关于 博客外推软件推广qq2810853647瓮安县今日头条kpxq 的搜索结果,共700
s****5 2018-07-10
个性化荐(二)
总结 本章介绍了传统的个性化荐系统方法和YouTube的深度神经网络个性化荐系统,并以电影荐为例,使用PaddlePaddle训练了一个个性化荐神经网络模型。个性化荐系统几乎涵盖了电商系统、社交网络、广荐、搜索引擎等领域的方方面面,而在图像处理、自然语言处理等领域已经发挥重要作用的深度学习技术,也将会在个性化荐系统领域大放异彩。 参考文献 P. Resnick, N. Iacovou, etc. “GroupLens: An Open Architecture for Collaborative Filtering of Netnews”, Proceedings of ACM Conference on Computer Supported Cooperative Work, CSCW 1994. pp.175-186. Sarwar, Badrul, et al. "Item-based collaborative filtering recommendation algorithms."
c****2 2018-07-10
个性化荐(一)
为了解决这个难题,个性化荐系统(Recommender System)应运而生。 个性化荐系统是信息过滤系统(Information Filtering System)的子集,它可以用在很多领域,如电影、音乐、电商和 Feed 流荐等。个性化荐系统通过分析、挖掘用户行为,发现用户的个性化需求与兴趣特点,将用户可能感兴趣的信息或商品荐给用户。与搜索引擎不同,个性化荐系统不需要用户准确地描述出自己的需求,而是根据用户的历史行为进行建模,主动提供满足用户兴趣和需求的信息。 1994年明尼苏达大学出的GroupLens系统[1]一般被认为是个性化荐系统成为一个相对独立的研究方向的标志。该系统首次提出了基于协同过滤来完成荐任务的思想,此后,基于该模型的协同过滤荐引领了个性化荐系统十几年的发展方向。 传统的个性化荐系统方法主要有: 协同过滤荐(Collaborative Filtering Recommendation):该方法是应用最广泛的技术之一,需要收集和分析用户的历史行为、活动和偏好。
2018-07-10
解密开源这门生意——商业角度看开源
结束语 开源是一好事,但只有对的人才能把这事做好。希望本文让大家评估开源的商业价值、产品价值、管理价值时,能有一些新的认识。 附录:关于开源质量 一切都是人写的,设计和实现者的能力决定了的质量。 的质量并不能简单看开源还是闭源,的设计思路一样能被相互借鉴,但架构不同实现手段也不能抄袭;这就像做开源的猪肉饺子和闭源的肉沫狮子,两者可以相互借鉴口味和风评,但你看透我的原材料也不能照搬抄袭。 开源全性在于大家都能看到源码并报告问题,但前提是大家都肯看源码,能发现有全漏洞,还肯上报全问题。OpenSSL的heartbleed漏洞存在了好几年时间,但骇是静悄悄的利用该漏洞,而不做任何漏洞上报。而闭源全问题,和开源一样看写代码和查漏洞的人。 新接触开源的开发者经常带着皈依者狂热去鼓吹开源质量,但这种狂热没有实质性帮助,贡献更好的代码、观摩精妙的架构,才是开源精英应该做的事情。
c****i 2018-07-11
付费拨云见--云咨询可行性分析
某顶级IT企业最近在折腾XXXX,虽然行业内一堆PR解读和跪舔,但我们几个朋友的判断都是给自己加戏、顺路更换旧供应商。我不敢写太明确,并不是怕得罪境的大佬,而是国内几大公司都做了类似的折腾。国内顶级IT公司的IT决策者都需要自保,其他公司哪…… 3.云咨询不是老行业 云咨询不同于云售前、管理咨询和产品咨询,上文列到的咨询目,不是来销云产品的、不是来宣讲管理理念的、更不是广某款商业的。 我知道云厂商和咨询厂商在尝试广过这类服务,但成功案例都缺乏代表性: 某云厂商的专家服务,其实还停留在教户用云的阶段,和免费售前工作无差别。 某擅长咨询的传统转云厂商,他们的咨询案例是帮一个本来就有很深IT积累公司,再次确认数据中心规划,这只能算信息搜集,只有重度辅助决策才能收到足额咨询费。 某咨询厂商和云有关的咨询案例,仔细看是云厂商和服务商共同做的上云迁移执行过程介绍,而为什么上云、投入产出比、风险预估、新流程规划等等技术决策建议并不是重点工作。 还是重复文首所言,户上云是缺少IT执行层人才,户同样也缺乏IT决策层专家。
1****6 2018-07-10
反向图灵测试——如何识别这是不是AI?
