文章资讯

• 互联网资讯(3100)
• 娱乐头条(399)
• 教育考试(249)
• 幽默笑话(13)
• 美图合集(14)
• 站长资讯(9010)
• 电商资讯(229)
• 网站建设(74)
• 网站运营(202)
• 推广杂谈(550)

文章资讯

• 数十亿用户的Facebook如何进行贝叶斯系统调优？

  Facebook 依靠庞大的后端系统，每天为数十亿人提供服务。在这些后端系统中，许多都有大量的内部参数。例如，支持 Facebook 的 Web 服务器使用 HipHop 虚拟机（HHVM）来处理服务请求，而 HHVM 有几十个参数用于控制即时编译器。另一个例子是，用于各种预测任务的机器学习。这些系统通常都会涉及多层预测模型，具有大量参数，用于确定模型如何连接在一起，从而产生最终建议。这些参数必须

  2022-03-15

• 抛开炒作看知识图谱，为什么现在才爆发？

  知识图谱正在被大肆炒作，Gartner 的 2018 年新兴技术炒作周期中就包含了知识图谱。我们甚至不必等 Gartner 宣布 2018 年是“知识图谱年”，与活跃在这个领域的所有人一样，我们都看到了机会，但也看到了威胁：伴随炒作而来的是混乱。知识图谱是真实的，它们至少已经存在了 20 年。知识图谱的原始定义是关于知识表示和推理，如受控词汇表、分类法、模式和本体之类的东西，它们都是建立在标准和实

  2022-03-15

• 一文看懂Pinterest如何构建时间序列数据库系统Goku

  （使用 Goku 进行两级分片）时间序列数据模型 时间序列数据Goku 遵循 OpenTSDB 的时间序列数据模型。时间序列由一个键和一系列时间数字数据点组成。key = metric name + 一组标记键值对。例如，“tc.proc.stat.cpu.total.infra-goku-a-prod {host = infra-goku-a-prod-001，cell_id = aws-us-

  2022-03-15

• 作为普通Ruby开发，我如何从零转型机器学习

  1. 不要担心假设你对数学不怎么感冒，就我个人而言，八年前，我从理工学院毕业之后，就再也没有碰过数学教科书了（至少在我开始学习深度学习之前是这样）。你要知道它究竟是怎么回事：你阅读语言、框架文档的频率可比其他任何东西高多了。经过一些初步的 Google 搜索，并与周围的数学高手交谈之后，我得到一种印象，以下罗列的是你在尝试用神经网络解决现实问题之前就需要积累的数学知识。至少，我两年前的印象是这样的

  2022-03-15

• 暴力堆数据没用！NLP和语音技术突破难在哪？

  搜狗 2017 年成立了 AI 业务发展部，负责整合搜狗 AI 技术进行工程化研发、合作生态拓展，对接行业与场景输出 AI 解决方案和技术、产品，主打政企领域的会议场景和展厅、导游讲解场景，提供智能语音转写会议解决方案、多语种 AI 同传讲解方案。搜狗搜索和输入法是搜狗公司的两大拳头产品，在搜索中结合智能问答、知识图谱、机器翻译等 NLP 技术做到智能匹配、精准推广、英文搜索，在输入法中加入语音输

  2022-03-15

• 日均万亿事件：Netflix怎么做实时流处理？

  在这篇文章中，我们将讨论流式处理所面临的挑战、Keystone 的设计原则、思维模式、架构总览、我们的愿景以及 Keystone 为 Netflix 所带来的核心价值。单个流式作业：通过平台管理这些作业：流式处理的挑战1. 伸缩Netflix 为来自 190 多个国家的 1.3 亿用户提供服务。流式处理平台每天处理数万亿个事件和 PB 级别的数据，以支持日常的业务需求。随着用户数量的持续增长，整个

  2022-03-15

• DeepMind PotArt多任务深度强化学习获突破性进展

  多任务学习（Multi-task learning），让单个智能体（agent）学习如何解决许多不同的任务，而这正是人工智能研究的长期目标。最近，多任务学习的进步日新月异，像 DQN 这样的智能体能够使用相同的算法学习进行多个游戏，包括 Breakout 和 Pong。这些算法用于为每项任务训练各个专家智能体（expert agents）。随着人工智能研究朝着更为复杂的现实世界领域发展，构建一个单

  2022-03-15

• OLAP引擎这么多，麻袋财富为什么选择用Kylin做自助分析？

  项目背景麻袋财富（原麻袋理财）成立于 2014 年 12 月底，是中信产业基金控股的网络借贷信息中介平台，经过 4 年平稳而快速的发展，截至目前，累计交易金额达 750 亿，已成为行业头部平台。庞大的业务量带来了数据量指数级增长，原有的数据分析处理方式已远远不能满足业务的需求：流程耗时长：逻辑比较复杂的数据需求，可能会涉及到开发，产品经理，BI 等多方相关人员，通过反复的沟通，确认才能完成，而涉及

  2022-03-14

• 谷歌开源ActiveQA，教会AI会“问”更会“答”

  自然语言理解是谷歌人工智能研究的一个重要且持续关注的领域，并已应用于机器翻译、句法和语义分析等。重要的是，会话技术对直接回答用户问题的能力要求越来越高，谷歌致力于研究的领域之一，便是人类对话的基本组成部分——问答（QA）。由于开源代码是可重复研究的关键，谷歌发布了一个用于主动问答（ActiveQA）的 TensorFlow 软件包（https://github.com/google/active-

  2022-03-14

• 自服务分析已经Out了，我们该如何应对？

  在过去十年中，数据仓库要成为企业数据系统中心的观点开始以各种方式崩溃。原因很多， 包括复杂性的增加、速度和敏捷性的损失以及成本的增加等等不必要的结果。结果是，分析不再越来越以自助服务为导向，而是第一次真正地倒退，远离了自助服务的理想。现在倒退还在进行中，但与几年前的 IT 相比，有效且易于操作的自助服务变得更加难以实现。因此，分析师比以往任何时候都更加依赖 IT 工具。在这篇关于数据的观点文章中，

  2022-03-14