精华内容
下载资源
问答
  • NLP算法工程师NLP的一些看法

    万次阅读 2018-03-30 10:42:04
    最近的项目就是NLP相关,说一些个人NLP的看法。直观地看,NLP算法工程师的经验和算法工程师的经验没有太大差别。NLP的发展并不是那么快。如果没有实际的业务需求,NLP的实现或产品功能不如其他领域那么大,所以NLP...


    最近的项目就是NLP相关,说一些个人对NLP的看法。直观地看,NLP算法工程师的经验和算法工程师的经验没有太大差别。NLP的发展并不是那么快。如果没有实际的业务需求,NLP的实现或产品功能不如其他领域那么大,所以NLP工程师可能会面临相对较多的挫折,当然也面临更多的机会。实际上,算法工程师的经验非常重要,两个人认为这是积累和反思,通常花更多的时间阅读纸张来重现一些实验,而不会浪费你的表现和时间;问题经常得到解决需要的是经验和灵感。这两点通常都是从积累和反思中得出的。因此,当你处于最佳位置时,要认真思考。不要拘泥于时间,形式和位置。当你下班或放松时,你经常可以激发灵感。因此,重要的是要保持对问题的关注程度。不要在压力下压力自己(当然,前提是你已经做了足够的积累)。

    也许就像这样,经历这种事情,总觉得有时不容易说出来,所以有兴趣在坑里试试。

    我发现还有每天的工作问题。其实,这个比较因人而异。根据不同的实践领域,它也有很大的不同。您可以参考一些您的回复,然后对其进行优化。


    NLP伪原创技术早期并不是很受欢迎


    基于主动学习的伪原创句法识别研究

    展开全文
  • SIFT算法的一些看法

    千次阅读 2013-04-26 16:33:07
    Lowe)教授总结了现有的基于不变量技术的特征检测方法,并正式提出了一种基于尺度空间的、图像缩放、旋转甚至仿射变换保持不变性的图像局部特征描述算子-SIFT(尺度不变特征变换),这种算法在2004年被加以完善...

    1.鼻祖:David G. Lowe

         1999British Columbia大学大卫.劳伊(DavidG. Lowe)教授总结了现有的基于不变量技术的特征检测方法,并正式提出了一种基于尺度空间的、对图像缩放、旋转甚至仿射变换保持不变性的图像局部特征描述算子-SIFT(尺度不变特征变换),这种算法在2004年被加以完善。

    David G. Lowe      David G. Lowe               

          Computer Science Department
          2366 Main Mall
          University of British Columbia
          Vancouver, B.C., V6T 1Z4, Canada

          E-mail: lowe@cs.ubc.ca

     

      

     

    2.局部不变形

          将一幅图像映射(变换)为一个局部特征向量集;特征向量具有平移、缩放、旋转不变性,同时对光照变化、仿射及投影变换也有一定不变性。

     

     
     

    3.SIFT 主要思想

      SIFT算法是一种提取局部特征的算法,在尺度空间寻找极值点,提取位置,尺度,旋转不变量。SIFT算法步骤:

    1)检测尺度空间极值点

    2)精确定位极值点

    3)为每个关键点指定方向参数

    4)关键点描述子的生成

    参考网址:http://www.cnblogs.com/cfantaisie/archive/2011/06/14/2080917.html

    http://blog.csdn.net/abcjennifer/article/details/7639681

     

     

    4.SIFT算法可以解决的问题:

           目标的自身状态、场景所处的环境和成像器材的成像特性等因素影响图像配准/目标识别跟踪的性能。而SIFT算法在一定程度上可解决:

    目标的旋转、缩放、平移(RST

    图像仿射/投影变换(视点viewpoint

    光照影响(illumination

    目标遮挡(occlusion

    杂物场景(clutter

    噪声

           其中对RST效果很好,viewpoint变换、illumination影响、object occlusion cluster噪声效果不是特别好,放射变化效果不是特别理想。

     

    5SIFT发展历程

          SIFT算法由D.G.Lowe1999年提出,2004年完善总结。

          PCA-SIFT是将其描述子部分用PCA代替直方图的方式,通过降维技术,可有效化简SIFT算子的128维描述子,是由Y.Ke在2004年提出。

           CSIFTColored scale invariant feature transform)彩色尺度特征不变变换,可以针对彩色图像进行图像的不变特征提取。由 Farag 2006年提出。