这就引出了天的议题,图灵测试指的是人类能否区别是不是和AI在聊天,那反过来看,我们怎么识别“这个东西”是不是个AI? 首先我为什么说“这个东西”而不是“这个程序”?因为某些大堂机器人确实背后是人类操控的,相当于你用一个卓平板和我视频聊天,特别聪明还必须联网的机器人可能就是真人。但有些真AI如Siri也要联网,通过联网断网判别不了AI。 网上有个笑话,我把QQ自动回复设置成“呵呵”,你可以和我的电脑就任何话题聊上一夜。很多智能服只是简单的关键字匹配,和呼叫中心搜索知识库差不多,编辑回复模板远比写程序更重要。只有支持多层级对话的才是AI智能服,但现在网店服也可以混在AI的回答里回答户啊,熟练服回信息效率极高,顾以为面对的是AI程序反而会少提需求。 虽然深度学习常拿自然语言处理举例,但成熟的翻译也不用AI。翻译出现有几十年了,常用的单词和短语BTW/WTF/OMG用大词库即可,用户大脑会做二次语意加工。谷歌2016年9月底才宣布在谷歌翻译采用AI技术,在此之前的谷歌翻译同样是可用的啊。翻译和文字搜索是异曲同工的,但以图搜图是真AI。
1****2 2018-07-09
百度全:AI 是系统工程 需要真正开放的全护航
11 月6 ,百度全牵成立OASES 智能终端全生态联盟。这是国内第一个开 放的致力于AI 生态全的联盟组织,引发了媒体、行业对AI 全的聚焦。 毋庸置疑的是,人工智能时代已经到来。有数据显示,到2020 年,会有500 亿台 物联网设备在全球部署。埃森哲预测,人工智能可能将劳动生产率提升40%,让人们 更有效地利用时间。到2035 年,人工智能将让年度经济增长率提升一倍。 但是,所谓“螳螂捕蝉,黄雀在后”,AI 既能被用来提升效率,也能被黑用来提 升攻击技术,有更多途径窃取用户隐私。前段时间各种智能电视被破解,摄像变成 厅监视器;某品牌智能扫地机器人被曝出存在高危漏洞,变成家庭“间谍”等全事 频发。 网络全成了这些智能设备的“阿喀琉斯之踵”。 危机四伏的AI 生态 在小编看来,移动互联时代,无论是终端、云端、传输通道,最终保护的都是这整 个网络生态中的数据,这些数据既有企业和用户的隐私,也包含了账户和密码等。在AI 时代,大抵相同。所不同的是各种IOT 设备的多样化,身份认证加入了生物识别, 语音输入需求更多地取代了手动输入。
双****4 2018-07-11
【杂谈】猎场没那么精彩--还原真实的猎
第一部分.前言 无论是百科词还是热播影视剧,猎高端大气上档次的形象都深入人心。我能理解新人初见猎的兴奋,但实际上猎场没那么精彩,面对这种过高的期望,猎朋友们是很尴尬的,就好像每个IT工程师的都能下载Q币一样尴尬。 本文的定调并不是批判猎行业,对水货猎的调侃才能让敬业猎生意更好,让应聘者更少花精力在无效应付上,让招聘方知道资深猎贵在哪里。 第二部分.真实的低端猎市场 大部分猎公司的公开介绍就是几句无法查证的套话,其老板一般都是资深猎跳槽单干,和老户保持着半面之交的关系。猎公司找户并不难,因为大都是无保底合同,半面之交的关系也够用了。 大部分新手猎顾问,不管他们入职时的理想有多远大,打了半年电话以后梦想都会变成跳槽去甲方那里做普通人事职员。他们即不了解面试者也不了解用人单位,为一个候选人花费时间不超过半小时,他们也习惯了面试成功率是百分之一。他们并不在意应聘者和面试官的时间是否被浪费,挺高大上的猎工作,被这帮庸人做成了炸鱼游戏。高端猎拿到简历就开始调查研究了,而这类猎等二面以后才能记住面试者的名字。
