AIOps领域关于指标、日志和trace数据的异常检测与定位的研究工作很多，这些工作中的异常更多是时序指标上的表现异常，与真实的故障相距甚远，真实的故障是极其稀疏的，与运维工作人员每天接受到的异常检测算法识别出来的告警...

从实习到工作，接触过一些大大小小的广告系统，有麻雀虽小但五脏俱全的小 dsp，也有把 ssp、adx、dsp 都打包了的大媒体 ，算是对业界的广告系统有了一个初步的了解。趁着放假这几天，简单地梳理一下当前了解到的广告系统知识，主...

Not all memories are created equal: learning to forget by expiring

分享人：宋凯 博士 整理者：林宜蓁 导读: 本文从广告主的角度，分享联邦学习实践的经验跟思考。 先介绍业务与技术选型背景：团队项目为用户增长及成本控制，方式为广告渠道投放，投放目标分为拉新、拉活两类。 拉新时，微视侧端内...

在我的上一篇博客“什么是嵌入，你能用它做什么”中，我谈到了嵌入可以把高维、非结构化的数据转换成低维的数值表示，可以用在各种机器学习模型中。...

说起"炼丹"最耗时的几件事,首先就能想到的就是数据清洗,特征工程,还有调参.特征工程真的是老生常谈了,但是特征工程又是最重要的一环,这一步做不好怎么调参也没用.在特征工程中,做特征缩放是非常重要的,如下图所示:...

神经网络类似于人类的神经细胞，电信号在神经元上传递，类似于数值在神经网络中传递的过程。

♥各位如果想要交流的话，可以加下QQ交流群：974178910，里面有各种你想要的学习资料。♥

这篇文章是airbnb团队在KDD2019上的一篇文章。在当时来看，GBDT的模型已经对他们的业务有了一定的贡献，这篇文章主要是在讲，该团队在尝试使用NN模型来做进一步的迭代。...

从事机器学习相关岗位的同学都知道这样一句话：数据和特征决定了机器学习的上限，而模型和算法只是逼近这个上限。在数据确定的情况下，那么特征工程就成了唯一可供发挥的关键步骤。广义来讲，特征工程包括特征提取、特征衍生...