           SURFSURF Speeded Up Robust Features),号称是SIFT算法的增强版,SURF算法的计算量小,运算速度快,提取的特征点几乎与SIFT相同,由Bay 2006年提出。

           ASIFTAffine-SIFT)抗仿射SIFT变换,主要思想是两个向量空间之间的一个仿射变换或者仿射映射由一个线性变换接上一个平移组成。ASIFT可以抵抗强仿射情况,提取的特征点远多于SIFT算法,由J.M. Morel 2009年提出。

     

     

    ---------------------------------------------------------------------------------------------------------------------------------------

    Reference:

    Lowe SIFT 原文:http://www.cs.ubc.ca/~lowe/papers/ijcv04.pdf

    SIFT C实现:https://github.com/robwhess/opensift/blob/master/src

    MATLAB 应用Sift算子的模式识别方法:http://blog.csdn.net/abcjennifer/article/details/7372880

    http://blog.csdn.net/abcjennifer/article/details/7365882

    http://en.wikipedia.org/wiki/Scale-invariant_feature_transform#David_Lowe.27s_method

    http://blog.sciencenet.cn/blog-613779-475881.html

    http://www.cnblogs.com/linyunzju/archive/2011/06/14/2080950.html

    http://www.cnblogs.com/linyunzju/archive/2011/06/14/2080951.html

    http://blog.csdn.net/ijuliet/article/details/4640624

     

    展开全文
  • 五子棋AI算法第一篇-我谷歌Alphago的看法

    万次阅读 多人点赞 2016-02-02 11:17:18
    我一直人工智能比较感兴趣,正好趁年前空闲的几天用JS写了一个五子棋的AI。其实很久以前就用自创的算法写过一个JAVA版的五子棋AI,不过棋力很不理想。这次用的是JS写的,所以无论任何平台上只要能打开网页的都可以...

    五子棋AI教程第二版发布啦,地址:https://github.com/lihongxun945/myblog/labels/%E4%BA%94%E5%AD%90%E6%A3%8BAI%E6%95%99%E7%A8%8B%E7%AC%AC%E4%BA%8C%E7%89%88

    当前这个是旧版教程,强烈建议阅读新版教程。

    最近Google宣布他们的围棋AI以5:0的战绩打败欧洲围棋三冠王。我一直对人工智能比较感兴趣,正好趁年前空闲的几天用JS写了一个五子棋的AI。其实很久以前就用自创的算法写过一个JAVA版的五子棋AI,不过棋力很不理想。这次用的是JS写的,所以无论任何平台上只要能打开网页的都可以玩。

    google爆出这个新闻之后,很多人觉得这是不是意味着电脑智商已经在人类之上了,围棋已经没有意义了之类的。甚至觉得这是不是电脑统治人类的开端。对这些想法我只能呵呵了。

    Alphago其实没有人类的“智商”!

    智商包括很多维度比如认知能力、学习能力、记忆力、创造力、逻辑思维能力等,而人类智商最大的特点在于创造力,或者说想象力。现在的AI并不具备创造力,但是具备一定的学习能力。
    不过这个学习能力也仅仅是很片面的一个领域内的,比如AlphaGo只会学习围棋,不会学习如何写作如何修车等。所以它只具备人类通过深度学习算法赋予它的一点点很初级很优先的学习能力。这个学习能力和几岁的小孩都没法比。

    Alphago 基本上是以深度神经网络结合蒙特卡罗算法实现的,他可以通过不断和高手对弈或者和自己对弈来提高棋力。无论是深度神经网络还是蒙特卡罗搜索,都是现成的理论,没有在AI领域有本质上的突破。
    而Alphago能赢欧洲的围棋冠军,靠的是一群大牛程序员和一大批专业棋手以及那个超强计算能力的大型计算机。

