博客写作素材
-
- 为你的爬虫提提速？
-
- 利用python构建一个简单的推荐系统
-
- 深度学习超参数搜索实用指南
-
- 使用python创建自己的第一个神经网络模型吧！
-
- NLP领域中更有效的迁移学习方法
-
- 机器学习tensorflow框架初试
-
- 偏差(Bias)和方差(Variance)——机器学习中的模型选
-
- 一文详解知识图谱关键技术与应用 | 公开课笔记
-
- 量化投资的利器：隐马尔可夫模型（一）
-
- Google团队在DNN的实际应用方式的整理
-
- 美团在O2O场景下的广告营销
-
- 针对商品标题冗长问题，阿里工程师怎么解决？
-
- 基于Tensorflow实现FFM
-
- 工程师如何解决穿衣搭配烦恼？——滴搭平台与算法
-
- 词向量 - 实际动手使用word2vec
-
- 基于Tensorflow实现DeepFM
-
- 通俗理解word2vec
-
- 推荐系统遇上深度学习(二十一)--阶段性回顾
-
- Boosting方法-从AdaBoost到LightGBM
-
- 整理一份万字机器学习资料！
-
- 特征工程3——特征预处理
-
- 特征工程2——特征表达
-
- 特征工程1——特征选择
-
- CTR的一些模型方案
-
- 从贝叶斯角度看L1及L2正则化
-
- 长文详解基于并行计算的条件随机场CRF
-
- 推荐系统遇上深度学习(十一)--神经协同过滤NCF原理及实战
-
- lightGBM从参数调优到背景理论
-
- 推荐系统遇上深度学习(十)--GBDT+LR融合方案实战
-
- 推荐系统遇上深度学习(六)--PNN模型理论和实践
-
- 推荐系统遇上深度学习(三)--DeepFM模型理论和实践
-
- 推荐系统遇上深度学习(二)--FFM模型理论和实践
-
- gensim-word2vec
-
- 推荐系统遇上深度学习(一)--FM模型理论和实践
-
- 在Tensorflow Serving上部署基于LSTM的文本分
-
- TF-IDF Python 实现
-
- 总结：sklearn机器学习之特征工程
-
- 经典概率模型和条件随机场
-
- Faiss cpu 版本安装记
-
- FFM原理与实践简单理解
-
- TF使用例子-LSTM实现序列标注
-
- 特征工程完全总结（Python源码）
-
- Google&Facebook好文系列：Wide &am
-
- 多模型融合推荐算法在达观数据的运用
个人博客写作资料收藏
