BT

如何利用碎片时间提升技术认知与能力? 点击获取答案

您现在处于全屏预览
关闭全屏预览

TensorFlow在推荐系统中的应用和实现
录制于:

| 作者 李嘉璇 关注 1 他的粉丝 发布于 2017年1月2日 | Google、Facebook、Pinterest、阿里、腾讯 等顶尖技术团队的上百个可供参考的架构实例!
48:58

概要
从核心算法上讲,推荐系统是如何经历从最初的协同过滤到如今的深度学习等各种复杂的机器学习模型的演变。 本次分享将演示如何使用 Tensorflow 实现各种模型,从简单的浅层神经网络双线性模型,到针对推荐系统稀疏数据场景下的 Amazon 的 DSSTNE,和 Youtube 推荐系统采用的神经网络在 TensorFlow 上的实现。 TensorFlow 如何实现 Wide & Deep Learning 的结合。如何结合 Wide Model,也就是传统的基于 Logistic Regression 并且用大量的 Cross-Product 做 Feature,和用 Deep Neural Networks 把大量 Categorial Features 转换成为 Dense Embedding Vector。

个人简介

李嘉璇, 《TensorFlow技术解析与实战》 作者,DevLink、全球机器学习技术、Oreilly Strata大会深度学习讲师,创建TensorFlow技术社区(tf.greatgeekgrace.com)。对深度学习框架的架构、源码分析及在不同领域的应用有浓厚兴趣。有处理图像、社交文本数据情感分析、数据挖掘等实战经验,参与过基于深度学习的自动驾驶二维感知系统Hackathon竞赛, 曾任职百度研发工程师。

全球架构师峰会(International Architect Summit,下简称ArchSummit)是由InfoQ中文站主办的一次全球性架构师峰会。ArchSummit专门针对架构师人群,讲述与架构和架构师相关的各方面趋势、技术和案例。这也是继QCon之后,InfoQ中文站主办的又一次高端技术盛会。

登陆InfoQ,与你最关心的话题互动。


找回密码....

Follow

关注你最喜爱的话题和作者

快速浏览网站内你所感兴趣话题的精选内容。

Like

内容自由定制

选择想要阅读的主题和喜爱的作者定制自己的新闻源。

Notifications

获取更新

设置通知机制以获取内容更新对您而言是否重要

BT