    围棋也不会失去意义

    首先,虽然Alphago战胜了专业二段水平,但是围棋其实是一个亚洲的游戏,高手都在中日韩三国。业界公认樊麾和顶级的李世石九段是有巨大的实例差距的,而且和Alphago的对决中樊麾发挥的非常不好。所以Alphago在和樊麾对战的时候,棋力应该是专业二段左右,和李世石九段差距甚远。当然电脑的进步是神速的,而且Alphago肯定会研究李世石之前的棋谱来找对策,所以有一定的机会能赢,但是即使赢了,也不会赢得很轻松。个人比较倾向于现阶段Alphago会输,但是几年或者十几年之后,电脑最终会以极大优势横扫围棋界,这个时间点的到来比很多人预期的要快。

    即使电脑完虐人类,围棋也不会失去意义。就像汽车不会让博尔特失去意义,深蓝不会让国际象棋失去意义一样。这段新闻过了之后,围棋还是围棋,电脑还是电脑。只不过可能小朋友能借助AI在网上虐一下高手而已。

    Alphago的意义

    围棋是一个唯一人类可以狂虐电脑的棋类游戏,甚至业余高手都可以狂虐电脑,之前最顶尖的电脑也不过业余5段水平,而全国业余五段数以万计,并且业余五段和业余六段以及专业段位有天壤之别。
    主要原因有如下两点:

    • 围棋非常难进行局势评价。国际象棋对当前局势的评价函数比较简单,根据每个子的权重加一下就可以了(当然实际上没这么简单),而围棋这种牵一发动全身,需要纵观全局的游戏很难对当前局势设计一个好的评估函数。而且实际上并不存在一个简单的函数能对围棋的局势进行评估。
    • 围棋所需计算量极大,唯一的每一步平均有200+的变数,基本都会下满棋盘,相比之下 国际象棋每一步的平均变数不超过50,一般几十步就会结束游戏。

    所以围棋的博弈树极其庞大,而且非常难对当前的局势进行评分。相比之下象棋这种游戏就简单太多了。所以传统的基于对博弈树进行搜索和评估的算法在围棋上是行不通的。而Alphago得出现,让这个问题的求解看到了希望。很多人觉得电脑下不赢人的原因是认为围棋需要靠大局观才能赢,而alphago证明了这种大局观也不过是一个数学问题而已,完全可以考计算机来解决。

    如果说Alphago的意义,那就是它攻下了人类在棋类游戏的最后一块阵地,现在全世界的人都相信,电脑已经统治了所有棋类游戏。或者说,在所有的完备信息的零和博弈游戏中,电脑已经完胜人类。

    下面说下完备信息零和博弈游戏的定义,关键就是两个点:

    • 完备信息,也就是博弈双方完全知道对方的所有信息,从第一步到最后一步,所有的走法,整个棋盘看的清清楚楚,也不存在随机性。相比之下,四国军棋就不在这个范围内,因为看不到对手的棋,德州扑克也不再这个范围内,因为看不到对手的牌,而且下一次发出的牌是随机的。
    • 零和博弈,也就是双方的收益之和为0。电脑优势则玩家必然劣势,不存在双方都是优势或者双方都是劣势的情况。

    围棋和象棋都是典型的这类游戏,我们要讲的五子棋也是。

    我们要讲的五子棋算法是用JS实现的,源码在github上,大家可以先看一下,跟电脑对战几盘感受下电脑的棋力:

    下一章讲五子棋AI的三个关键算法。

    展开全文
  • 算法推荐女朋友,靠谱吗?

    千次阅读 多人点赞 2021-07-20 13:34:13
    如果有一天让你同算法推荐给你的异性结婚,你会愿意吗? 前阵子,抓码君在浏览微博时刷到了这条热搜:#腾讯获推荐婚恋对象专利授权#。 细查一番,发现鹅厂在2016年就申请了“一种婚恋对象推荐方法及装置”,近日...

    图片

    如果有一天让你同算法推荐给你的异性结婚,你会愿意吗?

