首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

,正在改造

正在告别,将目光投向了全新的发展战局之中。对于来讲,这是一个新的开始,这同样是一次顺势而为。因为只有这样,才会和那些曾经和它一起成长起来的玩家们一道共赴一个全新的发展新纪元。...这告诉我们,需要调整,需要规范,只有这样,才能穿越周期,获得更加持续和长久的发展。于是,我们看到的是,和其他的互联网玩家一样开始将关注的焦点从流量的身上转移到了新技术的星辰大海之中。...,助力经济上所做的诸多动作,比如,以无人配送车、无人机配送为代表的新技术的应用;比如,在核酸检测、保工保民生上所做的工作。...如果对这样一种发展模式做一个总结的话,正在告别互联网时代的自己,寻找新技术时代的新角色和新定位。 从新定位上来看,我们可以非常明显地看出,正在从流量思维转移到存量思维上。...从今年以来的表现来看,我们同样可以非常明显地感受到,与科技之间的连接同样是越来越强了,科技给带来的改变越来越多了,科技让开始有了更多的想象空间。

40420

技术解析】机器学习在配送系统的实践:用技术还原真实世界

技术解析 ? × 全文共计6532字 预计阅读时间17分钟 简介:何仁清,配送AI方向负责人。...本文重点解读在即时配送领域机器学习技术的最新进展,构建对线下真实世界各种场景的感知能力,还原并预测配送过程各个细节。...而技术的作用,就是加速这个正向循环。 “超脑”配送系统 ? 目前互联网技术,很大部分还是针对线上产品和系统研发,整个流程可以在线上全部完成,而这也正是配送AI技术最大的不同和挑战。...配送也构建了全球领先的即时配送网络,以及行业领先的智能配送系统,智能调度系统每小时路径计算可达29亿次。...过去三年来,配送AI团队研发效果显著,配送时长从一小时陆续缩短到30分钟,并且还在不断提升,我们也希望通过AI技术,帮大家吃得更好,生活更好。 ? END

88950
您找到你想要的搜索结果了吗?
是的
没有找到

推荐收藏 | 技术团队的书单

在世界读书日这个特别的日子里,我们从技术团队内部的书单中精选了23本书籍推荐给大家。...之前我们推送过一份技术人必读的《新春书单》,而今天的这份书单则涵盖了通用能力(6本)、经济管理(6本)、哲学历史(8本)、人物传记(3本)等非技术领域,也颇具价值。...是一家极其重视业界洞察和策略打法的公司。对于每一个Leader而言,一旦理解了策略打法这个东西,当你再走出去的时候,可能就会发现相较于业界很多同行,自己能看到更大的一片天空。...所以每一位在工作的同学,都该静心、用心学习公司的长处。 ? 推荐理由: 这本管理书非常适合中层技术管理者学习,而且值得反复阅读。...或许,这也是对价值观“长期有耐心”的另一种解读。 最后,希望每个人,无论身处何地,全然地安于当下,能够在自己迷茫、失去方向时,在被情绪左右的时候,找到生命旅程的内在目的。 ?

1K30

集群调度系统HULK技术演进

值此佳节之际,美美为大家呈送一份技术干货作为中秋礼物。本文根据基础架构部/弹性策略团队负责人涂扬在2019 QCon(全球软件开发大会)上的演讲内容整理而成。...本文涉及Kubernetes集群管理技术的部分,相关的技术实践可参考此前发布的《点评Kubernetes集群管理实践》。 一、背景 HULK是的容器集群管理平台。...截止发稿时,生产环境已经有1万个应用在使用容器,生产环境容器数超过10万。 二、HULK2.0集群调度系统总体架构图 ?...此前,在技术团队官方博客上,我们也分享过底层的镜像管理和容器运行时相关内容,参见《容器技术研发实践》一文。...作者简介 涂扬,点评技术专家,现任基础架构部弹性策略团队负责人。 ---------- END ----------

1K40

集群调度系统HULK技术演进

值此佳节之际,美美为大家呈送一份技术干货作为中秋礼物。本文根据基础架构部/弹性策略团队负责人涂扬在2019 QCon(全球软件开发大会)上的演讲内容整理而成。...本文涉及Kubernetes集群管理技术的部分,相关的技术实践可参考此前发布的《点评Kubernetes集群管理实践》。 一、背景 HULK是的容器集群管理平台。...截止发稿时,生产环境已经有1万个应用在使用容器,生产环境容器数超过10万。 二、HULK2.0集群调度系统总体架构图 ?...此前,在技术团队官方博客上,我们也分享过底层的镜像管理和容器运行时相关内容,参见《容器技术研发实践》一文。...作者简介 涂扬,点评技术专家,现任基础架构部弹性策略团队负责人。