无****禾 2018-07-11
户需求引导管理--实战型IT太极拳
前言 多年之前,我要搜集云平台技术运营数据,就主动了解户云平台的运行状况。然后我就发现来到了暴怒战场,户的需求同事们都承诺下来了,但一年半载都没人做。我闲不住就开始救火,户有十个要求我会拒绝七个,两个慢慢做,一个承诺立刻解决。户并没有投诉我,倒是离职的时候多个户邀请面谈并发出了Offer。 这几年我一直把“户提十个需求我会拒掉七个”当做招牌技能,天就聊聊户需求为什么要引导,该如何引导。 云平台卖的都是服务,靠销售体系打下单子来只是万里长征第一步。如果云厂商做不好服务,公有云没有消费额,私有云可以换别人家的授权;如果云厂商做好大户的技术服务服务,完全可以从备胎公有云变为主力公有云,私有云群集也月月有扩容。各位投标中标的CDN厂商已经领教过户的切量神功了,而云主机等资源的切换也会越来越简单方便。 过去的案例 我们先看四个生产环境案例。 案例1.有售型私有云户要把虚拟机的内网带宽从1G扩充到4G,沟通后发现是最终用户要在单虚拟机上跑大流量应用。
s****d 2018-07-11
亿元级云用户分析
单纯靠销售搞不定亿元采购决策人,亿元大项目必须是高层互访合作,最终敲定合作的原因的就这几种: 一把手政绩工程 战略投资的附加 海量或结构性压缩成本 生态圈陪玩的附加 高层利益互换 高级IT人力包 业务采购决策人只能敲定项目可以开始,但不保证落袋为,IT方案决策人和技术执行人员同样重要。 2.2 IT方案决策人 从CTO/技术VP到实权总监,业务决策人选择云厂商,而IT决策人可以否决候选厂商。他们要考虑公司总体利益,比如云厂商的技术梦想是否有有辱智商,超低资源报价是否有可行性,生态合作是否有伏笔暗枪等等。IT决策人要重度考量IT部门利益,这就是云销售和售前的工作重点了,售前和销售要抚IT决策人的顾虑,尊重户IT部门的权益: 业务方案的IT可行性 新架构带来的新责任 新项目带来的新权益 云迁移的隐性成本 技术锻炼的团队收益 新愿景带来的团队增效 工作量转移的减员压力 IT方案决策人明确项目的过程、执行人和验收标准,但从云供应商角度看,搞定方案决策人是项目正式启动,不代表项目能完成验收。
雪****魁 2018-07-11
危险背后的机遇--云服务故障危机分析
现在容易出问题的是云平台的运营维护和云厂商的自定义管理模块,户就是缺合格运维才被逼上的云平台,但云厂商自己也缺人;在BUG这一部分我已经吐槽过做云平台延模块程序员的技能水平了。这些地方出了问题该投诉投诉、该索赔索赔,逼着户去招更敬业专业的工程师。 资源投入 云资源贩售过程中,合格的厂商可以让云资源物有所值,但巧妇难为无米之炊,原始资源投入不够云服务就不可能很稳定。面向中小户的时候,云厂商很忌讳透露具体硬成本,也尽量避免承认资源不足,但面对大户时会很坦诚。 作为持久共生的大甲方,请关注乙方的成本红线,买家永远没有卖家精。如果甲方给够钱了,乙方仍然用劣质硬IDC和过高超售比,小云厂商一般是老板带节俭,而大云厂商很可能是执行层的人弄错了,作为甲方该闹就要闹。 人为原因 云厂商的人为故障总是糊涂账,但细心的甲方是能看出来端倪的。有时候厂商想遮蔽技术和资源的问题,会说是人为原因,缓过这一次故障赶紧修订BUG和准备资源;有时候明明是人为原因,但人为故障都是打脸实锤,厂商脸会肿而且要赔偿,可能会找个其他原因来给脸部降降温。
TOP