原创 生成式深度學習

導讀:深度學習不僅在於其強大的學習能力,更在於它的創新能力。我們通過構建判別模型來提升模型的學習能力,通過構建生成模型來發揮其創新能力。判別模型通常利用訓練樣本訓練模型,然後利用該模型,對新樣本 x,進行判別或預測。而生成模型正好反過來,根

原创 解密商業化廣告投放平臺技術架構

導讀:互聯網廣告是流量商業變現的重要途徑之一,涉及服務平臺、檢索引擎、算法策略、數據工程等多個方向。本次分享的主題爲商業化廣告投放平臺技術架構,分享的內容集中在工程領域,結合業界廣告投放平臺的通用技術範式,分享智能營銷平臺是如何打造高性能、

原创 如何從 0 到 1 構建個性化推薦?

導讀:隨着科學技術的飛速發展,互聯網被廣泛應用於各個領域,而以互聯網爲基礎的招聘模式也越來越受到企業的青睞。互聯網招聘具有不受地域限制、覆蓋面廣、招聘成本低、針對性強、方便快捷、時效性強等優點,現已得到廣泛應用,其中,58招聘是互聯網招聘行

原创 人機對話技術研究進展與思考

導讀:本次分享的主題爲人機對話技術研究進展與思考。主要梳理了我們團隊近兩年的工作,渴望可以通過這樣的介紹,能給大家一個關於人機對話 ( 包括它的科學問題和應用技術 ) 方面的啓示,幫助我們進行更深入的研究和討論。主要包括: Spoken d

原创 Hadoop or TDengine,如何做物聯網大數據平臺的選型?

導讀:本次分享的主題爲 Hadoop or TDengine,如何做物聯網大數據平臺的選型?主要介紹物聯網大數據處理中可能遇到的問題;結合實際的應用場景,分析 TDengine、InfluxDB、ClickHouse、Hadoop、MySQ

原创 人機語音對話技術在58同城的應用實踐

導讀:本文將介紹58同城人機語音對話機器人的完整解決方案,重點分享對話策略管理、自動電話撥打、意圖識別、防騷擾控制等核心模塊的設計實現,並闡述如何將語音機器人應用於58各業務場景,以助力銷售、運營和客服提高人效。——背景——58同城是中國最

原创 安全舒適兩不誤:探討優化算法在規劃控制中的應用

導讀:自動駕駛技術研發對於“安全第一”的追求是毋庸置疑的,但是這中間可能就忽視了舒適性。因此,今天我想給大家分享的是,自動駕駛研發如何在兼顧安全性的同時,保證乘客體驗的舒適。往細一點說,就是如何通過優化算法在規劃和控制模塊中找到安全性和舒適

原创 打造最可靠的自動駕駛基礎架構

導讀:本次分享的主題爲打造最可靠的自動駕駛基礎架構。主要內容包括如何做 Pony.ai 自動駕駛系統的基礎架構,涉及到的技術困難,以及我們是如何克服的。首先先了解下傳統互聯網公司的基礎架構:數據基礎設施,會包括大規模的數據庫、分佈式的文件系

原创 基於知識圖譜的問答在美團智能交互場景中的應用和演進

導讀:目前爲止 IT 產業經歷了六次浪潮,分別爲:大型機時代,小型機時代,個人電腦時代,桌面互聯網時代,移動互聯網時代和 AIOT 時代。在這些時代背後可以發現是人機交互方式的變化:從鼠鍵交互,到觸控交互,再到語音智能交互,可以看到人機交互

原创 實時計算引擎在貝殼的應用與實踐

導讀:本次分享的主題爲實時計算引擎在貝殼的應用與實踐。主要內容包括:背景介紹流式計算平臺實時分析監控平臺-FAST後續規劃背景介紹貝殼找房由鏈家網升級而來,是以技術驅動的品質居住服務平臺,聚合和賦能全行業的優質服務者,打造開放的品質居住服務

原创 搜索引擎中的 web 數據挖掘

內容摘要搜索引擎中的 web 數據挖掘,從淺入深的講解全網搜索引擎中的數據挖掘系統的設計方案與核心算法,除技術分享外,還包括互聯網技術面試、計算機技術學習方法等經驗方法。視頻https://v.qq.com/x/page/j3014hlc0

原创 基於機器閱讀理解(MRC)的信息抽取方法

導讀:本次分享的主題爲基於機器學習閱讀理解(MRC)的信息抽取方法。由香儂科技發表在ACL2019,論文提出用閱讀理解的方法對信息抽取這個傳統問題進行建模,取得了比較好的效果。Part1 香儂科技簡介香儂科技的主要研究方向爲自然語言處理和深

原创 深度學習中的微分

導讀:我們在研究與應用深度學習時,會碰到一個無法繞過的內容,就是微分求導,再具體點其實就是反向傳播。如果我們只是簡單地應用深度學習、搭搭模型,那麼可以不用深究。但是如果想深入的從工程上了解深度學習及對應框架的實現,那麼瞭解程序是如何進行反向

原创 人機對話關鍵技術及挑戰

導讀:近年來,人機對話受到了學術界和工業界的廣泛重視。在研究上,自然語言理解技術逐漸從序列標註向深度學習的方向發展,對話管理經歷了由規則到有指導學習再到強化學習的發展過程,自然語言生成則從模板生成、句子規劃,發展到端到端的深度學習模型。在應

原创 網絡圖模型知識點綜述

導讀:網絡圖模型綜述,網絡圖模型知識點,看這一篇就夠啦~主要結合韓家煒及崔鵬的相關工作以及我個人理解闡述網絡圖模型的各方向知識點,用通俗的話把每個知識點的關鍵寫出來,幫大家高效理解這個領域。另附個人 Blog:https://chmx092