issues
search
icaffe
/
books
135
stars
30
forks
source link
readme
Table of contents
广告业务
模型工程
实时工程
用户行为建模
多任务建模
召回模型
业界实践
框架相关
Flink 流式系统
Embedding
NLP
C++
Java
算法编程
基础知识
广告业务
[x]
谷歌的广告业务是如何赚钱的?郄小虎Tiger - 知乎
[ ]
搜索引擎公司是如何利用博弈论进行广告位拍卖的? - 知乎
[ ]
互联网广告拍卖机制设计
[ ]
互联网广告拍卖的数学描述及最优拍卖机制设计 - 掘金
[ ]
从央视到谷歌:聊一聊竞价广告的机制设计 | 爱范儿
[ ]
为什么 Google 的搜索广告拍卖采用 GSP 机制,而不是 VCG 机制? - 知乎
[ ]
广告拍卖机制与点击率预估概述_人工智能_frankie110的专栏-CSDN博客
[ ]
谈谈广告平台的竞价原理:GFP,GSP,VCG - 知乎
[ ]
GSP — The Cinderella of Mechanism Design
模型工程
[x]
使用tensorflow c++ api构建线上预测服务 - 篇3 - J.P.Liu's Blog
[x]
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
[x]
在线学习在爱奇艺信息流推荐业务中的探索与实践 - InfoQ
[x]
浅谈流式模型训练体系 - 知乎
[x]
汽车之家推荐系统排序算法迭代之路 - InfoQ
[x]
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
[x]
信息流推荐在凤凰新闻的业务实践 - InfoQ
[x]
实时数据流上的机器学习——Tensorflow on Flink - 知乎
[x]
蚂蚁金服核心技术:百亿特征实时推荐算法揭秘 - 知乎
[x]
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
[x]
一站式机器学习平台建设实践 - 美团技术团队
[x]
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
[ ]
Apache Flink在滴滴的应用与实践
用户行为兴趣
[x]
CTR预估问题没有“银弹”,比模型结构更重要的是什么? - InfoQ
[x]
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
[x]
阿里CVR预估模型之ESMM - 知乎
[x]
Youtube 排序系统:Recommending What Video to Watch Next - 知乎
[x]
Multi-task多任务学习在推荐算法中的应用 - 知乎
[x]
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
[x]
镶嵌在互联网技术上的明珠:漫谈深度学习时代点击率预估技术进展 - 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
[x]
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
[ ]
增加User Memory Embedding的深度点击率预估模型 – Semocean
[ ]
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
[ ]
推荐系统中的深度匹配模型 - 知乎
[ ]
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
[ ]
最新边信息推荐系统综述 | Survey on Recommendations with Side Information
[x]
深入浅出排序学习:写给程序员的算法系统开发实践 - 美团技术团队
[ ]
WWW2020推荐系统论文合集(已分类整理)
[ ]
谷歌最新双塔DNN召回模型——应用于YouTube大规模视频推荐场景 - 知乎
[ ]
DLP-KDD全部文章及资源,覆盖GNN、Graph Emb、Transformer等业界前沿领域 - 知乎
[ ]
谈谈推荐系统中的用户行为序列建模 - 知乎
[ ]
图推荐算法在E&E问题上的应用
[ ]
推荐系统的图方法 - 知乎
[ ]
KDD 19 | DGL教程:Recommender System with GNN
[ ]
召回算法实践总结 - 知乎
[ ]
搜索中的 Query 理解及应用
[ ]
阿里飞猪“猜你喜欢”推荐排序实践
[ ]
推荐系统中稀疏特征Embedding的优化表示方法
框架相关
[ ]
机器学习平台 Goblin 的实践 - 知乎
[ ]
机器学习平台在Kubernetes上的实践 - 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
[ ]
分布式机器学习框架与高维实时推荐系统
Flink 流式系统
[ ]
zhisheng17/flink-learning 含 Flink 入门、概念、原理、实战、性能调优、源码解析等内容
[ ]
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
Embedding
[ ]
图表示学习Graph Embedding综述
[ ]
Embedding技术在58同城推荐中的应用
[ ]
全面理解PinSage - 知乎
[ ]
推荐系统 embedding 技术实践总结 - 知乎
NLP
[ ]
Rethink深度学习中的Attention机制 - 知乎
[ ]
Transformer 在美团搜索排序中的实践 - 美团技术团队
[ ]
Attention机制在深度学习推荐算法中的应用
CPP
[ ]
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
Java
[ ]
Snailclimb/JavaGuide 一份涵盖大部分Java程序员所需要掌握的核心知识。
[ ]
doocs/advanced-java: 进阶知识完全扫盲:涵盖高并发、分布式、高可用、微服务、海量数据处理等
[ ]
spring-boot-demo
[ ]
Java教程 - 廖雪峰的官方网站
算法编程
[ ]
labuladong/fucking-algorithm: 手把手撕LeetCode题目
基础知识
[x]
频率学派和贝叶斯学派 - 知乎
[x]
贝叶斯学派与频率学派有何不同? - 知乎
[x]
如何通俗理解 beta 分布? - 知乎
[x]
CTR预估中的贝叶斯平滑方法(一)原理及实验介绍 - 笨兔勿应 - 博客园
[x]
CTR预估中的贝叶斯平滑方法(二)参数估计和代码实现 - 笨兔勿应 - 博客园
[x]
转化率(CTR)预测的贝叶斯平滑 - 小平子的专栏 - CSDN博客
[x]
ctr平滑 – d0evi1的博客