    前阵子,抓码君在浏览微博时刷到了这条热搜:#腾讯获推荐婚恋对象专利授权#。

    图片

    细查一番,发现鹅厂在2016年就申请了“一种婚恋对象推荐方法及装置”,近日正式获得授权。

    这种装置不仅能优先向用户推送高匹配度的婚恋对象,系统还会结合用户的信用分为用户进行推荐,提高用户快速找到心仪婚恋对象的概率。

    鹅厂之所以会早早申请这项专利,抓码君认为理由只有一个:单身已成为当代青年生活中最为普遍的现象。

    早在年初,民政部就公布了一组数据:“截止到目前,我国的单身成年人口已高达2.4亿,其中7700万成年人为独居状态,预计到2021年年底,这一数字会上升到9200万人。”

    速途研究院的另一组数据讲得更清楚:29.7%和26.4%的单身青年们分别散落在一线和新一线城市,其中又以TMT行业从业人士数量居多,堪称是单身的“重灾区”。

    这其中,女性群体的崛起是不争的事实,知识女性们在经济上能自立,在职场、社会上也具有一定地位和尊严,她们在婚恋上越来越崇尚宁缺毋滥,甚至宁愿过单身生活,这直接引发了单身男士规模的增加。

    而造成“单身社会”的另一大因素,则是因“接触不到足够多的异性”而带来的闭塞。

    智联招聘曾做过一次调查,数据显示无论是男性还是女性,圈子小都是阻碍自己成功脱单的主要原因,占比分别高达35.57%和49.3%。

    对于生活在一线和新一线城市的男生女生们,明明自身的条件和素质都不错,但为何却成了“剩男”与“剩女”?有些可能是因为自己不想找,有些可能是因为眼光太高,而更多的则是想找却找不到。

    在这里插入图片描述
    一种看似高效的解决方案:算法如何实现对象的匹配?

    在没有互联网年代,我们都是如何找对象的?那时全球最通用的认识潜在婚恋对象的方式是“朋友推荐”。

    随着现代工作生活节奏不断变快、城市邻里关系的变化等因素影响,“朋友推荐”模式却逐渐变得“不那么靠谱”。

    究其原因,不外乎三点:其一是朋友圈太小,大家可推荐的对象本来就不多,遇到合适的就更难了,而且人们大多抱着“宁缺毋滥”的态度找对象,难度系数直接封顶;

    其二是太费时,如果是朋友推荐的相亲对象,碍于面子总要见上一面,工作一忙起来一周甚至约不了一个;

    其三是伤感情,如果朋友介绍来的看得顺眼还好说,如果看不顺眼的话该怎么表达?

    既然靠朋友介绍也不行,靠自己“遇”也遇不到,那算法能不能成为一种高效的婚恋匹配方式?以至于我们只需要输入各类基本信息与偏好,算法就能为我们“量身匹配”一个理想中的伴侣?

    答案当然是可能的。想象一下,你晚上下班回家,在沙发上蜷成一团,松弛着紧张的神经,一边喝着酒一边打开了手机上的约会App。

    在接下来30分钟里,你会与某个符合你基本要求的用户进行一个简短的视频约会。同时,通过语音和图像识别技术,这款应用可以检测你和约会对象的话语、手势、表情,甚至心跳。

    而这之后,你还需要给这次的约会打分,以便人工智能能识别出你可能忽略的,但能够判断你们是否合适的迹象。

    在这一晚最后,APP会根据你的反馈为你推荐更多潜在的异性值得去深入了解。

    在未来,人工智能甚至可能会自己算出最幸福或最持久的关系是怎样的性格组合。

    现实生活中最典型的案例就是日本,为了提高结婚生育率,应对日益严峻的“老龄少子化”趋势,日本在埼玉、爱媛和秋田等十多个县建起了“邂逅支援中心”。

    这套AI婚配系统为了帮人们找到能够长久生活在一起的“完美”伴侣,设计了一个长达100多道题目的测试题库,分为“你重视的价值观”和“希望对方具有的价值观”,题目小到个人卫生、家务分配,中到兴趣爱好,大到人生选择,通通都会问到。

    图片

    AI系统会以价值观诊断报告作为基础,挑选出与你三观一致、性格相合,“可能对你产生好感”的有缘人,双方的契合度会以一星、两星、三星进行评价,当然前提是参加答题的人能够很“真诚”地回答问题。

