深入理解推荐系统:召回 - 知乎
- 推荐系统召回四模型之:全能的FM模型 - 知乎
- TDM介绍 – d0evi1的博客
- DSSM:深度语义匹配模型(及其变体CLSM、LSTM-DSSM) - 郭耀华 - 博客园
- 推荐系统与CTR预估, 基于深度学习(一):召回思路及模型串讲 - Nick's Tech Blog
业界实践
- 揭秘微信"看一看"是如何为你推荐的
- 热点挖掘技术在微信看一看中的应用
- 深度学习在省钱快报推荐排序中的应用与实践 - InfoQ
- 美图个性化推送的 AI 探索之路 - InfoQ
- 深度学习在花椒直播中的应用——推荐系统冷启动算法 - 掘金
- 算法调研-微信看一看Embedding - 知乎
- 广告CTR预估中用户行为学习和记忆建模
- WWW 2020关于深度推荐系统与CTR预估相关的论文
- CTR预估在动态样式建模和特征表达学习方面的进展
- 推荐系统遇上深度学习(八十二)-[阿里]可视化分析点击率预估模型 - 简书
- 推荐系统遇上深度学习(八十一)-[阿里]DMR:Matching和Ranking相结合的点击率预估模型 - 简书
框架相关
- 机器学习平台 Goblin 的实践 - 知乎
- 机器学习框架上的一些实践 - 知乎
- TensorFlow做Sparse Machine Learning - 知乎
- 极简入门TensorFlow C++源码 - 知乎
- 极简入门TensorFlow 内存管理 - 知乎
- 大白话讲nnvm - 知乎
- ps-lite代码解析 - 知乎
- 分布式训练的方案和效率对比 - 知乎
流式系统
- 评:Streaming System(简直炸裂,强势安利) - 知乎
- 端到端一致性,流系统Spark/Flink/Kafka/DataFlow对比总结(压箱宝具呕血之作) - 知乎
- pythonbooks/Streaming Systems
C++
- C++ 编译初步 | 吴良超的学习笔记
- cmake学习记录 - 知乎
- makefile 文件的编写 - kzangv - 博客园
- C++ 基础之引用计数 - 知乎
- blade-build/user_manual.md at master · chen3feng/blade-build
from books.
Related Issues (5)
Recommend Projects
-
React
A declarative, efficient, and flexible JavaScript library for building user interfaces.
-
Vue.js
🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.
-
Typescript
TypeScript is a superset of JavaScript that compiles to clean JavaScript output.
-
TensorFlow
An Open Source Machine Learning Framework for Everyone
-
Django
The Web framework for perfectionists with deadlines.
-
Laravel
A PHP framework for web artisans
-
D3
Bring data to life with SVG, Canvas and HTML. 📊📈🎉
-
Recommend Topics
-
javascript
JavaScript (JS) is a lightweight interpreted programming language with first-class functions.
-
web
Some thing interesting about web. New door for the world.
-
server
A server is a program made to process requests and deliver data to clients.
-
Machine learning
Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.
-
Visualization
Some thing interesting about visualization, use data art
-
Game
Some thing interesting about game, make everyone happy.
Recommend Org
-
Facebook
We are working to build community through open source technology. NB: members must have two-factor auth.
-
Microsoft
Open source projects and samples from Microsoft.
-
Google
Google ❤️ Open Source for everyone.
-
Alibaba
Alibaba Open Source for everyone
-
D3
Data-Driven Documents codes.
-
Tencent
China tencent open source team.
from books.