年七月中旬百度算法面试道题分享
文末免费送电子书：七月在线干货组最新 升级的《2021最新大厂AI面试题》免费送！ 问题1：过拟合 怎么解决 过拟合：是指训练误差和测试误差之间的差距太大。换句换说，就是模型复杂度高于实际问题，模型在训练集上表现很好，但在测试集上却表现很差。 欠拟合：模型不能在训练集上获得足够低的误差。换……
包含标签 人工智能 的文章
阿里想为特征交互走一条新的路
文章作者：周国睿 阿里巴巴 高级算法专家 内容来源：知乎@周国睿 导读： 本文主要介绍阿里定向广告技术团队在CTR建模领域最新的工作CAN，CAN已经在双十一前全面在阿里定向广告落地，在线效果提升非常显著。一般文章会以事后的视角来写，这样思考会更完整，会屏蔽掉中途的一些旁枝末节，会显得思路……
年月算法工程师道面试题分享
问题1：逻辑回归和SVM的异同 LR与SVM的相同点： 都是有监督的分类算法； 如果不考虑核函数，LR和SVM都是线性分类算法。 它们的分类决策面都是线性的。 LR和SVM都是判别式模型。 LR与SVM的不同点： 本质上是loss函数不同，或者说分类的原理不同。 SVM是结构风险最小化，LR则是……
超详细讲解深入理解二分类算法
我的个人 微信公众号： Microstrong 微信公众号 ID：MicrostrongAI 目录： GBDT 分类算法简介 GBDT 二分类算法 2.1 逻辑回归的对数损失函数 2.2 GBDT 二分类原理 GBDT 二分类算法实例 手撕 GBDT 二分类算法 4.1 用 Python3 实现 GBDT 二分类算法 4.2 用 sklearn 实现 GBDT 二分类算法 GBDT 分类任务常见的损失函数 总结 Reference 本文的主要内容概览： 1. GBDT 分类算法简介 GBDT 无……
图解自监督学习人工智能蛋糕中最大的一块
作者：Amit Chaudhary 编译：ronghuaiyang 导读： 如果人工智能是一块蛋糕，那么蛋糕的大部分是自监督学习，蛋糕上的糖衣是监督学习，蛋糕上的樱桃是强化学习。 Yann Lecun 在他的演讲中引入了“蛋糕类比”来说明自监督学习的重要性。虽然这个类比是有争论的，但我们也已经看到了自监督学习的影响，在自然……
拯救的配方
拯救 996 的配方 引言 随着越来越多的公司加入996的阵营，企业面临的经营压力越来越大，员工不得不为此付出更多的努力。在社会的大环境下，企业不努力燃烧激情，将失去生存的立锥之地；员工不努力释放自我，将会被企业淘汰；正所谓皮之不存毛将焉附。这样的场景，非企业所愿，非员工所望，却是趋势如此，……
推荐技术随谈
文章作者：翦浩 脉脉 编辑整理：蒋权 内容来源：DataFun AI Talk 大家好，今天想和大家讨论下相关推荐技术通用的特点及在实践中的改进点，这也是我们团队在研发实践中一些经验总结。 首先，推荐解决主要问题是给用户在没有行为的新闻上预测一个偏好概率，然后通过概率值由高到低排序推荐给用户。如图简单……
吴恩达等大佬回顾预测年发展
人工智能一度被炒作为一项可以拯救世界或者毁灭世界的技术。 拨开喧嚣与炒作的迷雾，VentureBeat 与人工智能领域的杰出专家 Google Brain 联合创始人吴恩达，Cloudera 和 Fast Forward Labs 创始人 Hilary Mason，Facebook AI 研究院创始人 Yann LeCun，以及埃森哲人工智能全球负责人 Rumman Chowdhury 进行了一次交流……
从阿里的看模型线上实时方法
这里是 「王喆的机器学习笔记」 的第二十九篇文章。 最近写书的时候在总结一些深度学习模型线上 serving 的主流方法。之前的专栏文章也有所涉及（ 如何解决推荐系统工程难题——深度学习推荐模型线上 serving）。 但是看到阿里妈妈去年 KDD 上的文章 *Practice on Long Sequential User Behavior Modeling for Click-Through Rate Prediction * 之后，还是有种相见恨晚的感觉，因为……
马蜂窝推荐排序算法模型是如何实现快速迭代的
Part.1 马蜂窝推荐系统架构 马蜂窝推荐系统主要由召回（Match）、排序（Rank）、重排序（Rerank）几个部分组成，整体架构图如下： 在召回阶段，系统会从海量的内容库筛选出符合用户偏好的候选集（百级、千级）；排序阶段在此基础上，基于特定的优化目标（如点击率）对候选集内容进行更加精准的……
