machine learning about books HOT 17 OPEN

• 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

• 如何用纯 Python 写交互式 Web 应用？ - 知乎
• pyecharts/pyecharts: 🎨 Python Echarts Plotting Library

from books.

ctr 建模

• 一种全新的点击率建模方案 - 知乎
• 推荐系统中的深度匹配模型 - 知乎
• 广告点击率预估在线评估指标 - 知乎
• 点击率预估分析中的问题 - 知乎

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

• 动手学深度学习

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.