58810

技术团队博客:推荐算法实践

团作为国内发展较快的o2o网站,有着大量的用户和丰富的用户行为,这些为推荐系统的应用和优化提供了不可或缺的条件,接下来介绍我们在推荐系统的构建和优化过程中的一些做法,与大家共享。 框架 ?...团作为一个交易平台,同时具有快速增长的用户量,因此产生了海量丰富的用户行为数据。当然,不同类型的数据的价值和反映的用户意图的强弱也有所不同。 ?...用户主动行为数据记录了用户在平台上不同的环节的各种行为,这些行为一方面用于候选集触发算法(在下一部分介绍)中的离线计算(主要是浏览、下单),另外一方面,这些行为代表的意图的强弱不同,因此在训练重排序模型时可以针对不同的行为设定不同的回归目标值...特征 在我们目前的重排序模型中,大概分为以下几类特征: deal(即购单,下同)维度的特征:主要是deal本身的一些属性,包括价格、折扣、销量、评分、类别、点击率等 user维度的特征:包括用户等级

1.5K110

技术实力怎么样?

2 年前,我们在 为了组件化改造学习十几家大厂的技术博客[2] 这篇文章里收集过各大厂的组件化方案。其中,有收银团队分享的组件化总线框架 modular-event 让我们印象深刻。...然而,并未将该框架开源,我们只能望梅止渴。 在学习和借鉴 modular-event 方案中很多优秀的设计思想后,我亦发现方案中依然存在不一致风险和不足,故我决定对方案进行改进并向社区开源。...1.4 与 modular-event 对比有哪些什么不同? modular-event 使用静态常量定义事件,为什么 ModularEventBus 用接口定义事件?... modular-event 使用常量引入了重复信息,存在不一致风险。例如开发者复制一行常量后,只修改常量名但忘记修改值,这种错误往往很难被发现。...)著 Android 组件化方案及组件消息总线 modular-event 实战[7] —— 海亮()著 我是小彭,带你构建 Android 知识体系。

69010

技术解析】深度学习在配送ETA预估中的探索与实践

简介:基泽,点评技术专家,目前负责配送算法策略部机器学习组策略迭代工作。 周越,2017年加入配送事业部算法策略组,主要负责ETA策略开发。...显杰,点评技术专家,2018年加入,目前主要负责配送算法数据平台深度学习相关的研发工作。 1....ETA的探索与演变 具体ETA在整个配送业务中的位置及配送业务的整体机器学习实践,请参看《机器学习在配送系统的实践:用技术还原真实世界》。 2....2.4 缺失值处理 在模型处理中,特征层面不可避免存在一定的缺失值,而对于缺失值的处理,完全借鉴了《“猜你喜欢”深度学习排序模型实践》文章中的方法。...使用AFO GPU平台提供的TensorFlow Serving服务。

1.1K20

围魏救赵

近日,有报道称APP正在内测短视频功能,并且还测试了编辑工具“皮皮虾”。此次测试可以看做是进军短视频领域的重要信号,而的入局或将在短视频领域掀起新波澜。...短视频“真香” 正如在广告片中的广告词“,美好生活小帮手”所言,对自身的准确定位在于生活服务。...用户增长对的重要性不言而喻,随着短视频用户群体的不断扩大,上线短视频功能的自然也能获得新流量。 另一方面,获取新的用户之后,的短视频功能也能提高其用户黏性。...此次短视频功能的推出,既能对自身的生态进行扩容,也能助推进行业务场景拓展。倘若短视频功能发展顺利,或将在未来成为重要的变现途径之一。...最后,的新业务也不占优。据发布的财报显示,第四季度的营收为379.2亿元,同比增长了34.7%;新业务和其他业务经营亏损为60.03亿元,其中有一半的亏损来自优选。

47430

点评金融平台Web前端技术体系

通过对各方意见进行归纳整理,结合各团队的情况,金融平台对于技术栈的选型达成了共识。本文将介绍点评金融平台前端的技术选型以及背后的思考。先从一些基本原则讲起。 招构建技术体系的基本原则 ?...离线化技术 离线化技术可以将网页的网络加载时间变为 0,在离线化的选型上点评内部有很多选择,我们也在不同的方向进行尝试。...:Service Workers 是团队一直跟进的技术,目前在测试已经接近正式发布,只是在 iOS 上还无法大范围使用,长期看好,暂时 PASS 借助 Native 能力的自有技术平台技术团队的类...Service Workers 的被动离线化技术 旅行技术团队的离线包技术 留下来的只剩下两个自有技术,这两个技术的最大区别是,是否解决了首次加载问题?...扫码付项目是金融智能支付团队面向 C 端消费者推出的一款 H5 融合支付类的产品,消费者在商家消费之后,可使用多种 App 进行扫码支付,同时可对商家进行评价,支持、大众点评、微信、支付宝、钱包等多种