    这套AI婚配系统机智的地方在于,它不会完全按照硬性条件(比如收入、学历、身高)去匹配伴侣,而是尽可能帮助你找到那个可能相处起来更融洽、性格更风趣的人。

    如果把时间再往前倒,如今世界上最大的约会网站Match.com在成立之初就有了算法的影子。

    你可以具体描绘你希望的交友对象是什么样子,比如他/她是高个子,或者拥有一头金发。

    在某些时刻,你所说的与真实想要的可能不一样,这被称为显示性偏好,是配对(Match)算法中的重要组成部分。它能保证即使网站不真正了解你,也能推测出谁正好适合你。

    在存储了你的表述和显示性偏好之后,软件会在网站中寻找那些在这两者差异上与你类似的人,然后用他们的记录来粗略估计你的情况。当某些细微差异和趋势出现,权重也随之改变,算法也会调整。

    就如同如今大热的Netflix一样,它也使用了类似的流程来向用户推荐他们可能喜欢的电影。

    听起来似乎一切都是对的,可算法真的能帮你找到真爱吗?

    当你向App输入了各种资料包括外在条件、爱好、性格、年薪、期望结婚时间、购房购车情况等以后,你找到了和你有着一样作息的人。

    你们有相同的兴趣爱好,不至于每天无话可说;

    你们有相同的作息习惯,不至于每天生活一地鸡毛;

    你们有相似的家庭背景条件和实力,可减少以后的生活摩擦。

    但你会不会觉得,我是不是少了点某种东西?

    在这里插入图片描述
    将感情化为数据,“爱情算法”合理吗?

    美国西北大学的心理学和管理学教授芬克尔对广受欢迎、算法驱动的约会应用持批评态度,他认为配对算法对恋爱的预测并不具备参考性。

    “问题在于他们的预测仅仅建立在未曾谋面的人自述的性格特征和偏好这类个人信息。”数十年的情感关系研究表明,爱情的成功更多地取决于两个人的互动方式,而不是他们是谁或者他们认为自己想要什么样的伴侣。

    在他看来,人们并知道什么样的人对自己有吸引力,人们总说希望伴侣具有某些品质,但最终他们却很可能选择并不符合那些要求的人。

    芬克尔在2012年《心理科学》杂志上的另一篇论文里写道,任何基于个体特征的算法都不太可能预测恋爱的成功,不能通过算法预测恋爱的一个主要原因是,比较两个人的性格特质并不能说明他们在一起会有多幸福。

    那么,互补性能否成为算法匹配的基础?这一命题来自社会学家罗伯特·温奇提出的一个理论:我们会被那些拥有我们认为好的但自己没有的品质的人吸引。

    而在对用户的不断调查中,这一命题也被推翻:互补的态度、兴趣、消费习惯或性别角色等因素并非影响满意度的关键因素。

    大多数研究婚恋关系的学者都认为,决定两个人是否会在一起,或者一段关系是否会持续的因素远不止性格。

    通俗点讲就是,什么都有了,唯独缺少了“爱”。同样重要的是,两人见面的环境,他们的家人和朋友的想法,以及他们在初次见面时的行为。

    彼此有“爱”的夫妻会有心有灵犀的感觉。他们称赞彼此、用心倾听,有着同样的举止、手势、姿势和语言风格。他们越同步,彼此的联系就越强。

    算法的本质是什么?是数学,可情感的本质却是看不见摸不着的一种感觉。算法可以将人类彼此间的差异数据化,但言语、行为间流露的情感却无法被量化存储。

    此外,面对虚拟化的互联网环境,更有可能出现的情况是,人们给算法提供的数据不是真实的数据,而是人们想让算法知道的数据,虚与委蛇的沟通不可能成为情感的基础。

    而最终吸引力的产生,在于我们交换的眼神、分享的笑声以及我们大脑和身体对彼此作出反应的无数方式。

    在这里插入图片描述

    赛博时代的存在危机

    科技始终会向前不断发展,其不在于你是否认同它。对于未来的AI婚配时代,已经有了不少开脑洞的猜想。

    最知名的如《黑镜》第四季《Hang the DJ》一集,剧中就出现了同款相亲APP,它通过构筑和比对两个使用者的AI来观察二者之间的匹配度。

    图片

    一位知友精炼地总结了这个故事——

    图片

    故事背后所展现的,是在恋爱、婚姻这件事情上,如果你不愿真的投入时间和精力,那么大概率会走进庸庸碌碌、毫无色彩的一生。

    图片

    虽然在结局男女主爱情的力量战胜了一切,但编剧带给我们的思考却细思极恐:你的人生,是否也如数据一般循规蹈矩?

