机器学习中如何处理不平衡数据
准确率高达 96.2% 的模型跑在真实数据上却可能完全无法使用。一个可能的原因是：你所使用的训练数据是不平衡数据集。本文介绍了解决不平衡类分类问题的多种方法。 假设老板让你创建一个模型——基于可用的各种测量手段来预测产品是否有缺陷。你使用自己喜欢的分类器在数据上进行训练后，准确率达到了 96.2%! 你的老……
用实现可扩展快速且高效的部署
文 / 由特邀作者 SAP Concur Labs 的高级机器学习工程师 Hannes Hapke 发布。由 Robert Crowe 代表 TFX 团队编辑。 Transformer 模型（尤其是 BERT 模型）为 NLP 带来巨大的变革，并且在情感分析、实体提取和问答问题等任务的处理上也均有新的突破。BERT 模型让数据科学家站在了巨人的肩膀上。各公司已经通过大型语料库对模型进行预训练，数据科学家可以对……
微众银行在联邦推荐算法上的探索及应用
分享嘉宾：谭奔 微众银行 高级研究员 编辑整理：王少华 内容来源：微众·AI 出品平台：DataFunTalk 导读： 现如今推荐系统已经得到了广泛的应用，其性能通常是随着数据量的增加而提高。但现实中，数据往往分散在各个提供方手上，且随着数据监管政策趋严，以及数据隐私保护问题越来越受到重视，导……
干货推荐系统中的深度匹配模型
辛俊波 腾讯 | 高级研究员 推荐系统概述 1.1 推荐系统本质 推荐系统就是系统根据用户的属性 ( 如性别、年龄、学历、地域、职业 )，用户在系统里过去的行为 ( 例如浏览、点击、搜索、购买、收藏等 )，以及当前上下文环境 ( 如网络、手机设备、时间等 )，从而给用户推荐用户可能感兴趣的物品 ( 如电商的商品、fee……
技术在推荐系统中的实践总结
作者：minwxwang，腾讯 PCG 应用研究员 当前主流的推荐系统中，embedding 无处不在，从一定意义上可以说，把 embedding 做好了，整个推荐系统的一个关键难题就攻克了。因此，本文总结了移动腾讯网推荐系统中的 embedding 技术实践，力图达到娱人娱己的目的。 什么是 embedding embedding 其实就是一种稠密向量的表示形式。在 embedding……
推荐系统遇上深度学习十四
之前学习了强化学习的一些内容以及推荐系统的一些内容，二者能否联系起来呢！今天阅读了一篇论文，题目叫《DRN: A Deep Reinforcement Learning Framework for News Recommendation》。该论文便是深度强化学习和推荐系统的一个结合，也算是提供了一个利用强化学习来做推荐的完整的思路和方法吧。本文便是对文章中的内容的……
在度小满征信解读中的应用
分享嘉宾：正兴 度小满金融 算法高级专家 编辑整理：张春越 哈尔滨金融学院 出品平台：DataFunSummit 导读： 本文的主题是AI技术在征信解读中的应用，主要介绍我们针对金融征信数据以及面向信贷领域模型在技术上的优化实践。 01 背景 1. 征信数据介绍 征信数据主要指的是人民银行征信中心给出的个人……
向量召回在阿里躺平的实践
作者：陈雷慧（豆苗） 背景 躺平APP是“躺平”这个大生态中生活记录社区，记录生活记录家。 该业务场景中，个性化推荐在充分利用流量实现精细化运营、促进信息流动方面有着不可或缺的地位。在业务成长初期，其内容推荐也面临着如下两个问题： 用户冷启动： 对于无任何行为或行为稀疏的用户，难以有效的捕……
搭建企业级平台实践
什么是AB测试？ 在现实的产品迭代场景中，我们经常会遇到多个方案的选择的问题，在这里迭代的可以是UI界面，可以是算法策略。简单来说就是为同一个产品目标制定两个方案，一部分用户走A方案，另一部分走B方案，然后通过日志记录用户的使用情况，并通过结构化的日志数据分析相关指标，如点击率、转……
领域驱动设计核心知识梳理笔记
本书是毕业后读的第二本偏专业书，刚工作读的第一本教的是代码层面的如何让具体实现更优雅， 而这本书旨在提升抽象能力、顶层设计、领域建模能力。看书的过程中，书里解答了之前工作中很多的困惑，比如 团队间，项目模块间如何界定边界？有没有好的方式让项目代码摆脱越来越不可控的结局？另外更重要的是……
