AutoML 在推荐系统中的应用

作者/分享人:第四范式技术团队
向 Ta 提问
第四范式专注于机器学习相关领域,迁移学习技术全球领先。

AutoML(Automatic Machine Learning,自动机器学习)旨在研究在没有专业知识的情况下使用的低门槛甚至零门槛的机器学习算法,摆脱对机器学习专家的依赖,该技术正在成为机器学习赋能行业的关键。第四范式的 AutoML 技术已经投入实际工业应用,在金融、医疗等行业有多个实践案例。

第四范式智能推荐系统广泛应用于互联网行业,这次分享将介绍在推荐系统中对 AutoML 技术的应用,内容主要包含 AutoML 的技术思路、框架和要点。

本场 Chat 您将接触如下内容:

  1. 数据如何采样;
  2. 数据预处理的规则;
  3. 特征工程方面的知识;
  4. 如何选择或设计算法;
  5. 网络结构搜索;
  6. 神经网络的自动训练调参;
  7. 如何调整算法超参数;
  8. 评估模型性能等内容。

作者简介:

王嘉磊,第四范式资深算法科学家、负责设计实现第四范式 AutoML 产品算法。美国康奈尔大学运筹学博士,研究方向为贝叶斯优化及应用于自动化机器学习。曾任职 IBM Chief Analytics Office,任高级数据科学家。

程晓澄,第四范式资深算法科学家、推荐业务算法团队负责人。在第四范式负责推荐业务算法推荐系统的架构设计, 负责搭建了唱吧、知乎、罗辑思维等多个互联网推荐系统。曾任职豆瓣算法部门。

已有533人预订
预订达标
文章出炉
     
18.09.20
18.10.23
本场 Chat 文章已出炉,购买后即可阅读文章并获得一张第四范式技术团队的读者圈Pass
请务必添加GitChat服务号以查看活动进度及获取活动通知。
你可能还喜欢
解读《阿里巴巴 Java 开发手册》背后的思考
Hollis
初探 Kafka
阿福
LeetCode 刷题指南以及常见算法题解题思路总结
kerry
大数据开发面试指南
王知无
高并发系统缓存实战入门
饿了么物流技术团队
7 天从 Java 工程师转型为 Go 工程师
DIU哥
从零开始做你自己的文字识别系统
天马行空
程序员转型之路:做一个不会失业的独立开发者
Jeff
RabbitMQ 实战
寒月
掌握这些方法和技巧,你的自学才会更加有效率!
一个自学的程序员
Python 数据分析师必备的入门学习路线和技能
zglg
代码案例讲解程序员的第一性原理
天马行空
Git 扫盲:用命令行剖析 Git 底层实现
叫我闪电
写一个 IoC/DI 容器来理解 Spring 框架的思想
愚凡
领域驱动设计:战术模式预览
文心紫竹
微信扫描登录
关注提示×
扫码关注公众号,获得 Chat 最新进展通知!