    图片
    在这里插入图片描述

    在这里插入图片描述
    你对于算法推荐女朋友有什么独特看法呢?或者你有被算法影响的生活经历吗?
    欢迎留言分享!

    展开全文
  • 对于遗传算法,谈谈个人看法

    千次阅读 2018-10-13 00:56:08
    最近在学习遗传算法,小有体会。这个用数学方法来模拟生物学过程的算法实在是有很多值得玩味的地方。 遗传算法要干什么?比如Z=f(x,y),我们要找到他在x[0,1],y[0,1]区间上的最大值。我们就先随机在x[0,1],y[0,1]...
  • 本文针对启发式搜索算法SA,提出不同的看法:①关于SA在自身条件下平均复杂性为O(N1nN)的定理及其证明是不成立的.SA能否在自身条件下避免“指数爆炸”的问题并没有解决;②关于SA优于A*的定理及...
  • 对算法的理解

    千次阅读 2019-04-07 18:38:17
    算法的本质:算法规律的拟合。 发现算法的过程就是发现规律、规律进行拟合的过程。 不管是传统算法,新的算法产生的过程必然是客观规律(自然规律)或心理规律等规律的发现以及拟合。 其实算法也可算是...
  • 推荐算法注意事项总结

    千次阅读 2015-04-03 15:33:13
    本文总结了多种推荐场景中的注意事项,或者推荐中比较关键的因素,不涉及算法描述,仅仅说明关注点,仅供参考。 推荐算法有很多种,从算法的角度来说,我认为主要由以下几种:协同过滤系列(基于item和user),机器...
  • 本章主要谈谈基于内容Content Based推荐算法 CB推荐算法主要有两种子推荐算法: 1、引入item属性的Content Based推荐 2、引入user属性的Content Based推荐 先讲一下item内容属性索引构建: 1、item的元信息...
  • 算法——个人对算法的一些理解

    千次阅读 2018-02-05 14:08:49
    个人对算法的一些理解  在学校的同学们之间,算法总是被放在一个非常高的位置,有多高呢?嗯...就是非常非常高啦,高到有人只要能说出几个非常牛掰的和算法有关的名词,比如NP完全问题啦、模拟退火啦就觉得自己是...
  • 浅谈我对算法理解

    千次阅读 2019-12-05 15:35:50
    算法,一直是看似复杂的东西,但是,深入本质,其实算法,是很有趣的; 算法,其实就是对于一堆输入的内容,转换成你想要的输出的内容的一个计算序列! 栗子:从A到B有很多条路,最快到B是时间复杂度(多长时间)...
  • 个性化推荐算法总结

    万次阅读 多人点赞 2019-04-11 23:24:58
    读书笔记 |《推荐系统实践》- 个性化推荐系统总结 对于推荐系统,本文总结内容,如下图所示: 一、什么是推荐系统 1. 为什么需要推荐系统 为了解决互联网时代下的信息超载问题。 2. 搜索引擎与推荐系统 ...
  • 关于算法和复用性,可维修性的看法。 在上一篇文章 关于技术,框架,概念,设计 中说到关于复用性以后会说的坑,那么我现在来填坑了。 首先,来说一下算法算法大致分为,分析与实现两部分。这里...
  • google youtube 电影推荐算法

    千次阅读 2013-10-14 14:42:21
    google youtube 电影推荐算法 也可关注微博: weibo.com 或者直接访问 http://semocean.com 在面试实习生的时候,我有个习惯,就是面试快结束的时候,会像聊天一样和面试的学生聊一下他们某个技术方向的...
  • 算法导论 芯片检测问题之个人看法

    千次阅读 2014-03-30 16:57:14
    写在问题之前:第一次是在算法导论里看到这个问题,当时毫无头绪,只能在网上寻找思路。查看了几个技术博客,给出了结论,但是在第二个问题的关键问题上没有给出证明,可能大家都觉得这个显而易见,但是我觉得很难...
  • 推荐算法的简单认识