2.3K110

对话摘要技术的探索(SIGIR)

本文首先介绍了经典的文本摘要方法,随后分析了对话摘要的模型,并分享了在真实对话摘要场景中面临的挑战。...----------  END  ---------- 招聘信息 语音交互部负责语音和智能交互技术及产品研发,面向业务和生态伙伴,提供对语音和口语数据的大规模处理及智能响应能力。...科研合作 科研合作致力于搭建各部门与高校、科研机构、智库的合作桥梁和平台,依托丰富的业务场景、数据资源和真实的产业问题,开放创新,汇聚向上的力量,围绕人工智能、大数据、物联网、无人驾驶、...本周活动推荐 5月28日下午,将和京东的算法专家一起,分享对话交互算法技术的发展和遇到的挑战,以及在客服智能化多个具体场景大规模应用实践。四个最佳实践,希望与大家交流学习,共同进步。...也许你还想看   | BERT的探索和实践   | Transformer 在搜索排序中的实践   | DSTC10开放领域对话评估比赛冠军方法总结 阅读更多 --- 前端 | 算法 | 后端

96110

CVPR 2022 | 技术团队精选论文解读

总第519篇 2022年 第036篇 计算机视觉国际顶会CVPR 2022近日在美国新奥尔良召开,今年技术团队有多篇论文被CVPR 2022收录,这些论文涵盖了模型压缩、视频目标分割、3D视觉定位...半监督学习的VPG框架 此外,在CVPR 2022中,技术团队视觉智能部获得了第九届细粒度视觉分类研讨会(FGVC9)植物标本识别赛道的冠军,点评事业部获得了大规模跨模态商品图像召回比赛的冠军。...相关的技术分享,后续将会在技术团队公众号陆续进行推送,敬请期待。...写在后面 以上这些论文是技术团队与各高校、科研机构通力合作的成果,本文主要介绍了我们在模型压缩、视频目标分割、图像描述、模型安全、跨模态视频内容检索、3D视觉定位等领域做的一些科研工作。...另外,技术团队也在积极参加国际挑战赛,期望能将更多科研项目付诸于实践,进而产生更多的业务价值和社会价值。

99920

点评酒旅前端的技术体系

结合前端研发的特点,一个完备的技术体系应当包括流程规范(涵盖开发、构建、部署、运行各个阶段),技术工具栈(技术选型和基础工具设施),构建工具栈,自动化测试,部署流程和部署平台,监控体系(错误监控、性能监控...酒旅前端团队的技术体系 ?...以上是点评酒旅前端团队的技术体系结构图,我们有两种共存的项目类型(静态化项目和服务端项目),不同类型的项目技术工具栈和部署平台略有不同,静态化项目是通过CDN进行承载,前端使用轻量级的MVVM框架Vue...Web端性能数据的收集,灵犀用于业务的统计和埋点,Falcon一方面用于Server的监控报警,一方面用于业务监控和报警(比如火车票的抢票失败率和接口调用情况),PM25(详情可以参考之前的博客文章《酒店...当前技术体系下的效果 ? 技术体系的基本架构原则 围绕业务发展。 结合团队规模和特点。 自动化、组件化、标准化。 聚焦效率、体验和质量。 如无必要,勿增实体。

1.5K110

KDD 2023 | 技术团队精选论文解读

本文精选了技术团队被KDD 2023收录的7篇论文进行解读,论文覆盖了Feed流推荐、多模态数据、实例分割、用户意图预测等多个方向。这些论文也是技术团队与国内多所高校、科研机构合作的成果。...Interest-Based End-to-End Re-ranking Framework in E-commerce》 论文作者:晓文、杨凡(共同一作)、王泽、晓旭、国钢、永康、兴星、王栋等,均来自技术团队...Collaborative Transfer Learning Framework for Cross-domain Recommendation》 论文作者:张伟、鹏业、张波、兴星、王栋等,均来自技术团队...03《Modeling Dual Period-Varying Preferences for Takeaway Recommendation》 论文作者:玉婷()、吴贻清(中国科学院计算技术研究所...)、朱勇椿(中国科学院计算技术研究所)、庄福振(北京航空航天大学)、瑞东()、北海()、展博()、安竹林(中国科学院计算技术研究所)、徐勇军(中国科学院计算技术研究所) 论文类型:长文 论文地址