    2018-08-16 23:25:36
    1) 基于用户 - 根据用户物品的打分情况找出相似度高的用户,推荐评价高却没有被发现的物品。用户相似度读使用cos算余璇,夹角越小越相似。 1) 基于物品 很多人喜欢物品A, 这些人中相当多的人又很喜欢物品B,...
  • 博文https://blog.csdn.net/u012995888/article/details/79077681(机器学习入门--协同过滤算法[推荐算法])中,电影推荐示例的通俗理解。 业务描述: 1、有"小明","小花","小美"...
  • 网易云音乐的个性化推荐算法简析

    千次阅读 2020-04-30 16:52:42
    很早以前刚开始使用网易云音乐的时候,我就其个性化推荐系统有过一些猜测,当时以为只是基于协同过滤算法做出的推荐。但是在最近阅读了一本有关数据挖掘的书籍,看到了不少数据分析实例后,我有了一些不一样的看法...
  • 知乎推荐算法工程师面经

    千次阅读 2020-03-05 17:27:48
    前言曾三次迈进知乎的大门,面试算法工程师岗位。特整理了一些相关问题供大家研究,并附上了一些大佬的建议供大家参考。面试流程1、自我介绍balabala......2、介绍下...
  • 大数据算法的认知

    万次阅读 2017-07-31 20:11:11
    0x00 前言总结一下自己大数据算法认知的过程。正文包含两部分:对算法的认知过程和最终笔者大数据算法的理解。写这篇博客的原因有很多,总的来讲有下面几点: 自己在算法的路上一直懵懵懂懂,现在刚刚有了一点点...
  • 在上一篇中介绍了梯度下降算法,还是利用了上面的那个x^2+y...%在这里主要是演示z=x^2+y^2的用梯度下降算法 %设置x和y的初始值% x = 100; y = 100; %先计算前两个步骤的值 last_step_result = x*x + y*y; x = x - ste
  • Raft是一个共识算法(consensus algorithm),所谓共识,就是多个节点某个事情达成一致的看法,即使是在部分节点故障、网络延时、网络分割的情况下。这些年最为火热的加密货币(比特币、区块链)就需要共识算法,...
  • 离开ASIC design一线的工作已经有很长...现在我deep learning的算法研究越来越深入了,(曾经我也是资深IC designer啊)时不时也会联想到AI芯片实现的问题。据我所圈里有些好友已经"偷偷"在设计AI芯片了。今天从算
  • 我们的金字塔的算法和深度学习的算法刚好是一个是演绎,一个是归纳,两者都应该可以达到想要的结果。演绎只需要按规则进行推导就可以了,归纳则要不断的总结以往的经验才行。           ...
  • 求图形学基本算法好书推荐?

    千次阅读 2015-11-02 20:17:48
    图形学初学者,数学,英语,算法和数据结构等基础还算扎实,现在是《real time rendering》刚开始读,刚学完opengl es,按@张静推荐的那本OpenGL es 3.0书学习的,知道大部分api怎么用了,但背后的算法不甚了解,...
  • 蚁群算法的研究综述,和未来研究趋势的一些展望和看法
  • 本文谈谈自己的看法,不供参考。 从用人者角度 毋庸置疑,面试是用来筛选候选人的,在这个僧多粥少的时候,就需要提高筛选条件,例如最常见的学历,不是说学历一般的人不好,而是总体来说,学历好的人里面挑选到...
  • 浅谈推荐算法–Slope One

    千次阅读 2014-05-24 15:54:20
    Slope One 推荐算法是2005年由 Daniel Lemire 教授在香港的 WWW 会议上提出的一个 Item-Based 推荐算法。...类似的,Slope one推荐算法也是认为:平均值可以调和不同用户物品的评分差异。  
  • 全面揭秘快手与抖音的内容推荐算法

    万次阅读 多人点赞 2019-04-17 22:02:48
    快抖的视频内容分为推荐(发现)、附近(同城)和关注三个模块,这里主要说明推荐模块的算法机制。 视频与用户画像的匹配程度 热度(赞、评论、转发等) 发布时间 根据用户数据和内容标签计算两者的匹配程度,是...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 55,810
精华内容 22,324
关键字:

对算法推荐的看法