82220

KDD 2022 | 技术团队精选论文解读

总第529篇 2022年 第046篇 今年,技术团队有多篇论文被KDD 2022收录,这些论文涵盖了图谱预训练、选择算法、意图自动发现、效果建模、策略学习、概率预测、奖励框架等多个技术领域。...)、黄方胜()、周琳钧()、宋宇()、叶成鹏()、聂鹏宇()、任昊()、郝井华()、何仁清()、孙致钊() | 论文简介:配送旨在为顾客和餐厅提供优质稳定的服务...写在后面 以上这些论文是技术团队与各高校、科研机构通力合作的成果。本文主要介绍了在图谱预训练、选择算法、意图自动发现、效果建模、策略学习、概率预测、奖励框架等技术领域一些科研工作。...----------  END  ---------- 科研合作 科研合作致力于搭建技术团队与高校、科研机构、智库的合作桥梁和平台,依托丰富的业务场景、数据资源和真实的产业问题,开放创新...也许你还想看   | ACM SIGIR 2022 | 技术团队精选论文解读   | ACL 2021 | 一文详解技术团队7篇精选论文   | CVPR 2022 | 技术团队精选论文解读

1.6K31

2022自动配送车技术场景实录

有朋友问,的自动配送车“是不是只送外卖”,也有朋友想知道,“哪里能体验自动配送车服务”,还有朋友留言说,前两天在路上偶遇一辆自动配送车,特意跟踪了一段,“想比较下自动驾驶跟人类驾驶在风格上到底有几分相像...6月支援上海抗疫后,自动配送车每天仍在北京、深圳等地持续开展着试运营和技术测试,在近100个社区里,为使用“买菜”的用户提供配送服务。同时,新增南京航空航天大学、南昌工学院等几所高校的运营。...目前,自动配送车既会送外卖,也会送食杂。自落地试运营至今,自动配送车已累计配送250万单,平均每天配送5000单。 “在用中练”是自动配送车突破自身技术门槛的主要思路。...在完成配送服务的同时,自动配送车也在不断打磨着开放道路、校园、医院、社区等多样化场景的配送技术,每月都会在感知、预测、规划、控制等技术层面,进行数次迭代和升级。...以至于有位好奇的网友一路驾车跟随送货的自动配送车后,称“跟一年前相比,自动配送车仿佛换了个大脑”。

49230

外卖骑手背后的AI技术

以此为出发点,点评研发团队设计了骑手智能助手,全面提升骑手的各方面能力。...在 1月份的 AICon全球人工智能与机器学习技术大会上,点评配送人工智能方向负责人何仁清分享了《骑手智能助手的技术与实践》。...下图主要介绍了外卖现在的发展情况: ? 外卖从 2013年启动,目前大概能够服务 2.5亿用户,已经覆盖 1300多个城市,能够为 200多万商户提供服务,日峰值订单超过 1800万。...而外卖语音助手就属于我们在广度和深度结合比较好的案例。接下来就和大家分享一下我们在整个智能助手的实践和设计过程中,以及在整个物流业务中,如何将人工智能技术更好的落地的一些经验。...基于这些考虑,我们做了外卖语音助手,它的定位主要包括以下三点: ?

2K50

餐饮娱乐知识图谱——大脑揭秘

总第305篇 2018年 第97篇 大家好,我是本公众号的主持人,技术团队的程序员鼓励师美美。今天是感恩节,我们特别感谢读者朋友们的一路相伴,感恩有你。...今年5月,NLP中心开始构建大规模的餐饮娱乐知识图谱——大脑,它将充分挖掘关联各个场景数据,用AI技术让机器“阅读”用户评论数据,理解用户在菜品、价格、服务、环境等方面的喜好,挖掘人、店、商品、...为了让大家更系统地了解大脑,NLP中心会在接下来一段时间,陆续分享一系列技术文章,包括知识图谱相关的技术大脑背后的算法能力,千亿级别图引擎建设以及不同应用场景的业务效果等等,本文是大脑系列的第一篇文章...大脑的业务应用 依托深度学习模型,大脑充分挖掘、关联美点评各个业务场景公开数据(如用户评价、菜品、标签等),正在构建大规模的餐饮娱乐“知识大脑”,并且已经开始在不同业务中进行落地,利用人工智能技术全面提升用户的生活体验...也许我们不曾将感恩说出口,但内心一直心存感恩之心,感谢你对技术团队的每一分关注,每一句评论,每一次转发。

84120
领券